OLASILIĞA GİRİŞ. Biyoistatistik (Ders 7: Olasılık) OLASILIK, TIP ve GÜNLÜK YAŞAMDA KULLANIMI

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "OLASILIĞA GİRİŞ. Biyoistatistik (Ders 7: Olasılık) OLASILIK, TIP ve GÜNLÜK YAŞAMDA KULLANIMI"

Transkript

1 OLASILIĞA GİRİŞ Yrd. Doç. Dr. Ünal ERKORKMAZ Sakarya Ünverstes Tıp Fakültes Byostatstk Anablm Dalı OLASILIK, TIP ve GÜNLÜK YAŞAMDA KULLANIMI Br olayındoğal koşullar altında toplumda meydana gelme oranına / sıklığına olasılık adı verlr. Günlük yaşamda olasılık sözcüğüçoksıkkarşımıza çıkmaktadır. Yrd. Doç. Dr. Ünal ERKORKMAZ Slayt 2 / 41 GÜNLÜK YAŞAMDA OLASILIK SÖZCÜĞÜ KULLANIMI 1. Bu gün hastanemze %95 olasılıkla mnmum 186 hasta başvuracaktır. 2. Hastalığınız reçetedek laçlarla %95 olasılıkla (htmalle) br haftada yleşecektr. 3. Bu çalışmamla büyük olasılıkla bu sınavı geçerm. 4. Bu gün hastanızın taburcu olma olasılığı %90 dır. 5. Hastanız muhtemelen3 günçndeyoğun bakımdan çıkacaktır. 6. Hastanıza büyük olasılıkla bypass yapmak gerekecektr. Yrd. Doç. Dr. Ünal ERKORKMAZ Slayt 3 / 41 Yrd. Doç. Dr. Ünal ERKORKMAZ 1

2 GÜNLÜK YAŞAMDA OLASILIK SÖZCÜĞÜ KULLANIMI 7. Toplumda 1999 yılında 0-6 yaş grubunda KIZAMIK gözlenme olasılığı (prevalans) 0.35 tr. 8. Toplumda yaş grubu Erkek breylerde 200 cm ve daha fazla boy uzunluğu gözlenen brey olasılığı dr. 9. İstanbul da 7+ büyüklüğünde deprem gözlenme olasılığı 0.10 dur. 5+ büyüklüğünde deprem gözlenme olasılığı 0.35 dr. Yrd. Doç. Dr. Ünal ERKORKMAZ Slayt 4 / 41 Permutasyon ve Kombnasyon N sayısı poztf br tamsayı olmak üzere r1, r2, r3,..., r N le gösterlen N tane nesne ya da brm çn (r1, r2) şeklnde gösterlen nesnesne sıralı kl ; (r1, r2, r3) şeklnde gösterlen nesnesne sıralı 3 lü ve (r1, r2, r3,..., r n ) şeklnde gösterlen nesnesne de sıralı n l adı verlmektedr. Yrd. Doç. Dr. Ünal ERKORKMAZ Slayt 5 / 41 Br sayının kendsnden öncek sıfıra kadar olan sayılarla çarpımına faktöryel adı verlr ve n! şeklnde gösterlr. n! = 1x 2 x 3 x... x (n-2) x (n-1) x n 0! = 1 ve 1! = 1 olarak alınır. Bu kural göre 2! = 1x2=2 ve 3! = 1x2x3=6 olarak hesaplanır. Yrd. Doç. Dr. Ünal ERKORKMAZ Slayt 6 / 41 Yrd. Doç. Dr. Ünal ERKORKMAZ 2

3 Permutasyon n brm ya da nesnenn kend aralarında brbrlernden farklı olmak koşulu le çeştl şeklde sıralanmalarına (oluşturdukları r-l dzlerne) verlen smdr. P(n,r) şeklnde gösterlr. Yrd. Doç. Dr. Ünal ERKORKMAZ Slayt 7 / 41 n brmden r tanes alınarak oluşturulan sıralanma sayısı P(n,r) aşağıdak formülle hesaplanır. P(n,r) = n! / (n-r)! şeklnde hesaplanır. Örnek: 5 deney tüpünün 3 tanes alınarak kaç tür sıralama yapılablr hesaplayalım. P(n,r) = n! / (n-r)! = 5! / (5-3)! = (1x2x3x4x5) / (1x2) = 3x4x5 = 60 çeşt sıralama yapılır. Yrd. Doç. Dr. Ünal ERKORKMAZ Slayt 8 / 41 Kombnasyon : n brm ya da nesneden r tanes alınarak yapılacak r-l gruplama sayısına verlen smdr. Burada r <n koşulunun gerçeklenmes gerekr. Kombnasyon n brmde r tanes alınarak yapılablecek seçm sayısını hesaplamakta kullanılır C(n,r) şeklnde gösterlr. Yrd. Doç. Dr. Ünal ERKORKMAZ Slayt 9 / 41 Yrd. Doç. Dr. Ünal ERKORKMAZ 3

4 n brmden r tanes alınarak yapılablecek gruplama (seçm) sayısı C(n,r); C(n,r) = n! / (n-r)! r! şeklnde hesaplanır. Örnek : Kafesmzde 12 deney hayvanı bulunmaktadır. Bu deney hayvanlarından 5 tanes seçlerek br deney düzenlemek styoruz. 12 denekten 5 tanes alınarak kaç tür gruplama yapılablr? C(12,5) = 12! / (12-5)! 5! = (1x2x...x12) / ((1x2x...x7) x (1x2x...x5)) = (8x9x10x11x12) / (1x2x3x4x5) = 792 Yrd. Doç. Dr. Ünal ERKORKMAZ Slayt 10 / 41 RASGELE OLAYLAR Doğada meydana gelen olayların belrl br olasılıkla gerçekleştkler ve ortaya çıkmalarının belrl olasılıklara bağlı oldukları görülür. Bu olayların oluşları şansa bağlıdır. Oluşları şansa bağlı olan olaylara Rasgele Olaylar adı verlr. Yrd. Doç. Dr. Ünal ERKORKMAZ Slayt 11 / 41 Toplumda ncelenen sağlık olaylarına baktığımızda benzer koşullar altında brmlerde farklı sonuçların ortaya çıktığını görürüz. Bu nedenle sağlık olayları değşmeyen koşullar altında da farklı sonuçlar veren rasgele olaylardır. Sağlık olaylarının gözlendğ breyler byolojk değşkenlğe sahptr. Sağlık olaylarından elde edlen sonuçlar şansa bağlı olarak ortaya çıkarlar. Yrd. Doç. Dr. Ünal ERKORKMAZ Slayt 12 / 41 Yrd. Doç. Dr. Ünal ERKORKMAZ 4

5 İncelenen br olayın örnektenörneğegözlenmeoranı az ya da çok farklılık gösterr. Fakat tüm toplum ncelenrse bu olayın gözlenmesıklığının belrlbr değere eşt olduğu gözlenr. Gözlenen br olayda ya da yapılan br denemede ortaya çıkablecek olaylar kümesne Örnek uzayı adı verlr ve E kümes olarak smlendrlr. Bu uzaydak gözleneblecek olayların noktaları (Tüm mümkün durumlar sayısı) nı gösterr. E kümesndek eleman sayısı S(E) ya da N le gösterlr. Yrd. Doç. Dr. Ünal ERKORKMAZ Slayt 13 / 41 Toplumdak olaylar dzs çnde yer alan ve ncelenen olayla lgl ortaya çıkan sonuçlar altkümesne se örnek noktası ya da olay adı verlr (Elverşl durumlar sayısı) Örnek uzayındak ortaya çıkablecek olaylar A, B, C,... şeklnde gösterlr. Olaydak eleman sayısı se olayın adı kullanılarak örneğn A olayı çn s(a) ya da n(a),... sembolü le gösterlr. Yrd. Doç. Dr. Ünal ERKORKMAZ Slayt 14 / 41 OLASILIK HESAPLAMASI Bu tanımlamalar kullanılarak A, B, C,... gb olayların meydana geldğ E örnekuzayında yer alan br A olayının olma olasılığı P(A); P( A ) = S( A ) / S( E ) = n( A ) / N şeklnde gösterlr. Yrd. Doç. Dr. Ünal ERKORKMAZ Slayt 15 / 41 Yrd. Doç. Dr. Ünal ERKORKMAZ 5

6 Olasılık, br olayın meydana gelme sıklığının örnekler aracılığı le ncelenerek elde edlen blglern topluma genellenmesnde yararlanılan yöntemlerden brdr. Rasgele olayların toplumda meydana gelme sıklığına, oranına olasılık adı verlr. Yrd. Doç. Dr. Ünal ERKORKMAZ Slayt 16 / 41 OLASILIK HESAPLAMASINDA KURALLAR Olasılık, rasgele br olayda, ncelenen olayın gözlenme sayısının (Elverşl Durum Sayısı), gözleneble-cek tüm durumlar sayısına (Tüm Mümkün Durumlar sayısına) oranıdır. Olasılık P harf le gösterlr ve şeklnde hesaplanır. Yrd. Doç. Dr. Ünal ERKORKMAZ Slayt 17 / 41 Örnek : Rasgele seçlen kşde yapılan br sağlık taramasında 1884 kşde A hastalığı saptanmıştır. Toplumda A hastalığı gözlenme olasılığı nedr? (N=15000 ve n(a)=1884 alınarak) P(A) = 1884/15000= P(A) = %12.56 hesaplanır. Toplumda A hastalığı gözlenme olasılığı %12.56 dır. Yrd. Doç. Dr. Ünal ERKORKMAZ Slayt 18 / 41 Yrd. Doç. Dr. Ünal ERKORKMAZ 6

7 Olasılıklar hesaplanırken aşağıdak tanımları y blmek gerekr. 1. Br örnek uzayında herhang br olayın elemansayısı 0(sıfır) se, bu tp olaya olanaksız olayadı verlr. E örnek uzayında gözlenen olaylara kesn olay adı verlr. Yrd. Doç. Dr. Ünal ERKORKMAZ Slayt 19 / 41 AYRIK OLAYLAR 2- Örnek uzayında yer alan A ve B olaylarının brlkte gözlenmeler sözkonusu değlse -A ve B olayı eleman sayısı 0 se - A ve B olaylarına aynı anda olamayan olaylar ya da ayrık olay lar adı verlr. A E B E ve A B = 0 AveBolayı ayrık olaydır. Yrd. Doç. Dr. Ünal ERKORKMAZ Slayt 20 / Eörnekuzayında yer alan A olayının olasılığı 0le1 arasında değşr. Eğer değerler yüzde olarak fade edlecek olursa A olayının gözlenme olasılığı %0 le %100 arasında değşr. Aolayı hç gözlenmemş se n(a)=0, Eörnekuzayında olayların tümüaolayı olarak gözlenmş ve dğer olaylar hç gözlenmemş se (boş küme se) n(a)=n bçmnde yazılır. Bu nedenle A nın gözlenmesayısı n(a); 0<n(A)<N ve olasılığı 0<P(A)<1 olarak yazılır. Yrd. Doç. Dr. Ünal ERKORKMAZ Slayt 21 / 41 Yrd. Doç. Dr. Ünal ERKORKMAZ 7

8 4- Eörnekuzayındak olaylar, ncelenen olay A ve dğer olaylar A olarak ele alınırsa, A dışındak olayların gözlenme olasılığı P(A ) ya da A olmama olasılığı Q(A) olarak gösterlr. Q(A); Q(A) = 1 - P(A) şeklnde hesaplanır. P(E); P(E) = P(A) + P(A ) = P(A) + Q(A) = 1 olarak yazılır. Yrd. Doç. Dr. Ünal ERKORKMAZ Slayt 22 / Eörnekuzayındak A ve B olayları ayrık olaylarsea ve B olaylarından brnn meydana gelme olasılığı, P(AveyaB)=P(A)+P(B) şeklnde hesaplanır. Bu olasılık kuralına TOPLAMA KURALI adı verlr. Yrd. Doç. Dr. Ünal ERKORKMAZ Slayt 23 / 41 Örnek : Br lkokulda 150 öğrenc üzernde yapılan sağlık taramasında 7 çocukta A hastalığı ve 8 çocukta B hastalığı görülmüştür. İlkokul çocuklarında A veya B hastalığı gözlenme olasılığını hesaplayalım. A ve B hastalığı görülen çocuklar farklı çocuklardır. Bu nedenle A ve B olayları ayrık olaylardır. P(A veya B) olasılığı; P (A veya B) = P(A) + P(B) = n(a)/n + n(b)/n =7/ /150 = 0.10 = %10 olarak bulunur. Yrd. Doç. Dr. Ünal ERKORKMAZ Slayt 24 / 41 Yrd. Doç. Dr. Ünal ERKORKMAZ 8

9 E örnek uzayında meydana gelen olaylar brbrne eşt oranda gerçekleşyorlarsa bu tp olaylara eş olasılıklı olaylar adı verlr ve P(A) = P(B) = P(C) = 1/k yazılır. Burada k, E örnek uzayında olablecek olay tp sayısıdır. E örnek uzayındak A ve B olaylarının brlkte olmaları mümkün se bu tp olaylara aynı anda olablen olaylar adı verlr. Yrd. Doç. Dr. Ünal ERKORKMAZ Slayt 25 / 41 A ve B nn brlkte olma olasılığı P(A ve B)>0 yazılır. Örnek uzayında A ve B olayları aynı anda olablen olaylar se A veya B nn meydana gelme olasılığı, P(A veya B) = P(A) + P(B) - P(A ve B) şeklnde hesaplanır. Yrd. Doç. Dr. Ünal ERKORKMAZ Slayt 26 / 41 Örnek : Br lsede 250 öğrenc üzernde yapılan sağlık taramasında 37 öğrencde myop, 12 öğrencde ortopedk özür saptanmıştır. Sağlık özürlüöğrenclern 6 sında hem myop hem de ortopedk özür saptanmıştır. Lse öğrenclernde Myop (M) veya Ortopedk özür (OÖ) gözlenme olasılığını hesaplayalım. Myop ve Ortopedk Özür aynı anda olablen olaylardır. Yrd. Doç. Dr. Ünal ERKORKMAZ Slayt 27 / 41 Yrd. Doç. Dr. Ünal ERKORKMAZ 9

10 P(Myop veya Ortopedk özür); P(M veya OÖ) = P(M) + P(OÖ) - P(M ve OÖ) P(M veya OÖ) = 37/ /250-6/250 = = = %17.2 olarak hesaplanır. Yrd. Doç. Dr. Ünal ERKORKMAZ Slayt 28 / 41 E örnek uzayındak A ve B olaylarının olasılıkları P(A)>0 ve P(B)>0 olmak üzere, brlkte meydana gelme olasılıkları, P(A ve B)=P(A)*P(B) se A ve B olaylarına bağımsız olaylar denr. Bu kurala ÇARPIM KURALI adı verlr. Bağımsız olaylardan brnn olması, dğernn olması olasılığı üzernde etkl değldr. İk olay da brbrnden bağımsız olarakortayaçıkarlar. Yrd. Doç. Dr. Ünal ERKORKMAZ Slayt 29 / 41 Örnek : A bölgesnde yapılan ankette genç çftlern 2 çocuk sahb olmak stedğ ve 1. çocuklarının erkek ve 2. çocuklarının kız olmasını arzuladığı belrlenmştr. Bu alelern 1. çocuklarının erkek ve 2. çocuklarının kız olmaarzularının gerçekleşme olasılığını (P(E ve K)) bulalım. Toplumda erkek ve kız çocukdoğum olasılığı eşttr. P(E)=P(K)=1/2 P(E ve K) = 1/2 * 1/2 = 1/4 = 0.25 = %25 olarak hesaplanır. Yrd. Doç. Dr. Ünal ERKORKMAZ Slayt 30 / 41 Yrd. Doç. Dr. Ünal ERKORKMAZ 10

11 BİRLEŞİK OLAYLAR İk olay br brmde gözleneblyor se ve her k olayında k ve daha fazla gözlenme kategorler varsa bu tp olaylara brleşk olay adı verlr. Brleşk olaylar ve herbr alt sınıfta gözleneblen olay sayısı r*c tpnde br çapraz tablo le gösterlr. Yrd. Doç. Dr. Ünal ERKORKMAZ Slayt 31 / 41 B olayı A olayı A(1) B(1) n(1,1) B(2) n(1,2)... B( j ) N(1,j) A(2) n(2,1) n(2,2) N(2,j) : : : : : A() n(, 1) n(,2) : n(,j) Yrd. Doç. Dr. Ünal ERKORKMAZ Slayt 32 / 41 Marjnal Olasılık Brleşk br olayda br dkkate alınmadan dğer olayın gözlenme olasılığına Marjnal Olasılık denr. P(A()), P(A(), B(j)) bçmde gösterlr. Koşullu Olasılık Brleşk br olayda 1. olayınolduğu blndğnde dğer olayın olma olasılığına Koşullu Olasılık denr. P(A() / B(j)) bçmde gösterlr. Yrd. Doç. Dr. Ünal ERKORKMAZ Slayt 33 / 41 Yrd. Doç. Dr. Ünal ERKORKMAZ 11

12 3 alt sınıflı A ve B olayları brmlerde brlkte gözlenmektedr. 74 brmde yapılan araştırmada A ve B olaylarının brlkte gözlenme sayılarını çeren tablo aşağıda verlmştr. B Olasılıklar A B1 B2 B3 Toplam P(A()) A P(A1)=16/74 A P(A2)=25/74 A P(A3)=33/74 Toplam P(B1) = 16/74 = = % P(A1,B2) = 6/74 = = % 8.11 Yrd. Doç. Dr. Ünal ERKORKMAZ Slayt 34 / 41 Koşullu Olasılık P(A/Bj) P(B1/A2) P(B3/A2) P(A1/B3) = P(A,Bj)/P(Bj) = P(Bj)(P(Bj,A))/P(Bj) = P(A2,B1) / P(A2) = (6/74) / (25/74) = 6/25 = 0.24 = P(A2,B3) / P(A2) = (12/74) / (25/74) = 12/25 = 0.48 = P(A1,B3) / P(B3) = (8/74) / (34/74) = 8/34 = Yrd. Doç. Dr. Ünal ERKORKMAZ Slayt 35 / 41 BAYES KURALI (BAYES TEOREMİ) Koşullu olasılıkların hesaplanmasında yararlanılan br kuraldır. Br olayın ortaya çıkmasında k tane faktör varsa, olay ortaya çıktığında faktörün etksn belrlemek çn Bayes Kuralından yararlanılır. Genş br belrtler set çnde herhang br belrtnn A olayının oluşmasındak etksn (A le belrtnn brlkte gözlenme olasılığı) hesaplamak çn yararlanılan br kuraldır. Yrd. Doç. Dr. Ünal ERKORKMAZ Slayt 36 / 41 Yrd. Doç. Dr. Ünal ERKORKMAZ 12

13 BAYES KURALI İLE HESAPLAMALAR u A hastalığının oluşmasına çeştl düzeylerde etkl olan k tane faktör (B) olsun. u A hastalığı gözlendğnde B faktörünün gözlenme olasılığı P(B / A) aşağıdak gb hesaplanır. P ( B ve A ) P ( B / A ) 1,2,..., k k P ( B ve A ) 1 P ( B / A ) k P ( B ) P ( B ve A ) 1 P ( B ) P ( B ve A ) Yrd. Doç. Dr. Ünal ERKORKMAZ Slayt 37 / 41 BAYES KURALININ TIPTA KULLANIMI Hastalıkların blnen br çok neden (faktör) ve Sağlıklı kşlerde de gözleneblen fakat hastalığın oluşmasına katkıda bulunduğu tahmn edlen br çok neden (rsk faktörler) vardır. Bu nedenler F1, F2,.. Fk olarak ntelendreblrz. Br faktörün br breyde gözlenmesn F+, Faktörün gözlenmemesn F-, Hastalık gözlenmesn H+ ve Hastalık gözlenmemesn se H- olarak göstereblrz. Br breyde H hastalığının gözlenmes (H+) halnde hastalığın oluşmasında F faktörünün etksn (F +) olasılık olarak hesaplayablrz. (P(F +/H+) Bunun tersn de düşünmek mümkündür. Br kşde F rsk faktörü gözlendğnde o kşnn H+ olma olasılığı da hesaplanablr. (P(H+/F +) Yrd. Doç. Dr. Ünal ERKORKMAZ Slayt 38 / 41 Toplumda S belrts, hem Tbc l hem de Sağlıklı kşlerde gözlenmektedr. Toplumda Tbc. gözlenme oranı %5 tr. Tbc l hastaların %80 nde S belrts gözlenmektedr. Sağlam kşlern se %10 unda S belrts gözlenmektedr. P(H+)=0.05, P(H-)=0.95, P(S+/H+)=0.80, P(S+/H-)=0.10 S+ olanlarda H+ olma koşullu olasılığı; P ( H / S ) P ( S ve H ) P ( S ) P ( S / H ) P ( H ) P ( S ) Yrd. Doç. Dr. Ünal ERKORKMAZ Slayt 39 / 41 Yrd. Doç. Dr. Ünal ERKORKMAZ 13

14 BAYES KURALI (ÖRNEK) P(H+)=0.05, P(H-)=0.95, P(S+/H+)=0.80, P(S+/H-)=0.10 P(S+)=%13.5 Bayes Kuralına göre S+ olanlarda H+ olma koşullu olasılığı; P ( S / H ) P ( H ) H / S ) P ( S / H ) P ( H ) P ( S / H ) P ( H ) bçmnde hesaplanır. Örneğmzde; 0.80 * 0.05 P ( H / S ) (0.80 *.05 ) (0.10 * 0.95 ) P(H+/S+)=%30 bulunur. P(S+/H+)=0.80*0.05] / = olarak hesaplanır. Fakat Hasta olmayanlarda S+ gözlenme olasılığını dkkate almamıştır. Eğer semptom sayısı k>2 se hesaplamada sorunlar çıkar. Yrd. Doç. Dr. Ünal ERKORKMAZ Slayt 40 / 41 Yrd. Doç. Dr. Ünal ERKORKMAZ 14

dir. Bir başka deyişle bir olayın olasılığı, uygun sonuçların sayısının örnek uzaydaki tüm sonuçların sayısına oranıdır.

dir. Bir başka deyişle bir olayın olasılığı, uygun sonuçların sayısının örnek uzaydaki tüm sonuçların sayısına oranıdır. BÖLÜM 3 OLASILIK HESABI 3.. Br Olayın Olasılığı Tanım 3... Br olayın brbrnden ayrık ve ortaya çıkma şansı eşt n mümkün sonucundan m tanes br A olayına uygun se, A olayının P(A) le gösterlen olasılığı P(A)

Detaylı

6. NORMAL ALT GRUPLAR

6. NORMAL ALT GRUPLAR 6. ORMAL ALT GRUPLAR G br grup ve olsun. 5. Bölümden çn eştlğnn her zaman doğru olamayacağını blyoruz. Fakat bu özellğ sağlayan gruplar, grup teorsnde öneml rol oynamaktadır. Bu bölümde bu tür grupları

Detaylı

BÖLÜM 5 İKİ VEYA DAHA YÜKSEK BOYUTLU RASGELE DEĞİŞKENLER İki Boyutlu Rasgele Değişkenler

BÖLÜM 5 İKİ VEYA DAHA YÜKSEK BOYUTLU RASGELE DEĞİŞKENLER İki Boyutlu Rasgele Değişkenler BÖLÜM 5 İKİ VEYA DAHA YÜKSEK BOYUTLU RASGELE DEĞİŞKENLER 5.. İk Boyutlu Rasgele Değşkenler Br deney yapıldığında, aynı deneyle lgl brçok rasgele değşkenn aynı andak durumunu düşünmek gerekeblr. Böyle durumlarda

Detaylı

UYUM ĐYĐLĐĞĐ TESTĐ. 2 -n olup. nin dağılımı χ dir ve sd = (k-1-p) dir. Burada k = sınıf sayısı, p = tahmin edilen parametre sayısıdır.

UYUM ĐYĐLĐĞĐ TESTĐ. 2 -n olup. nin dağılımı χ dir ve sd = (k-1-p) dir. Burada k = sınıf sayısı, p = tahmin edilen parametre sayısıdır. UYUM ĐYĐLĐĞĐ TESTĐ Posson: H o: Ver Posson dağılıma sahp br ktleden gelmektedr. H a : Ver Posson dağılıma sahp br ktleden gelmemektedr. Böyle br hpotez test edeblmek çn, önce Posson dağılım parametres

Detaylı

Kİ-KARE TESTLERİ. şeklinde karesi alındığında, Z i. değerlerinin dağılımı ki-kare dağılımına dönüşür.

Kİ-KARE TESTLERİ. şeklinde karesi alındığında, Z i. değerlerinin dağılımı ki-kare dağılımına dönüşür. Kİ-KARE TESTLERİ A) Kİ-KARE DAĞILIMI VE ÖZELLİKLERİ Örnekleme yoluyla elde edlen rakamların, anakütle rakamlarına uygun olup olmadığı; br başka fadeyle gözlenen değerlern teork( beklenen) değerlere uygunluk

Detaylı

Kİ-KARE TESTLERİ A) Kİ-KARE DAĞILIMI VE ÖZELLİKLERİ

Kİ-KARE TESTLERİ A) Kİ-KARE DAĞILIMI VE ÖZELLİKLERİ Kİ-KAR TSTLRİ A) Kİ-KAR DAĞILIMI V ÖZLLİKLRİ Örnekleme yoluyla elde edlen rakamların, anakütle rakamlarına uygun olup olmadığı; br başka fadeyle gözlenen değerlern teork( beklenen) değerlere uygunluk gösterp

Detaylı

Kİ KARE ANALİZİ. Doç. Dr. Mehmet AKSARAYLI Ki-Kare Analizleri

Kİ KARE ANALİZİ. Doç. Dr. Mehmet AKSARAYLI  Ki-Kare Analizleri Kİ KAR ANALİZİ 1 Doç. Dr. Mehmet AKSARAYLI www.mehmetaksarayl K-Kare Analzler OLAY 1: Genelde br statstk sınıfında, öğrenclern %60 ının devamlı, %30 unun bazen, %10 unun se çok az derse geldkler düşünülmektedr.

Detaylı

OLASILIK. Bölüm 4. Temel Tanımlar ve Kavramlar-I. Olasılık

OLASILIK. Bölüm 4. Temel Tanımlar ve Kavramlar-I. Olasılık ölüm 4 Olasılık OLSILIK opulasyon hakkında blg sahb olmak amacı le alınan örneklerden elde edlen blgler bre br doğru olmayıp heps mutlaka br hata payı taşımaktadır. u hata payının ortaya çıkmasının sebeb

Detaylı

Sıklık Tabloları ve Tek Değişkenli Grafikler

Sıklık Tabloları ve Tek Değişkenli Grafikler Sıklık Tabloları ve Tek Değşkenl Grafkler Sıklık Tablosu Ver dzsnde yer alan değerlern tekrarlama sayılarını çeren tabloya sıklık tablosu denr. Sıklık Tabloları tek değşken çn marjnal tablo olarak adlandırılır.

Detaylı

Sürekli Olasılık Dağılım (Birikimli- Kümülatif)Fonksiyonu. Yrd. Doç. Dr. Tijen ÖVER ÖZÇELİK

Sürekli Olasılık Dağılım (Birikimli- Kümülatif)Fonksiyonu. Yrd. Doç. Dr. Tijen ÖVER ÖZÇELİK Sürekl Olasılık Dağılım Brkml- KümülatFonksyonu Yrd. Doç. Dr. Tjen ÖVER ÖZÇELİK tover@sakarya.edu.tr Sürekl olasılık onksyonları X değşken - ;+ aralığında tanımlanmış br sürekl rassal değşken olsun. Aşağıdak

Detaylı

OLASILIK KURAMI. Temel Tanımlar ve Kavramlar-III. Temel Tanımlar ve Kavramlar-II. Temel Tanımlar ve Kavramlar-I OLASILIK

OLASILIK KURAMI. Temel Tanımlar ve Kavramlar-III. Temel Tanımlar ve Kavramlar-II. Temel Tanımlar ve Kavramlar-I OLASILIK Dr. Mehmet KSRYLI OLSILIK OLSILIK KURMI Dokuz Eylül Ünverstes Ekonometr Böl. www.mehmetaksarayl.com Populasyon hakkında blg sahb olmak amacı le alınan örneklerden elde edlen blgler bre br doğru olmayıp

Detaylı

PARAMETRİK OLMAYAN HİPOTEZ TESTLERİ Kİ-KARE TESTLERİ

PARAMETRİK OLMAYAN HİPOTEZ TESTLERİ Kİ-KARE TESTLERİ PARAMETRİK OLMAYAN HİPOTEZ TESTLERİ Kİ-KARE TESTLERİ 1 Populasyonun nceledğmz br özellğnn dağılışı blenen dağılışlardan brsne, Normal Dağılış, t Dağılışı, F Dağılışı, gb br dağılışa uygun olduğu durumlarda

Detaylı

Doğrusal Korelasyon ve Regresyon

Doğrusal Korelasyon ve Regresyon Doğrusal Korelasyon ve Regresyon En az k değşken arasındak lşknn ncelenmesne korelasyon denr. Kşlern boyları le ağırlıkları, gelr le gder, öğrenclern çalıştıkları süre le aldıkları not, tarlaya atılan

Detaylı

Korelasyon ve Regresyon

Korelasyon ve Regresyon Korelasyon ve Regresyon 1 Korelasyon Analz İk değşken arasında lşk olup olmadığını belrlemek çn yapılan analze korelasyon analz denr. Korelasyon; doğrusal yada doğrusal olmayan dye kye ayrılır. Korelasyon

Detaylı

3. Parçaları Arasında Aralık Bulunan Çok Parçalı Basınç Çubukları

3. Parçaları Arasında Aralık Bulunan Çok Parçalı Basınç Çubukları 3. Parçaları Arasında Aralık Bulunan Çok Parçalı Basınç Çubukları Basınç çubukları brden fazla profl kullanılarak, bu profller arasında plan düzlemnde bell br mesafe bulunacak şeklde düzenleneblr. Bu teşklde,

Detaylı

Olasılık, bir deneme sonrasında ilgilenilen olayın tüm olaylar içinde ortaya çıkma ya da gözlenme oranı olarak tanımlanabilir.

Olasılık, bir deneme sonrasında ilgilenilen olayın tüm olaylar içinde ortaya çıkma ya da gözlenme oranı olarak tanımlanabilir. 5.SUNUM Olasılık, bir deneme sonrasında ilgilenilen olayın tüm olaylar içinde ortaya çıkma ya da gözlenme oranı olarak tanımlanabilir. Günlük hayatta sıklıkla kullanılmakta olan olasılık bir olayın ortaya

Detaylı

ÇOKLU REGRESYON MODELİ, ANOVA TABLOSU, MATRİSLERLE REGRESYON ÇÖZÜMLEMESİ,REGRES-YON KATSAYILARININ YORUMU

ÇOKLU REGRESYON MODELİ, ANOVA TABLOSU, MATRİSLERLE REGRESYON ÇÖZÜMLEMESİ,REGRES-YON KATSAYILARININ YORUMU 6.07.0 ÇOKLU REGRESON MODELİ, ANOVA TABLOSU, MATRİSLERLE REGRESON ÇÖZÜMLEMESİ,REGRES-ON KATSAILARININ ORUMU ÇOKLU REGRESON MODELİ Ekonom ve şletmeclk alanlarında herhang br bağımlı değşken tek br bağımsız

Detaylı

MIT Açık Ders Malzemeleri Bu materyallerden alıntı yapmak veya Kullanım Koşulları hakkında bilgi almak için

MIT Açık Ders Malzemeleri   Bu materyallerden alıntı yapmak veya Kullanım Koşulları hakkında bilgi almak için MIT Açık Ders Malzemeler http://ocm.mt.edu Bu materyallerden alıntı yapmak veya Kullanım Koşulları hakkında blg almak çn http://ocm.mt.edu/terms veya http://tuba.açık ders.org.tr adresn zyaret ednz. 18.102

Detaylı

GM-220 MÜH. ÇALIŞ. İSTATİSTİKSEL. Frekans Dağılımı Oluşturma Adımları VERİLERİN SUNUMU. Verilerin Özetlenmesi ve Grafikle Gösterilmesi

GM-220 MÜH. ÇALIŞ. İSTATİSTİKSEL. Frekans Dağılımı Oluşturma Adımları VERİLERİN SUNUMU. Verilerin Özetlenmesi ve Grafikle Gösterilmesi VERİLERİN SUNUMU GM-0 MÜH. ÇALIŞ. İSTATİSTİKSEL YÖNTEMLER Br çalışadan elde edlen verler ha ver ntelğndedr. Ha verlerden blg ednek zor ve zaan alıcıdır. Ha verler çok karaşık durudadır. Verlern düzenlenes

Detaylı

kadar ( i. kaynağın gölge fiyatı kadar) olmalıdır.

kadar ( i. kaynağın gölge fiyatı kadar) olmalıdır. KONU : DUAL MODELİN EKONOMİK YORUMU Br prmal-dual model lşks P : max Z cx D: mn Z bv AX b AV c X 0 V 0 bçmnde tanımlı olsun. Prmal modeln en y temel B ve buna lşkn fyat vektörü c B olsun. Z B B BB c X

Detaylı

Standart Model (SM) Lagrange Yoğunluğu. u, d, c, s, t, b. e,, Şimdilik nötrinoları kütlesiz Kabul edeceğiz. Kuark çiftlerini gösterelim.

Standart Model (SM) Lagrange Yoğunluğu. u, d, c, s, t, b. e,, Şimdilik nötrinoları kütlesiz Kabul edeceğiz. Kuark çiftlerini gösterelim. SM de yer alacak fermyonlar Standart Model (SM) agrange Yoğunluğu u s t d c b u, d, c, s, t, b e e e,, Şmdlk nötrnoları kütlesz Kabul edeceğz. Kuark çftlern gösterelm. u, c ve t y u (=1,,) olarak gösterelm.

Detaylı

A İSTATİSTİK. 4. X kesikli rasgele (random) değişkenin moment çıkaran. C) 4 9 Buna göre, X in beklenen değeri kaçtır?

A İSTATİSTİK. 4. X kesikli rasgele (random) değişkenin moment çıkaran. C) 4 9 Buna göre, X in beklenen değeri kaçtır? . Br torbada 6 syah, 4 beyaz top vardır. Bu torbadan yerne koyarak top seçlyor. A İSTATİSTİK KPSS/-AB-PÖ/006. Normal dağılıma sahp br rasgele (random) değşkenn varyansı 00 dür. Seçlen topların ksnn de

Detaylı

Elektrik Akımı. Test 1 in Çözümleri. voltmetresi K-M arasına bağlı olduğu için bu noktalar arasındaki potansiyel farkını ölçer. V 1. = i R KM 1.

Elektrik Akımı. Test 1 in Çözümleri. voltmetresi K-M arasına bağlı olduğu için bu noktalar arasındaki potansiyel farkını ölçer. V 1. = i R KM 1. 5 Elektrk kımı 1 Test 1 n Çözümler 1. 4 Ω Ω voltmetre oltmetrenn ç drenc sonsuz büyük kabul edlr. Bu nedenle voltmetrenn bulunduğu koldan akım geçmez. an voltmetrenn olduğu koldak drenç dkkate alınmaz.

Detaylı

VEKTÖRLER VE VEKTÖREL IŞLEMLER

VEKTÖRLER VE VEKTÖREL IŞLEMLER VEKTÖRLER VE VEKTÖREL IŞLEMLER 1 2.1 Tanımlar Skaler büyüklük: Sadece şddet bulunan büyüklükler (örn: uzunluk, zaman, kütle, hacm, enerj, yoğunluk) Br harf le sembolze edleblr. (örn: kütle: m) Şddet :

Detaylı

uzayında vektörler olarak iç çarpımlarına eşittir. Bu iç çarpım simetrik ve hem w I T s formuna karşılık gelir. Buna p u v u v v v

uzayında vektörler olarak iç çarpımlarına eşittir. Bu iç çarpım simetrik ve hem w I T s formuna karşılık gelir. Buna p u v u v v v 1. Temel Form: Brnc temel form geometrk olarak yüzeyn çnde blndğ zayına gtmeden yüzey üzernde ölçme yamamızı sağlar. (Eğrlern znlğ, teğet ektörlern açıları, bölgelern alanları gb) S üzerndek ç çarım, br

Detaylı

KARMAŞIK SAYILAR. Derse giriş için tıklayın...

KARMAŞIK SAYILAR. Derse giriş için tıklayın... KARMAŞIK SAYILAR Derse grş çn tıklayın A Tanım B nn Kuvvetler C İk Karmaşık Sayının Eştlğ D Br Karmaşık Sayının Eşlenğ E Karmaşık Sayılarda Dört İşlem Toplama - Çıkarma Çarpma Bölme F Karmaşık Dülem ve

Detaylı

PARÇALI DOĞRUSAL REGRESYON

PARÇALI DOĞRUSAL REGRESYON HAFTA 4 PARÇALI DOĞRUSAL REGRESYO Gölge değşkenn br başka kullanımını açıklamak çn varsayımsal br şrketn satış temslclerne nasıl ödeme yaptığı ele alınsın. Satış prmleryle satış hacm Arasındak varsayımsal

Detaylı

DOĞRUSAL HEDEF PROGRAMLAMA İLE BÜTÇELEME. Hazırlayan: Ozan Kocadağlı Danışman: Prof. Dr. Nalan Cinemre

DOĞRUSAL HEDEF PROGRAMLAMA İLE BÜTÇELEME. Hazırlayan: Ozan Kocadağlı Danışman: Prof. Dr. Nalan Cinemre 1 DOĞRUSAL HEDEF PROGRAMLAMA İLE BÜTÇELEME Hazırlayan: Ozan Kocadağlı Danışman: Prof. Dr. Nalan Cnemre 2 BİRİNCİ BÖLÜM HEDEF PROGRAMLAMA 1.1 Grş Karar problemler amaç sayısına göre tek amaçlı ve çok amaçlı

Detaylı

ANADOLU ÜNİVERSİTESİ OLASILIĞA GİRİŞ

ANADOLU ÜNİVERSİTESİ OLASILIĞA GİRİŞ ANADOLU ÜNİVERSİTESİ İST 213 OLASILIK DERSİ OLASILIĞA GİRİŞ DOÇ. DR. NİHAL ERGİNEL OLASILIĞA GİRİŞ - Bugün yağmur yağma olasılığı % 75 dir. - X marka bilgisayarın hiç servis gerektirmeden 100000 saat çalışması

Detaylı

YÖNETİM VE EKONOMİ Yıl:2006 Cilt:13 Sayı:1 Celal Bayar Üniversitesi İ.İ.B.F. MANİSA

YÖNETİM VE EKONOMİ Yıl:2006 Cilt:13 Sayı:1 Celal Bayar Üniversitesi İ.İ.B.F. MANİSA YÖNETİM VE EKONOMİ Yıl:2006 Clt:3 Sayı: Celal Bayar Ünverstes İ.İ.B.F. MANİSA Bulanık Araç Rotalama Problemlerne Br Model Öners ve Br Uygulama Doç. Dr. İbrahm GÜNGÖR Süleyman Demrel Ünverstes, İ.İ.B.F.,

Detaylı

Yrd. Doç. Dr. Fatih TOSUNOĞLU Erzurum Teknik Üniversitesi Mühendislik Fakültesi İnşaat Mühendisliği Bölümü

Yrd. 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 GİRİŞ Olasılık Teorisi: Matematiğin belirsizlik taşıyan

Detaylı

ALTERNATİF AKIM DEVRE YÖNTEM VE TEOREMLER İLE ÇÖZÜMÜ

ALTERNATİF AKIM DEVRE YÖNTEM VE TEOREMLER İLE ÇÖZÜMÜ BÖLÜM 6 ALTERNATİF AKIM DEVRE ÖNTEM VE TEOREMLER İLE ÇÖZÜMÜ 6. ÇEVRE AKIMLAR ÖNTEMİ 6. SÜPERPOZİSON TEOREMİ 6. DÜĞÜM GERİLİMLER ÖNTEMİ 6.4 THEVENİN TEOREMİ 6.5 NORTON TEOREMİ Tpak GİRİŞ Alternatf akımın

Detaylı

ENERJİ. Isı Enerjisi. Genel Enerji Denklemi. Yrd. Doç. Dr. Atilla EVCİN Afyon Kocatepe Üniversitesi 2007

ENERJİ. Isı Enerjisi. Genel Enerji Denklemi. Yrd. Doç. Dr. Atilla EVCİN Afyon Kocatepe Üniversitesi 2007 Yrd. Doç. Dr. Atlla EVİN Afyon Kocatepe Ünverstes 007 ENERJİ Maddenn fzksel ve kmyasal hal değşm m le brlkte dama enerj değşm m de söz s z konusudur. Enerj değşmler mler lke olarak Termodnamğn Brnc Yasasına

Detaylı

İstatistik ve Olasılık

İstatistik ve Olasılık İstatistik ve Olasılık Ders 4: OLASILIK TEORİSİ Giriş Bu bölüm sonunda öğreneceğiniz konular: Rastgele Olay Örnek Uzayı Olasılık Aksiyomları Bağımsız ve Ayrık Olaylar Olasılık Kuralları Koşullu Olasılık

Detaylı

Olasılık bir diğer ifadeyle bir olayın meydana gelme şansının sayısal ifadesidir. Örnekler:

Olasılık bir diğer ifadeyle bir olayın meydana gelme şansının sayısal ifadesidir. Örnekler: OLASILIK Populasyon hakkında bilgi sahibi olmak amacı ile alınan örneklerden elde edilen bilgiler bire bir doğru olmayıp hepsi mutlaka bir hata payı taşımaktadır. Bu hata payının ortaya çıkmasının sebebi

Detaylı

Communication Theory

Communication Theory Communcaton Theory ENFORMASYON TEORİSİ KODLAMA Doç. Dr. Hakan Doğan ENFORMASYON DEYİMİ NEDEN KULLANILMIŞ? Kaynaklarn, kanalların,alıcıların blg karakterstklern ncelemek. Blgnn letmn optmze etmek çn İletmn

Detaylı

Sistemde kullanılan baralar, klasik anlamda üç ana grupta toplanabilir :

Sistemde kullanılan baralar, klasik anlamda üç ana grupta toplanabilir : 5 9. BÖLÜM YÜK AKIŞI (GÜÇ AKIŞI) 9.. Grş İletm sstemlernn analzlernde, bara sayısı arttıkça artan karmaşıklıkları yenmek çn sstemn matematksel modellenmesnde kolaylık getrc bazı yöntemler gelştrlmştr.

Detaylı

2 MANYETİZMA. 7. Etki ile mıknatıslanmada mıknatısın 5. K L M F F S N S N S N

2 MANYETİZMA. 7. Etki ile mıknatıslanmada mıknatısın 5. K L M F F S N S N S N 3 Manyetzma Test Çözümler 1 Test 1'n Çözümler 3. 1 2 3 4 5 6 1. X Şekl I M 1 2 Y 3 4 Mıknatıs kutupları Şekl I dek gb se 4 ve 5 numaralı kutuplar zıt şaretl olur. Manyetk alan çzgler kutup şddet le doğru

Detaylı

( ) 3.1 Özet ve Motivasyon. v = G v v Operasyonel Amplifikatör (Op-Amp) Deneyin Amacı. deney 3

( ) 3.1 Özet ve Motivasyon. v = G v v Operasyonel Amplifikatör (Op-Amp) Deneyin Amacı. deney 3 Yıldız Teknk Ünverstes Elektrk Mühendslğ Bölümü Deneyn Amacı İşlemsel kuvvetlendrcnn çalışma prensbnn anlaşılması le çeştl OP AMP devrelernn uygulanması ve ncelenmes. Özet ve Motvasyon.. Operasyonel Amplfkatör

Detaylı

OLASILIĞA GİRİŞ P( )= =

OLASILIĞA GİRİŞ P( )= = OLASILIĞA GİRİŞ - Bugün yağmur yağma olasılığı % 75 dir. - X marka bilgisayarın hiç servis gerektirmeden 100000 saat çalışması olasılığı %85 dir. Olasılık modelleri; Sıvı içindeki moleküllerin davranışlarını

Detaylı

Cebir Notları. Karmaşık Sayılar Testi z = 1 2i karmaşık sayısının çarpmaya göre tersinin eşleniğinin sanal kısmı kaçtır?

Cebir Notları. Karmaşık Sayılar Testi z = 1 2i karmaşık sayısının çarpmaya göre tersinin eşleniğinin sanal kısmı kaçtır? Cebr Ntları Karmaşık Sayılar Test. + se Re() + Im()?. ( x y) + + ( x+ y ) se x + y tplamı kaçtır?. x + y ( x ) ve se y kaçtır?. ve se y x kaçtır?. sayısı kaça eşttr?. sayısı kaça eşttr? 7. x+ + ( y ) y

Detaylı

BİYOİSTATİSTİK Olasılıkta Temel Kavramlar Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH

BİYOİSTATİSTİK 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

Detaylı

PARAMETRİK OLMAYAN HİPOTEZ TESTLERİ. χ 2 Kİ- KARE TESTLERİ. Doç.Dr. Ali Kemal ŞEHİRLİOĞLU Araş.Gör. Efe SARIBAY

PARAMETRİK OLMAYAN HİPOTEZ TESTLERİ. χ 2 Kİ- KARE TESTLERİ. Doç.Dr. Ali Kemal ŞEHİRLİOĞLU Araş.Gör. Efe SARIBAY PARAMETRİK OLMAYAN HİPOTEZ TESTLERİ Kİ- KARE TESTLERİ Doç.Dr. Al Kemal ŞEHİRLİOĞLU Araş.Gör. Efe SARIAY Populasyonun nceledğmz br özellğnn dağılışı blenen dağılışlardan brsne, Normal Dağılış, t Dağılışı,

Detaylı

DENEY TASARIMI VE ANALİZİ

DENEY TASARIMI VE ANALİZİ DENEY TASARIMI VE ANALİZİ Bundan öncek bölümlerde bell br araşırma sonucu elde edlen verlere dayanılarak populasyonu anıma ve paramere ahmnlerne yönelk yönemlerden söz edld. Burada se sözü edlecek olan,

Detaylı

Çözüm: Siyah top çekilme olasılığı B olsun. Topların sayısı 12 olduğuna göre P(B)=8/12=2/3 tür.

Çözüm: Siyah top çekilme olasılığı B olsun. Topların sayısı 12 olduğuna göre P(B)=8/12=2/3 tür. 1 Olasılık Örnekler 1. Bir çantada 4 beyaz 8 siyah top vardır. Bir siyah top çekilmesi olasılığı nedir? Çözüm: Siyah top çekilme olasılığı B olsun. Topların sayısı 12 olduğuna göre P(B)=8/12=2/3 tür. 2.

Detaylı

HAFTA 13. kadın profesörlerin ortalama maaşı E( Y D 1) erkek profesörlerin ortalama maaşı. Kestirim denklemi D : t :

HAFTA 13. kadın profesörlerin ortalama maaşı E( Y D 1) erkek profesörlerin ortalama maaşı. Kestirim denklemi D : t : HAFTA 13 GÖLGE EĞİŞKENLERLE REGRESYON (UMMY VARIABLES) Gölge veya kukla (dummy) değşkenler denen ntel değşkenler, cnsyet, dn, ten reng gb hemen sayısallaştırılamayan ama açıklanan değşkenn davranışını

Detaylı

Tek Yönlü Varyans Analizi (ANOVA)

Tek Yönlü Varyans Analizi (ANOVA) VARYANS ANALİZİ İ örne ortalaması arasında farın önem ontrolü, örne büyülüğüne göre z veya testlernden bryle yapılır. Bu testlerle, den fazla örne ortalamasını brlte test etme ve aralarında farın önem

Detaylı

Manyetizma Testlerinin Çözümleri. Test 1 in Çözümü

Manyetizma Testlerinin Çözümleri. Test 1 in Çözümü 4 Manyetzma Testlernn Çözümler 1 Test 1 n Çözümü 5. Mıknatısların brbrne uyguladığı kuvvet uzaklığın kares le ters orantılıdır. Buna göre, her br mıknatısa uygulanan kuvvet şekl üzernde gösterelm. 1. G

Detaylı

Asimetri ve Basıklık Ölçüleri Ortalamalara dayanan (Pearson) Kartillere dayanan (Bowley) Momentlere dayanan asimetri ve basıklık ölçüleri

Asimetri ve Basıklık Ölçüleri Ortalamalara dayanan (Pearson) Kartillere dayanan (Bowley) Momentlere dayanan asimetri ve basıklık ölçüleri Asmetr ve Basıklık Ölçüler Ortalamalara dayanan (Pearson) Kartllere dayanan (Bowley) omentlere dayanan asmetr ve basıklık ölçüler Yrd. Doç. Dr. Tjen ÖVER ÖZÇELİK tover@sakarya.edu.tr III. Asmetr ve Basıklık

Detaylı

11. z = 1 2i karmaşık sayısının çarpmaya göre tersinin eşleniğinin sanal kısmı kaçtır? 14. eşitliğini sağlayan z karmaşık sayısı kaçtır? 15.

11. z = 1 2i karmaşık sayısının çarpmaya göre tersinin eşleniğinin sanal kısmı kaçtır? 14. eşitliğini sağlayan z karmaşık sayısı kaçtır? 15. GD. + se Re() + Im()? www.gkhandemr.rg, 007 Cebr Ntları Gökhan DEMĐR, gdemr@yah.cm.tr Karmaşık sayılar 9. + + sayısı kaça eşttr? 7 890. ( x y) + + ( x + y) se x + y tplamı kaçtır?. x + y ( x) ve se y kaçtır?.

Detaylı

DENEY TASARIMI VE ANALİZİ

DENEY TASARIMI VE ANALİZİ 1 DENEY TASARIMI VE ANALİZİ 1.1. Varyans Analz 1.. Tek Yönlü Varyans Analz Model 1.3. İk Yönlü Varyans Analz Model Prof Dr. Leven ŞENYAY XII-1 İsask II Bundan öncek bölümlerde bell br araşırma sonucu elde

Detaylı

Merkezi Eğilim (Yer) Ölçüleri

Merkezi Eğilim (Yer) Ölçüleri Merkez Eğlm (Yer) Ölçüler Ver setn tanımlamak üzere kullanılan ve genellkle tüm elemanları dkkate alarak ver setn özetlemek çn kullanılan ölçülerdr. Ver setndek tüm elemanları temsl edeblecek merkez noktasına

Detaylı

ÖRNEK SET 5 - MBM 211 Malzeme Termodinamiği I

ÖRNEK SET 5 - MBM 211 Malzeme Termodinamiği I ÖRNE SE 5 - MBM Malzeme ermdnamğ I 5 ºC de ve sabt basınç altında, metan gazının su buharı le reaksynunun standart Gbbs serbest enerjs değşmn hesaplayın. Çözüm C O( ( ( G S S S g 98 98 98 98 98 98 98 Madde

Detaylı

16. Dörtgen plak eleman

16. Dörtgen plak eleman 16. Ddörtgen pla eleman 16. Dörtgen pla eleman Kalınlığı dğer boyutlarına göre üçü ve düzlemne d yü etsnde olan düzlem taşıyıcı ssteme pla denr. Yapıların döşemeler, sıvı deposu yan duvarları ve öprü plaları

Detaylı

Bölüm 3. Tanımlayıcı İstatistikler

Bölüm 3. Tanımlayıcı İstatistikler Bölüm 3 Tanımlayıcı İstatstkler Tanımlayıcı İstatstkler Br ver setn tanımak veya brden fazla ver setn karşılaştırmak çn kullanılan ve ayrıca örnek verlernden hareket le frekans dağılışlarını sayısal olarak

Detaylı

Bölüm 3. Tanımlayıcı İstatistikler

Bölüm 3. Tanımlayıcı İstatistikler Bölüm 3 Tanımlayıcı İstatstkler Tanımlayıcı İstatstkler Br ver setn tanımak veya brden fazla ver setn karşılaştırmak çn kullanılan ve örnek verlernden hareket le frekans dağılışlarını sayısal olarak özetleyen

Detaylı

Örnek...2 : Hilesiz iki zar atma deneyinin bütün çıktılarını aşağıdaki tabloya yazınız.

Örnek...2 : Hilesiz iki zar atma deneyinin bütün çıktılarını aşağıdaki tabloya yazınız. OLASILIK (İHTİMALLER HESABI) Olasılık kavram ı ilk önceleri şans oyunları ile başlamıştır. Örneğin bir oyunda kazanıp kazanmama, bir paranın atılmasıyla tura gelip gelmemesi gibi. Bu gün bu kavramın birçok

Detaylı

PARAMETRİK OLMAYAN HİPOTEZ TESTLERİ

PARAMETRİK OLMAYAN HİPOTEZ TESTLERİ PARAMETRİK OLMAYAN HİPOTEZ TESTLERİ Kİ-KARE KARE TESTLERİ Populasyonun nceledğmz br özellğnn dağılışı blenen dağılışlardan brsne, Normal Dağılış, t Dağılışı, F Dağılışı, gb br dağılışa uygun olduğu durumlarda

Detaylı

İstatistik 1. Bölüm 5 Olasılık Teorisi ve Kesikli Olasılık Dağılımları. Ankara Üniversitesi SBF, GYY

İstatistik 1. Bölüm 5 Olasılık Teorisi ve Kesikli Olasılık Dağılımları. Ankara Üniversitesi SBF, GYY İstatistik 1 Bölüm 5 Olasılık Teorisi ve Kesikli Olasılık Dağılımları Bu Bölümde İşlenecek Konular Temel Olasılık Teorisi Örnek uzayı ve olaylar, basit olasılık, birleşik olasılık Koşullu Olasılık İstatistiksel

Detaylı

10. Sınıf Matemat k Ders İşleme Defter. Altın Kalem Yayınları

10. Sınıf Matemat k Ders İşleme Defter. Altın Kalem Yayınları 10. Sınıf Matemat k Ders İşleme Defter OLASILIK Altın Kalem Yayınları KOŞULLU OLASILIK Bas t olayların olma olasılıklarını 9. sınıf matemat k konularında şlem şt k. Ş md yapacağımız se daha karmaşık olayların

Detaylı

Tanımlayıcı İstatistikler

Tanımlayıcı İstatistikler Taımlayıcı İstatstkler Taımlayıcı İstatstkler br değerler dzs statstksel olarak geel özellkler taımlaya ölçülerdr Taımlayıcı İstatstkler Yer Göstere Ölçüler Yaygılık Ölçüler Yer Göstere Ölçüler Br dağılımı

Detaylı

ENDÜSTRİNİN DEĞİŞİK İŞ KOLLARINDA İHTİYAÇ DUYULAN ELEMANLARIN YÜKSEK TEKNİK EĞİTİM MEZUNLARINDAN SAĞLANMASINDAKİ BEKLENTİLERİN SINANMASI

ENDÜSTRİNİN DEĞİŞİK İŞ KOLLARINDA İHTİYAÇ DUYULAN ELEMANLARIN YÜKSEK TEKNİK EĞİTİM MEZUNLARINDAN SAĞLANMASINDAKİ BEKLENTİLERİN SINANMASI V. Ulusal Üretm Araştırmaları Sempozyumu, İstanbul Tcaret Ünverstes, 5-7 Kasım 5 ENDÜSTRİNİN DEĞİŞİK İŞ KOLLARINDA İHTİYAÇ DUYULAN ELEMANLARIN YÜKSEK TEKNİK EĞİTİM MEZUNLARINDAN SAĞLANMASINDAKİ BEKLENTİLERİN

Detaylı

i 01 Ekim 2008 tarihinde yurürlüğe.giren 5510 sayılı Sosyal Sigortalar ve Genel Sağlık

i 01 Ekim 2008 tarihinde yurürlüğe.giren 5510 sayılı Sosyal Sigortalar ve Genel Sağlık . '" ıo:."'. >.. ~. T.C. BAŞBAKANLIK Sosyal Yardımlaşma ve Dayanışma Genel Müdürlüğü Sayı, Konu :B.02.ı.SYD.0.08.300.5990/8237 :tılkemz Vatandaşı Olmayan ve Muhtaç Durumda Bulunan Yabancılara S\'D Vakınarından

Detaylı

Basel II Geçiş Süreci Sıkça Sorulan Sorular

Basel II Geçiş Süreci Sıkça Sorulan Sorular Basel II Geçş Sürec Sıkça Sorulan Sorular Soru No: 71 Cevaplanma Tarh: 06.03.2012 İlgl Hüküm: --- Konu: Gayrmenkul İpoteğyle Temnatlandırılmış Alacaklar İçn KR510AS Formunun Doldurulmasına İlşkn Örnek

Detaylı

BÖLÜM II D. YENİ YIĞMA BİNALARIN TASARIM, DEĞERLENDİRME VE GÜÇLENDİRME ÖRNEKLERİ ÖRNEK 20 İKİ KATLI YIĞMA KONUT BİNASININ TASARIMI

BÖLÜM II D. YENİ YIĞMA BİNALARIN TASARIM, DEĞERLENDİRME VE GÜÇLENDİRME ÖRNEKLERİ ÖRNEK 20 İKİ KATLI YIĞMA KONUT BİNASININ TASARIMI BÖLÜM II D ÖRNEK 0 BÖLÜM II D. YENİ YIĞMA BİNALARIN TASARIM, DEĞERLENDİRME VE GÜÇLENDİRME ÖRNEKLERİ ÖRNEK 0 İKİ KATLI YIĞMA KONUT BİNASININ TASARIMI 0.1. BİNANIN GENEL ÖZELLİKLERİ...II.0/ 0.. TAŞIYICI

Detaylı

Parametrik Olmayan İstatistik Çözümlü Sorular - 2

Parametrik Olmayan İstatistik Çözümlü Sorular - 2 Parametrk Olmaya İstatstk Çözümlü Sorular - Soru Böbrek hastalarıa at Kreat (KRT) değerlere lşk br araştırma yapılmak stemektedr. Buu ç rasgele seçle hastaya at Kreat değerler aşağıdak gb elde edlmştr

Detaylı

Elektrik ve Manyetizma

Elektrik ve Manyetizma 0. Sınıf Soru tabı. Ünte Elektrk ve anyetzma. onu Elektrk Akımı, Potansyel Fark ve Drenç Test Çözümler Jeneratör otor . Ünte Elektrk ve anyetzma Test n Çözümü. Üzernden t sürede q yükü geçen br letkendek

Detaylı

Bilgisayarla Görüye Giriş

Bilgisayarla Görüye Giriş Blgsayarla Görüye Grş Ders 8 Görüntü Eşleme Alp Ertürk alp.erturk@kocael.edu.tr Panorama Oluşturma Görüntüler eşlememz / çakıştırmamız gerekmektedr Panorama Oluşturma İk görüntüden özntelkler çıkar Panorama

Detaylı

Olasılık teorisi, matematiğin belirsizlik taşıyan olaylarla ilgilenen bir dalıdır. Bu bilim dalı rasgele değişkenleri inceler.

Olasılık teorisi, matematiğin belirsizlik taşıyan olaylarla ilgilenen bir dalıdır. Bu bilim dalı rasgele değişkenleri inceler. Bölüm 2 OLASILIK TEORİSİ Olasılık teorisi, matematiğin belirsizlik taşıyan olaylarla ilgilenen bir dalıdır. Bu bilim dalı rasgele değişkenleri inceler. Rasgele değişken, gelecekteki bir gözlemde alacağı

Detaylı

Olasılık bir olayın meydana gelme şansının sayısal ifadesidir. Örnekler:

Olasılık bir olayın meydana gelme şansının sayısal ifadesidir. Örnekler: OLSILIK Populasyon hakkında bilgi sahibi olmak amacı ile alınan örneklerden elde edilen bilgiler, bire bir doğru olmayıp hepsi mutlaka bir hata payı taşımaktadır. Bu hata payının ortaya çıkmasının sebebi

Detaylı

Fizik 101: Ders 15 Ajanda

Fizik 101: Ders 15 Ajanda zk 101: Ders 15 Ajanda İk boyutta elastk çarpışma Örnekler (nükleer saçılma, blardo) Impulse ve ortalama kuvvet İk boyutta csmn elastk çarpışması Önces Sonrası m 1 v 1, m 1 v 1, KM KM V KM V KM m v, m

Detaylı

T.C TRAKYA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ

T.C TRAKYA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ T.C TRAKYA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ Burç BAYRAK TRAKYA ÜNİVERSİTESİ FEN FAKÜLTESİ MATEMATİK BÖLÜMÜ YÜKSEK LİSANS TEZİ CEBİR VE SAYILAR TEORİSİ ANABİLİM DALI T.C TRAKYA ÜNİVERSİTESİ FEN BİLİMLERİ

Detaylı

TÜRKİYE CUMHURİYETİ ÇUKUROVA ÜNİVERSİTESİ SOSYAL BİLİMLER ENSTİTÜSÜ EKONOMETRİ ANABİLİM DALI OYUN KURAMININ EKONOMİDE UYGULANMASI

TÜRKİYE CUMHURİYETİ ÇUKUROVA ÜNİVERSİTESİ SOSYAL BİLİMLER ENSTİTÜSÜ EKONOMETRİ ANABİLİM DALI OYUN KURAMININ EKONOMİDE UYGULANMASI TÜRKİYE CUMHURİYETİ ÇUKUROVA ÜNİVERSİTESİ SOSYAL BİLİMLER ENSTİTÜSÜ EKONOMETRİ ANABİLİM DALI OYUN KURAMININ EKONOMİDE UYGULANMASI Hall İbrahm KESKİN YÜKSEK LİSANS TEZİ ADANA 009 TÜRKİYE CUMHURİYETİ ÇUKUROVA

Detaylı

GENEL DESTEK PROGRAMI. B R NC Amaç, Kapsam, Dayanak ve

GENEL DESTEK PROGRAMI. B R NC Amaç, Kapsam, Dayanak ve LETMELER GEL T RME VE DESTEKLEME DARES BA KANLI I (KOSGEB) GENEL DESTEK PROGRAMI B R NC Amaç, Kapsam, Dayanak ve Amaç MADDE 1 - (1) Bu p kar bçmde gerçekle dares Ba uygulanacak Genel Kapsam MADDE 2 - (1)

Detaylı

Makine Öğrenmesi 6. hafta

Makine Öğrenmesi 6. hafta Makne Öğrenmes 6. hafta Yapay Snr Ağlarına Grş Tek katmanlı YSA lar Algılayıcı (Perceptron) Aalne (Aaptve Lnear Elemen Byolojk Snr Hücres Byolojk snrler ört ana bölümen oluşmaktaır. Bunlar: Denrt, Akson,

Detaylı

Olasılık bir olayın meydana gelme şansının sayısal ifadesidir. Örnekler:

Olasılık bir olayın meydana gelme şansının sayısal ifadesidir. Örnekler: OLASILIK Populasyon hakkında bilgi sahibi olmak amacı ile alınan örneklerden elde edilen bilgiler, bire bir doğru olmayıp hepsi mutlaka bir hata payı taşımaktadır. Bu hata payının ortaya çıkmasının sebebi

Detaylı

ELM201 ELEKTRONİK-I DERSİ LABORATUAR FÖYÜ

ELM201 ELEKTRONİK-I DERSİ LABORATUAR FÖYÜ T SAKAYA ÜNİESİTESİ TEKNOLOJİ FAKÜLTESİ ELEKTİK-ELEKTONİK MÜHENDİSLİĞİ ELM201 ELEKTONİK- DESİ LAOATUA FÖYÜ DENEYİ YAPTAN: DENEYİN AD: DENEY NO: DENEYİ YAPANN AD ve SOYAD: SNF: OKUL NO: DENEY GUP NO: DENEY

Detaylı

TRANSPORT PROBLEMI için GELIsTIRILMIs VAM YÖNTEMI

TRANSPORT PROBLEMI için GELIsTIRILMIs VAM YÖNTEMI Yönetm, Yl 9, Say 28, Ekm - 1997,5.20-25 TRANSPORT PROBLEMI ÇIN GELIsTIRILMIs VAM YÖNTEMI Dr. Erhan ÖZDEMIR I.Ü. Teknk Blmler M.Y.O. L.GIRIs V AM transport problemlerne en düsük malyetl baslangç çözüm

Detaylı

Örnek Bir zar atıldığında zarın üstünde bulunan noktaların sayısı gözlensin. Çift sayı gelmesi olasılığı nedir? n(s) = 3 6 = 1 2

Örnek 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

Detaylı

TEMEL DEVRE KAVRAMLARI VE KANUNLARI

TEMEL DEVRE KAVRAMLARI VE KANUNLARI TDK Temel Devre Kavramları ve Kanunları /0 TEMEL DEVRE KAVRAMLARI VE KANUNLARI GĐRĐŞ: Devre analz gerçek hayatta var olan fzksel elemanların matematksel olarak modellenerek gerçekte olması gereken sonuçların

Detaylı

BEKLENEN DEĞER VE VARYANS

BEKLENEN DEĞER VE VARYANS BEKLEE DEĞER VE VARYAS.1. İadel ve adesz öreklemede tüm mümkü örekler.. Beklee değer.3. Varyas.4. İk değşke ortak dağılımı.5. İstatstksel bağımsızlık.6. Tesadüf değşkeler doğrusal kombasyolarıı beklee

Detaylı

bir yol oluşturmaktadır. Yine i 2 , de bir yol oluşturmaktadır. Şekil.DT.1. Temel terimlerin incelenmesi için örnek devre

bir yol oluşturmaktadır. Yine i 2 , de bir yol oluşturmaktadır. Şekil.DT.1. Temel terimlerin incelenmesi için örnek devre Devre Analz Teknkler DEE AAĐZ TEKĐKEĐ Bu zamana kadar kullandığımız Krchoffun kanunları ve Ohm kanunu devre problemlern çözmek çn gerekl ve yeterl olan eştlkler sağladılar. Fakat bu kanunları kullanarak

Detaylı

1. KEYNESÇİ PARA TALEBİ TEORİSİ

1. KEYNESÇİ PARA TALEBİ TEORİSİ DERS NOTU 07 KEYNESÇİ PARA TALEBİ TEORİSİ, LM EĞRİSİ VE PARA TALEBİ FAİZ ESNEKLİĞİ Bugünk dersn çerğ: 1. KEYNESÇİ PARA TALEBİ TEORİSİ... 1 1.1 İŞLEMLER (MUAMELELER) TALEBİ... 2 1.2 ÖNLEM (İHTİYAT) TALEBİ...

Detaylı

SAÜ BÖLÜM 11. OLASILIK. Prof. Dr. Mustafa AKAL

SAÜ BÖLÜM 11. OLASILIK. Prof. Dr. Mustafa AKAL SAÜ BÖLÜM. OLASILIK Prof. Dr. Mustafa AKAL 0 İÇİNDEKİLER.KAVRAMLAR.. Rassal Deney, Örneklem Uzayı ve Olay.. Olayların Biçimlenmesi.3. Olasılık Tanımı.PERMÜTASYON VE KOMBİNASYON..Permütasyon... Sıralı Permütasyon...

Detaylı

değerine bu matrisin bir girdisi(elemanı,bileşeni) denir. Bir sütundan (satırdan) oluşan bir matrise bir sütun (satır) matrisi denir.

değerine bu matrisin bir girdisi(elemanı,bileşeni) denir. Bir sütundan (satırdan) oluşan bir matrise bir sütun (satır) matrisi denir. Bölüm 2 Matrsler aım 2.1 F br csm, m, brer doğal sayı olsu. a F ( 1,.., m; j 1,..., ) olmak üzere, a11... a1 fadese m satır sütuda oluşa (veya m tpde) br F matrs der. am 1... a m Böyle br matrs daha sade

Detaylı

VERİLERİN SINIFLANDIRILMASI

VERİLERİN SINIFLANDIRILMASI VERİLERİN SINIFLANDIRILMASI Yrd. Doç. Dr. Ünal ERKORKMAZ Sakarya Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı uerkorkmaz@sakarya.edu.tr NİTEL VE NİCEL VERİLERİN SINIFLANDIRMASI Sınıflandırma

Detaylı

Çok Parçalı Basınç Çubukları

Çok Parçalı Basınç Çubukları Çok Parçalı Basınç Çubukları Çok parçalı basınç çubukları genel olarak k gruba arılır. Bunlar; a) Sürekl brleşk parçalardan oluşan çok parçalı basınç çubukları b) Parçaları arasında aralık bulunan çok

Detaylı

Elektrik Akımı. Test 1 in Çözümleri

Elektrik Akımı. Test 1 in Çözümleri Elektrk kımı Test n Çözümler. Ω Ω 8Ω 8Ω. Uzunluğu O, kest alanı S olan letkenn drenc 6 Ω se, uzunluğu O kest alanı S olan letkenn drenc 8 Ω olur. Bu k drenç aşağıdak gb brbrne bağlıdır. 8Ω 8Ω 9Ω 8Ω luk

Detaylı

MIT 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 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

PERMÜTASYON DERS NOTLARI. Sayma Yöntemleri. TEMEL SAYMA KURALLARI Toplama yoluyla sayma. Çarpma yoluyla sayma

PERMÜTASYON DERS NOTLARI. Sayma Yöntemleri. TEMEL SAYMA KURALLARI Toplama yoluyla sayma. Çarpma yoluyla sayma TEMEL SAYMA KURALLARI Toplama yoluyla sayma A ve B ayrık iki küme olsun. Bu iki kümenin birleşimlerinin eleman sayısı, bu kümelerin eleman sayılarının toplamına eşittir. Bu sayma yöntemine toplama yoluyla

Detaylı

Elektrik Akımı. Test 1 in Çözümleri 1. X. 18Ω luk iki direnç birbirine paralel bağlı olduğundan; = bulunur. Cevap C dir. R 2. = Cevap A dır.

Elektrik Akımı. Test 1 in Çözümleri 1. X. 18Ω luk iki direnç birbirine paralel bağlı olduğundan; = bulunur. Cevap C dir. R 2. = Cevap A dır. Elektrk kımı Test n Çözümler. Ω 8Ω 4. Ω Ω 8Ω 8Ω luk k drenç brbrne paralel bağlı olduğundan; 8 9Ω bulunur. Ω Ω Ω. r yarıçaplı letkenn kest alanı πr S alınırsa, r yarıçaplı letkenn kest alanı π(r) 4S olur.

Detaylı

DENEY 4: SERİ VE PARALEL DEVRELER,VOLTAJ VE AKIM BÖLÜCÜ KURALLARI, KIRCHOFF KANUNLARI

DENEY 4: SERİ VE PARALEL DEVRELER,VOLTAJ VE AKIM BÖLÜCÜ KURALLARI, KIRCHOFF KANUNLARI A. DNYİN AMACI : Bast ser ve bast paralel drenç devrelern analz edp kavramak. Voltaj ve akım bölücü kurallarını kavramak. Krchoff kanunlarını deneysel olarak uygulamak. B. KULLANILACAK AAÇ V MALZML : 1.

Detaylı

Elektrik Enerjisi ve Elektriksel Güç Testlerinin Çözümleri

Elektrik Enerjisi ve Elektriksel Güç Testlerinin Çözümleri Elektrk Enerjs ve Elektrksel Güç Testlernn Çözümler Test 1 n Çözümü 1. Her brnn gerlm 1,5 volt olan 4 tane pl brbrne ser bağlı olduğundan devrenn toplam gerlm 6 volt olur. est S, uzunluğu / olan demr çubuğun

Detaylı

9. Sınıf Matemat k Ders İşleme Defter. Altın Kalem Yayınları

9. Sınıf Matemat k Ders İşleme Defter. Altın Kalem Yayınları 9. Sınıf Matemat k Ders İşleme Defter KÜMELER - 1 Altın Kalem Yayınları Küme: B rb r nden farklı nesneler n oluşturduğu topluluklar küme şekl nde adlandırılır. Kümey oluşturan nesneler n y bel rlenm ş

Detaylı

SEK Tahmincilerinin Arzulanan Özellikleri. SEK Tahmincilerinin Arzulanan Özellikleri. Ekonometri 1 Konu 9 Sürüm 2,0 (Ekim 2011)

SEK Tahmincilerinin Arzulanan Özellikleri. SEK Tahmincilerinin Arzulanan Özellikleri. Ekonometri 1 Konu 9 Sürüm 2,0 (Ekim 2011) SEK Tahmnclernn Arzulanan Özellkler İk Değşkenl Bağlanım Model SEK Tahmnclernn Arzulanan Özellkler Ekonometr 1 Konu 9 Sürüm 2,0 (Ekm 2011) http://www.ackders.org.tr SEK Tahmnclernn Arzulanan Özellkler

Detaylı

BAŞKENT ÜNİVERSİTESİ MAKİNE MÜHENDİSLİĞİ BÖLÜMÜ MAK MAKİNE MÜHENDİSLİĞİ LABORATUVARI DENEY - 8

BAŞKENT ÜNİVERSİTESİ MAKİNE MÜHENDİSLİĞİ BÖLÜMÜ MAK MAKİNE MÜHENDİSLİĞİ LABORATUVARI DENEY - 8 BAŞKENT ÜNİVERSİTESİ MAKİNE MÜHENDİSLİĞİ BÖLÜMÜ MAK - 402 MAKİNE MÜHENDİSLİĞİ LABORATUVARI DENEY - 8 FARKLI YÜZEY ÖZELLİKLERİNE SAHİP PLAKALARIN ISIL IŞINIM YAYMA ORANLARININ HESAPLANMASI BAŞKENT ÜNİVERSİTESİ

Detaylı

Genel olarak test istatistikleri. Merkezi Eğilim (Yığılma) Ölçüleri Dağılım (Yayılma) Ölçüleri. olmak üzere 2 grupta incelenebilir.

Genel 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

Detaylı