İstatistik ve Olasılık
|
|
- Savas Kahya
- 6 yıl önce
- İzleme sayısı:
Transkript
1 İstatistik ve Olasılık Ders 5: Rastgele Değişkenlerin Dağılımları II Prof. Dr. İrfan KAYMAZ
2 Sık Kullanılan Dağılımlar Frekans tablolarına dayalı histogram ve frekans poligonları, verilerin dağılımı hakkında genel bilgiler vermektedir. Yapılan araştırmalardan elde edilen verilere ait dağılımın şeklinin ve dağılım fonksiyonunun ampirik olarak belirlenmesi kolay değildir. Bu nedenle, verilerin özelliklerine göre uygunluk gösterecekleri bazı anakütle dağılımları teorik olarak geliştirilmiştir. Bazı önemli anakütle dağılımları: Kesikli Kesikli düzgün dağılım Bernoulli dağılımı Binom dağılımı Poisson dağılımı Hipergeometrik dağılım Negatif binom dağılımı Sürekli Sürekli düzgün dağılım Normal dağılım Üstel dağılım Lognormal dağılım Gamma dağılımı Ki-kare dağılımı......
3 Binom Dağılımı Kesikli dağılımların en yaygın kullanılanıdır. Atılan bir paranın yazı veya tura gelmesi, Montajdaki parçanın toleransa uygunluğu ve uygunsuzluğu öğrencinin bir dersten başarılı veya başarısız olması gibi iki sonuçlu olayların olasılığının hesaplanmasında kullanılır. Binom dağılımına uyması için aşağıdaki şartları sağlaması gerekir: Deneme belirli sayıda (n) tekrarlanır. Her deneyin başarılı ve başarısız olmak üzere iki sonucu vardır. Deneyler birbirinden bağımsızdır. Başarı olasılığı (p) ve başarısızlık olasılığı q=1-p dir. n deneyde elde edilen başarılı sonuçlar x değişkenine atanır.
4 Binom Dağılımı Binom dağılımın olasılık fonksiyonu: Binom dağılımının ortalaması ve varyansı ise aşağıdaki formüllerle hesaplanır.
5 Binom Dağılımı Örnek 1: a)10 yazı/tura atmada 4 yazı gelme olasılığını hesaplayınız b)bir zarın 20 kez atılması durumunda tam 12 kez altı gelme olasılığını hesaplayınız. Örnek 1 ÇÖZÜM: a) Binom dağılımın uygun olduğu rastgele olaylarda başarılı ve başarısız olarak iki durumun olduğu olaylarla ilgilenildiğinden: başarılı: yazı gelmesi (p=0.5) başarısız: yazı gelmemesi (q=0.5) Olarak tanımlama yapılabilir. n=10;x=4 olduğundan istenilen olasılık:
6 Binom Dağılımı Örnek 1 ÇÖZÜM: b) başarılı: 6 gelmesi (p=1/6) başarısız: yazı gelmemesi (q=5/6) Olarak tanımlama yapılabilir. n=20;x=12 olduğundan istenilen olasılık:
7 Poisson Dağılımı İlgilenilen zaman aralığı, uzunluk veya hacimde sık sık karşılaşılmayan olayların özel durumları için geliştirilen dağılımdır. Örneğin: belirli bir trafik noktasında meydana gelen trafik kazası sayısı, 1 m 2 kumaştaki kusur sayısı, 1 cm 3 kandaki anormal hücre sayısı,...vb sayılabilir. Poisson dağılımının olasılık fonksiyonu aşağıda verilmiştir. 2 np olarak ifade edildiğinden dağılımın tek parametresi olduğu söylenebilir.
8 Poisson Dağılımı Örnek 2: Bir sınıftaki öğrenciler üzerine yapılan bir araştırmada dersi dinlemeyen öğrenci sayısının ortalama olarak 3 kişi olduğu belirlenmiştir. Herhangi bir derste; a) En az bir kişinin dersi dinlememesi olasılığını hesaplayınız. b) En fazla iki kişinin dersi dinlememesi olasılığını hesaplayınız Örnek 2 Çözüm: Dersi dinlememek nadiren karşılaşılan bir olay! olduğu için poisson dağılımı kullanılmalıdır. np 3 olup bu olaya ait poisson olasılık fonksiyonu : P( X) e 3 X 3. X!
9 Sürekli Rastgele Değişken Dağılım En sık kullanılan sürekli rastgele değişkenlere ait Sürekli Sürekli düzgün dağılım Normal dağılım Üstel dağılım Lognormal dağılım Gamma dağılımı Ki-kare dağılımı......
10 Düzgün (Üniform) Dağılım X sürekli rastgele değişken belirli bir aralıktaki her değerinin meydana gelme olasılığı eşit ise bu rastgele değişkenin dağılım düzgün (Ünifrom) dağılımdır. Ünifrom dağılıma ait olasılık fonksiyonu:
11 Düzgün (Üniform) Dağılım Örnek 3 : Süper marketteki kasaya 30 dakikalık periyotta bir müşteri gelmiştir. Bu müşterinin son 5 dakikada gelmiş olma ihtimalini hesaplayınız. Örnek 3 ÇÖZÜM : Olasılık yoğunluk fonksiyonu:
12 Düzgün (Üniform) Dağılım ÜNİFORM DAĞILIM İLE İLGİLİ MATLAB KOMUTLARI [a, b] aralığında üniform dağılmış rasgele değişkenin bu aralık içerindeki herhangi bir x değerini alma ihtimali unifcdf komutu ile hesaplanır. Örneğin bir önceki örnek aşağıda verilen MATLAB komutu yardımıyla kolaylıkla hesaplanabilir: prob=unifcdf(5,0,30)
13 Normal Dağılım Sürekli olasılık dağılımlarının en önemlisi ve en çok kullanılanı normal dağılımdır. Normal dağılıma, bu dağılımı geliştiren kişilerin isimlerine atfen Gauss-Laplace dağılımı, Eğrinin biçimine izafeten de çan eğrisi de denilmektedir. Evrendeki birçok olay normal dağılıma uygunluk gösterdiğinden yapılan araştırmalarda elde edilen verilerin değerlendirilmesinde çok yaygın olarak kullanılmaktadır.
14 Normal Dağılım Normal dağılımın olasılık yoğunluk fonksiyonu Normal yoğunluk fonksiyonu iki parametreye sahiptir: ortalama standart sapma Normal dağılım fonksiyonu ve kümülatif dağılım fonksiyonu grafiksel olarak aşağıda verilmiştir.
15 Normal Dağılım Ortalama ve Standart sapma değerlerine bağlı olarak Normal dağılımın yeri ve biçimi değişmektedir. Örneğin: Aşağıda şekilleri verilen A, B ve C normal dağılmış rastgele değişkenler arasında:
16 Normal Dağılım Normal dağılımın süreklilik özelliğinden dolayı X rastgele değişkeninin sadece belirli bir aralıkta değer alması söz konusudur. İlgilenilen aralıkta değer alma olasılığı, olasılık yoğunluk fonksiyonunun entegrali ile elde edilir. Örneğin: P( a X b) olasılığını hesaplamak için işlemi yapılmalıdır. Görüleceği üzere oldukça fazla işlem yükü gelmektedir. İşlem yükünü azaltmak için bu dağılım yerine geliştirilen standart normal dağılım kullanılmaktadır. X rastgele değişkeni normal dağılıyorsa aşağıdaki şeklinde gösterilir: X ~ N( ; 2 ).
17 Standart Normal Dağılım X normal değişkeni sonsuz değer alabileceğinden nümerik olarak çözüm elde edilebilmesi için normal dağılmış rastgele fonksiyon standart normal dağılmış rastgele değişkene dönüştürülür: Standart normal dağılım: ortalaması 0 ve varyansı 1 olacak şekilde dönüşüm yapılır: Bu ifade normal rastgele değişkenin olasılık yoğunluk fonksiyonun yazılırsa standart normal değişkene ait olasılık yoğunluk fonksiyonu elde edilir: belirli entegraline eşit olur.
18 Standart Normal Dağılım Dağılımın genel özellikleri dikkate alınarak standart normal değişken (Z) için integralleri hesaplanarak standart normal dağılımla ilgili tablolar hazırlanmıştır.
19 Standart Normal Dağılım Z tablosu olarak adlandırılan bu tablolar farklı şekillerde düzenlenmektedir. Bu ders kapsamında kullanılacak olan tablo P(Z > z0) olasılığını vermektedir. Verilen tablo yardımıyla normal dağılıma ait her türlü olasılık hesaplanabilmektedir. Ayrıca, dağılım simetrik olup dağılımın tepe noktasının yatay ekseni kestiği noktanın koordinatı sıfırdır (dağılımın ortalamasıdır) ve eğri altında kalan alanın değeri 1 e eşittir. Dağılım simetrik olduğu için P(Z > 0) = P(Z < 0)= 0.5 dir. Bu nedenle, ortalamanın sağında kalan kısmı tablolarda verilmekte, diğer yarısının aynı olduğu bilinmektedir.
20 Standart Normal Dağılım İstenen X rastgele değişkeninin belirli aralıkta değer alma olasılığını hesaplamak için izlenecek yaklaşımlar şöyle özetlenebilir: 1. Verilen a < X < b aralığı m < Z < n aralığına dönüştürülür. Yani, Bu amaçla Z X dönüşümü kullanılır. 2. Karşı gelen P(m<Z<n) değeri tablo yardımıyla belirlenir. Öyle ise P(A<X>b): hesaplanır.
21 Olasılık Tabloların okunuşu Z tablosundan istenilen olasılık değeri bulunulurken verilen değer; tamsayı kısmı ile birinci ondalık kısmı ikinci ondalık kısmı olmak üzere iki parçaya ayrılır Z tablosundan bir olasılık değeri okumak için aşağıdaki adımlar takip edilir: 1. tamsayı kısmı ile birinci ondalık kısmı düşey eksende işaretlenir. 2. ikinci ondalık kısmı için yatay eksende eksende işaretlenir. 3. Bu değerlere yatay ve düşey eksende karşı gelen değerlerin kesiştiği hücredeki değer aranan olasılık değeridir.
22 Normal Dağılım-MATLAB NORMAL DAĞILIM İLE İLGİLİ MATLAB KOMUTLARI Normal dağılmış bir rastgele değişkenin belirli bir X değerine karşılık olasılık yoğunluk fonksiyonu değeri aşağıdaki komut yardımıyla hesaplanır: P = normpdf(x,mu,sigma) Burada MU ve SIGMA sırasıyla normal dağılmış rastgele değişkenin ortalamasını ve standart sapma değerini göstermektedir. Normal dağılmış rastgele değişkenin P(X<x) = normcdf(x,mu,sigma) ile belirli bir x değerini alma olasılığı P olasılığını veren - dan X e olasılık hesabında X rastgele değişkeni belirlemek X = norminv(p,mu,sigma)
23 Normal Dağılım-MATLAB Standart normal dağılmış bir fonksiyona ait olasılık hesaplamaları için normcdf komutu aşağıdaki şekilde verilmedir. P = normcdf([z]) Verilen iki sınır değer arasında normal rastgele değişkene ait olasılık dağılım fonksiyonunu çizmek için: Probability Between Limits is [p,h] = normspec(specs, mu, sigma) Density Burada 0.1 specs: limit değerleri göstermektedir p: olasılık değerini göstermektedir Critical Value
24 Örnekler Örnek 4 : Eğer Z standart normal dağılmış bir rastgele değişken ise aşağıdaki olasılıkları grafiksel olarak gösterip hesaplayınız. a) P(0<=Z<=2) b) P(-2<=Z<=2) c) P(0<=Z<=1.53) d) P(0.28 < Z < 1.28)
25 Örnekler Örnek 4 ÇÖZÜM: a) P(0<=Z<=2) MATLAB komutu: normspec([0,2],0,1) 0.4 Probability Between Limits is Density Critical Value
26 Örnekler Örnek 4 ÇÖZÜM: b) P(-2<=Z<=2) MATLAB komutu: normspec([-2,2],0,1) Probability Between Limits is Density Critical Value
27 Örnekler Örnek 4 ÇÖZÜM: c) P(0<=Z<=1.53) MATLAB komutu: normspec([0,1.53],0,1) Probability Between Limits is Density Critical Value
28 Örnekler Örnek 4 ÇÖZÜM: d) P(0.28 < Z < 1.28) MATLAB komutu: normspec([0.28,1.28],0,1) Probability Between Limits is Density Critical Value
29 Örnekler Örnek 5 : P(Z > z1)=0.025 ise z1=? Probability Greater than Lower Bound is Örnek 5 ÇÖZÜM: Önceki problemlerde eksen değerlerinden hareketle olasılık değeri bulunurken bu problemde olasılık değerinden hareketle eksen değerleri bulunmaktadır. Yani tabloya bakış yönteminde değişiklik var. Tablodan olasılık değerine karşı gelen z değeri araştırılırsa bunun 1.96 (yani z1=1.96) olduğu görülür. Density MATLAB komutu z1=norminv(0.975,0,1) Critical Value
30 Örnekler Örnek 6: P(-z 1 < Z < z 1 )=0.90 ise z 1 =? Örnek 6 ÇÖZÜM: değer çift taraflı olduğundan (her iki kuyruğu kapsadığından) her parçanın olasılığı (1-0.90)/2=0.05 dir. Tablodan 0.05 olasılık değerine karşı gelen z değeri araştırılırsa bunun 1.64 (yani z 1 =1.64) olduğu görülür.
31 Örnekler Örnek 7: Bir imalathanede üretilen millerin çaplarının ortalaması inç ve standart sapmalarının ise inç olan normal dağılıma uyduğu tespit edilmiştir. Üretilen miller eğer inç aralığının dışında iseler bu miller hatalı üretim kabul edilmektedir. Buna göre toplam üretimdeki hatalı ürün miktarını bulunuz.
32 Örnekler Örnek 7 ÇÖZÜM: İstenilen olasılık ifadesi: Bu olasılık değerini hesaplamak için X sürekli normal değişkeni standart normal hale dönüştürülür:
33 Dağılım Tipinin Belirlenmesi Ham olarak elde edilen rasgele değişkene ait dataların dağılım tipini (Normal, exponensiyal, Log-nomal v.b. ) belirlemek rasgele değişken kullanılarak yapılacak analizler için çok önemlidir. Bu işlemlerde rasgele değişkenin nasıl bir dağılım davranışı gösterdiği ve bu dağılımın parametreleri kullanılmaktadır. Ham olarak elde edilen bu datalara bir dağılım uydurmak (distirbution fitting) için aşağıda verilen adımlar takip edilir: Dağılım tipini grafiksel olarak belirlemek Belirlenen bu dağılım tipine ait parametreleri tahmin etmek Belirlenen bu dağılım tipinin uygunluğunu test etmek.
34 Dağılım Tipinin Belirlenmesi Dağılım tipini grafiksel olarak belirleme: Ham olarak elde edilmiş rasgele değişkene ait dataların hangi dağılım tipine uygun olduğunu belirlemede genellikle bu dataların grafiksel olarak gösterimi ile birlikte uygunluk testi (goodness-of-fit) uygulanarak elde edilir.
35 Dağılım Tipinin Belirlenmesi Dağılım parametrelerinin Tahmini: Belirlenen dağılıma ait parametrelerin (ortalama, standart sapma, çarpıklık, basıklık gibi) için başlıca iki metot kullanılır: Momentler metodu (method of moments) Maksimum olabilirlik metodu (method of maximum likelihood) Bu metotlar vasıtasıyla edilen parametreler daha sonra gerçekleştirilecek analizlerde rasgele değişkenlerin kullanılmasını sağlar.
36 Dağılım Tipinin Belirlenmesi Seçilen dağılım fonksiyonun uygunluk testi: Son adım olarak, rasgele değişkenlere ait belirlenmiş dağılım tipinin uygunluk testi yapılarak istatistiksel olarak ne kadar uygun olduğu tespit edilir. Bu adımda kullanılan belli başlı uygunluk testi yöntemleri: Ki-kare uygunluk testi (Chi Square test) Kolmogorov Smirnov test Anderson Darling test Bu testlerden sadece ilk ikisine ait teorik bilgiler verilecektir.
37 Dağılım Tipinin Belirlenmesi Kİ-KARE UYGUNLUK TESTİ: Ki-kare istatistik değerini hesaplamak için öncelikle datalar belirli sayıda aralıklara (intervals) ayrılır ve bu aralıkların beklenen değeri (Expected value) uydurulan dağılımdan hesaplanır. Sonra Chi-square istatistik değeri aşağıdaki bağıntı yardımıyla hesaplanır:
38 Gelecek Dersin Konusu Örnekleme Planları ve Dağılımları
SÜREKLİ 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
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
DetaylıOLASILIK ve KURAMSAL DAĞILIMLAR
OLASILIK ve KURAMSAL DAĞILIMLAR Kuramsal Dağılımlar İstatistiksel çözümlemelerde; değişkenlerimizin dağılma özellikleri, çözümleme yönteminin seçimi ve sonuçlarının yorumlanmasında önemlidir. Dağılma özelliklerine
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
Detaylıİstatistik, genel olarak, rassal bir olayı (ya da deneyi) matematiksel olarak modellemek ve bu model yardımıyla, anakütlenin bilinmeyen karakteristik
6.SUNUM İstatistik, genel olarak, rassal bir olayı (ya da deneyi) matematiksel olarak modellemek ve bu model yardımıyla, anakütlenin bilinmeyen karakteristik özellikleri (ortalama, varyans v.b. gibi) hakkında
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık Rastgele Değişkenlerin Dağılımları I Prof. Dr. İrfan KAYMAZ Ders konusu Bu derste; Rastgele değişkenlerin tanımı ve sınıflandırılması Olasılık kütle fonksiyonu Olasılık yoğunluk
DetaylıRASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI. Yrd. Doç. Dr. Emre ATILGAN
RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI Yrd. Doç. Dr. Emre ATILGAN 1 RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI Olasılığa ilişkin olayların çoğunluğunda, deneme sonuçlarının bir veya birkaç yönden incelenmesi
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.
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
DetaylıKesikli ġans DeğiĢkenleri Ġçin; Olasılık Dağılımları Beklenen Değer ve Varyans Olasılık Hesaplamaları
Kesikli ġans DeğiĢkenleri Ġçin; Olasılık Dağılımları Beklenen Değer ve Varyans Olasılık Hesaplamaları Kesikli ġans DeğiĢkenlerinin Olasılık Fonksiyonları X, şans değişkeni ve, 2,.., n ise bu tesadüfi değişkenin
DetaylıKesikli Şans Değişkenleri İçin; Olasılık Dağılımları Beklenen Değer ve Varyans Olasılık Hesaplamaları
Kesikli Şans Değişkenleri İçin; Olasılık Dağılımları Beklenen Değer ve Varyans Olasılık Hesaplamaları 1 Şans Değişkeni: Bir dağılışı olan ve bu dağılışın yapısına uygun frekansta oluşum gösteren değişkendir.
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
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık Örnekleme Planlar ve Dağılımları Prof. Dr. İrfan KAYMAZ Tanım İncelenen olayın ait olduğu anakütlenin bütünüyle dikkate alınması zaman, para, ekipman ve bunun gibi nedenlerden dolayı
DetaylıKESİKLİ ŞANS DEĞİŞKENLERİNİN OLASILIK DAĞILIMLARI. Bernoulli Dağılımı Binom Dağılımı Poisson Dağılımı
KESİKLİ ŞANS DEĞİŞKENLERİNİN OLASILIK DAĞILIMLARI Bernoulli Dağılımı Binom Dağılımı Poisson Dağılımı 1 Bernoulli Dağılımı Bir şans değişkeninin bernoulli dağılımı göstermesi için ilgilenilen süreçte bernoulli
Detaylı0.04.03 Standart Hata İstatistikte hesaplanan her istatistik değerin mutlaka hatası da hesaplanmalıdır. Çünkü hesaplanan istatistikler, tahmini bir değer olduğu için mutlaka hataları da vardır. Standart
DetaylıDr. Mehmet AKSARAYLI
Dr. Mehmet AKSARAYLI Şans Değişkeni: Bir dağılışı olan ve bu dağılışın yapısına uygun frekansta oluşum gösteren değişkendir. Şans Değişkenleri KESİKLİ RASSAL DEĞİŞKENLER ve OLASILIK DAĞILIMLARI Kesikli
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
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
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
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
DetaylıBaşarı olasılığı olan bir Bernoulli denemesinin aynı şartlar altında (bağımsız olarak) n kez tekrarlanması ile oluşan deneye binom deneyi denir.
3.5. Bazı Kesikli Dağılımlar 3.5.1. Bernoulli Dağılımı Bir deneyde başarı ve başarısızlık diye nitelendirilen iki sonuçla ilgilenildiğinde bu deneye (iki sonuçlu) Bernoulli deneyi ya da Bernoulli denemesi
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
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 3105 SİSTEM SİMÜLASYONU. Girdi Analizi Prosedürü. Dağılıma Uyum Testleri. Dağılıma Uyumun Kontrol Edilmesi. Girdi Analizi-II Ders 9
EME 3105 1 Girdi Analizi Prosedürü SİSTEM SİMÜLASYONU Modellenecek sistemi (prosesi) dokümante et Veri toplamak için bir plan geliştir Veri topla Verilerin grafiksel ve istatistiksel analizini yap Girdi
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
DetaylıFaktöriyel: 1'den n'ye kadar olan tüm pozitif tamsayıların çarpımına, biçiminde gösterilir. Aynca; 0! = 1 ve 1!=1 1 dir. [Bunlar kabul değildir,
14. Binom ve Poisson olasılık dağılımları Faktöriyeller ve kombinasyonlar Faktöriyel: 1'den n'ye kadar olan tüm pozitif tamsayıların çarpımına, n! denir ve n! = 1.2.3...(n-2).(n-l).n biçiminde gösterilir.
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
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
Detaylı3 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI
ÖNSÖZ İÇİNDEKİLER III Bölüm 1 İSTATİSTİK ve SAYISAL BİLGİ 11 1.1 İstatistik ve Önemi 12 1.2 İstatistikte Temel Kavramlar 14 1.3 İstatistiğin Amacı 15 1.4 Veri Türleri 15 1.5 Veri Ölçüm Düzeyleri 16 1.6
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
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
DetaylıDENİZ HARP OKULU TEMEL BİLİMLER BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ
DENİZ HARP OKULU TEMEL BİLİMLER BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ Dersin Adı Kodu Sınıf/Y.Y. Ders Saati (T+U+L) Kredi AKTS OLASILIK VE İSTATİSTİK FEB-222 2/ 2.YY 3+0+0 3 3 Dersin Dili Dersin Seviyesi
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.
DetaylıIE 303T Sistem Benzetimi
IE 303T Sistem Benzetimi 1 L E C T U R E 5 : O L A S I L I K T E K R A R 2 Review of the Last Lecture Random Variables Beklenen Değer ve Varyans Moment Kesikli Dağılımlar Bernoulli Dağılımı Binom Dağılımı
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
DetaylıAnkara Üniversitesi, SBF İstatistik 2 Ders Notları Prof. Dr. Onur Özsoy 1
1 Rastgele bir denemede ortaya çıkması olası sonuçların tamamıdır Örnek: bir zar bir kez yuvarlandığında S= Yukarıdaki sonuçlardan biri elde edilecektir. Sonuçların her biri basit olaydır Örnek: Bir deste
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
DetaylıANADOLU ÜNİVERSİTESİ ÖRNEK: GEOMETRİK DAĞILIM
ANADOLU ÜNİVERSİTESİ İST 213 OLASILIK DERSİ KESİKLİ DAĞILIMLAR-2 DOÇ. DR. NİHAL ERGİNEL 2015 GEOMETRİK DAĞILIM Bir Bernoulli deneyi ilk olumlu sonuç elde edilmesine kadar tekrarlansın. X: ilk olumlu sonucun
DetaylıEME Sistem Simülasyonu. Girdi Analizi Prosedürü. Olasılık Çizgesi. Dağılıma Uyumun Kontrol Edilmesi. Dağılıma İyi Uyum Testleri Ders 10
EME 35 Girdi Analizi Prosedürü Sistem Simülasyonu Modellenecek sistemi (prosesi) dokümante et Veri toplamak için bir plan geliştir Veri topla Verilerin grafiksel ve istatistiksel analizini yap Dağılıma
DetaylıİSTATİSTİK DERS NOTLARI
Balıkesir Üniversitesi İnşaat Mühendisliği Bölümü umutokkan@balikesir.edu.tr İSTATİSTİK DERS NOTLARI Yrd. Doç. Dr. Umut OKKAN Hidrolik Anabilim Dalı Balıkesir Üniversitesi Balıkesir Üniversitesi İnşaat
DetaylıRİSK ANALİZİ VE AKTÜERYAL MODELLEME
SORU 1: Bir hasar sıklığı dağılımının rassal değişken olan ortalaması (0,8) aralığında tekdüze dağılmaktadır. Hasar sıklığı dağılımının Poisson karma dağılıma uyduğu bilindiğine göre 1 ya da daha fazla
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
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
Detaylıİçindekiler. Ön Söz... xiii
İçindekiler Ön Söz.................................................... xiii Bölüm 1 İstatistiğe Giriş....................................... 1 1.1 Giriş......................................................1
DetaylıOlasılık Kuramı ve Bazı Olasılık Dağılımları
KAVRAMLAR Olasılık Kuramı ve Bazı Olasılık Dağılımları Deney: belirli koşullar altında tekrarlanabilen ve her tekrarda farklı sonuçlar elde edilebilen işlemdir. Örneklem uzayı: bir denemenin tüm olası
DetaylıMAT 208 İSTATİSTİK ve OLASILIK II ALIŞTIRMALAR-1
MAT 208 İSTATİSTİK ve OLASILIK II ALIŞTIRMALAR-1 şeklinde tanımlanan dağılımın a) Ortalama ve varyans değerlerini bulunuz b) Moment yaratma fonksiyonunu bularak a-şıkkını tekrar çözünüz. Bir tezgahta üretilen
DetaylıEME 3117 SİSTEM SİMÜLASYONU. Rassal Sayı ve Rassal Değer. Üretimi. Rassal Sayı Üretimi
..4 EME 7 Rassal Sayı ve Rassal Değer Üretimi SİSTEM SİMÜLASYONU Rassal Sayı ve Rassal Değer Üretimi Ders Girdi Analizi bölümünde gözlemlerden elde edilen verilere en uygun dağılımı uydurmuştuk. Bu günkü
DetaylıSimülasyonda İstatiksel Modeller
Simülasyonda İstatiksel Modeller Amaç Model-geliştirici dünyaya deterministik değil olasıksal olarak bakar. İstatiksel modeller değişimleri iyi tanımlayabilir. İlgilenilen olayın örneklenmesi ile uygun
DetaylıSÜREKLİ 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
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
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
DetaylıEME 3117 SİSTEM SIMÜLASYONU. Girdi Analizi. Özet İstatistikler ve Histogram (Minitab)(1) Örnek: Eczane İçin Servis Süreleri
EME 3117 1 2 Girdi Analizi SİSTEM SIMÜLASYONU Modellenecek sistemi (prosesi) dokümante et. Veri toplamak için bir plan geliştir. Veri topla. Verilerin grafiksel ve istatistiksel analizini yap. Girdi Analizi-I
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
Detaylı2018 YILI BİRİNCİ SEVİYE AKTÜERLİK SINAVLARI İSTATİSTİK VE OLASILIK 29 NİSAN 2018
2018 YILI BİRİNCİ SEVİYE AKTÜERLİK SINAVLARI İSTATİSTİK VE OLASILIK 29 NİSAN 2018 Sigortacılık Eğitim Merkezi (SEGEM) tarafından hazırlanmış olan bu sınav sorularının her hakkı saklıdır. Hangi amaçla olursa
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
DetaylıSÜREKLİ( CONTINUOUS) OLASILIK
SÜREKLİ( CONTINUOUS) OLASILIK DAĞILIMLARI Sürekli bir random değişken (a,b) aralığındaki her değeri alabiliyorsa bu değişkene ait olasılık dağılım fonksiyonunun grafiğinde eğri altında kalan alan bize
Detaylı3/6/2013. Ders 6: Kesikli Olasılık Dağılımları
Ders 6: Kesikli Olasılık Dağılımları Kesikli Düzgün (uniform) Dağılım Bernoulli Dağılımı Binom Dağılımı Çok Terimli Dağılım Geometrik Dağılım Negatif Binom Dağılımı Hipergeometrik Dağılım Poisson Dağılımı
DetaylıDers 6: Kesikli Olasılık Dağılımları
Ders 6: Kesikli Olasılık Dağılımları Kesikli Düzgün (uniform) Dağılım Bernoulli Dağılımı Binom Dağılımı Çok Terimli Dağılım Geometrik Dağılım Negatif Binom Dağılımı Hipergeometrik Dağılım Poisson Dağılımı
DetaylıKESİKLİ DÜZGÜN DAĞILIM
KESİKLİ DÜZGÜN DAĞILIM Eğer X kesikli rassal değişkeninin alabileceği değerler (,,..., ) eşit olasılığa sahip ise, kesikli düzgün dağılım söz konusudur. p(x) =, X=,,..., şeklinde gösterilir. Bir kutuda
DetaylıMATE211 BİYOİSTATİSTİK
MATE211 BİYOİSTATİSTİK ÇALIŞMA SORULARININ ÇÖZÜM VE CEVAPLARI Yapılan bir araştırmada, 136 erişkin kişinin kanlarındaki kolesterol düzeyleri gr/dl cinsinden aşağıda verilmiştir: 180 230 190 186 220 191
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
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
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
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.
DetaylıDers 5: Kesikli Olasılık Dağılımları
Ders 5: Kesikli Olasılık Dağılımları Kesikli Düzgün (uniform) Dağılım Bernoulli Dağılımı Binom Dağılımı Çok Terimli Dağılım Geometrik Dağılım Negatif Binom Dağılımı Hipergeometrik Dağılım Poisson Dağılımı
DetaylıDers 5: Kesikli Olasılık Dağılımları
Ders 5: Kesikli Olasılık Dağılımları Kesikli Düzgün (uniform) Dağılım Bernoulli Dağılımı Binom Dağılımı Çok Terimli Dağılım Geometrik Dağılım Negatif Binom Dağılımı Hipergeometrik Dağılım Poisson Dağılımı
DetaylıParametrik Olmayan İstatistik. Prof. Dr. Cenk ÖZLER
Parametrik Olmayan İstatistik Prof. Dr. Cenk ÖZLER Not: Beklenen Frekansı 5 in altında olan gruplar varsa, bu gruplar bir önceki veya bir sonraki grupla birleştirilir. Hipotezler χ 2 Dağılışa Uyum Testi
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 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
DetaylıIE 303T Sistem Benzetimi L E C T U R E 6 : R A S S A L R A K A M Ü R E T I M I
IE 303T Sistem Benzetimi L E C T U R E 6 : R A S S A L R A K A M Ü R E T I M I Geçen Ders Sürekli Dağılımlar Uniform dağılımlar Üssel dağılım ve hafızasızlık özelliği (memoryless property) Gamma Dağılımı
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
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
DetaylıİSTATİSTİK. Hafta 7.2 Kesikli Olasılık Dağılımları Poisson Dağılımı. Yrd. Doç. Dr. H. İbrahim CEBECİ
İSTATİSTİK Hafta 7.2 Kesikli Olasılık Dağılımları Simeon Poisson a atfen isimlendirilen dağılım, bir örnek uzayın belli bir bölgesi veya zamanındaki olayların sayısının incelendiği kesikli bir olasılık
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
DetaylıIE 303T Sistem Benzetimi DERS 4 : O L A S I L I K T E K R A R
IE 303T Sistem Benzetimi DERS 4 : O L A S I L I K T E K R A R Geçen Ders Envanter yonetımı: Gazetecı problemı Rastsal Rakamlar Üret Talebi hesapla Geliri hesapla Toplam maliyeti hesapla Günlük ve aylık
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
DetaylıProf.Dr.A.KARACABEY Doç.Dr.F.GÖKGÖZ RANDOM DEĞİŞKEN
SÜREKSİZ (DISCRETE) OLASILIK DAĞILIMLARI 1 RANDOM DEĞİŞKEN Nümerik olarak ifade edilebilen bir deneyin sonuçlarına rassal (random) değişken denir. Temelde iki çeşit random değişken vardır. ##süreksiz(discrete)
DetaylıHipotez Testi ENM 5210 İSTATİSTİK VE YAZILIMLA UYGULAMALARI. Ders 4 Minitab da İstatiksel Çıkarım-I. Hipotez Testi. Hipotez Testi
ENM 52 İSTATİSTİK VE YAZILIMLA UYGULAMALARI Ders 4 Minitab da İstatiksel Çıkarım-I (Ortalamalar ve Oranlar İçin ) İstatistiksel Hipotezler İstatistiksel hipotez testi ve parametrelerin güven aralığı tahmini,
DetaylıHipotez Testleri. Mühendislikte İstatistik Yöntemler
Hipotez Testleri Mühendislikte İstatistik Yöntemler Hipotez Testleri Parametrik Testler ( z ve t testleri) Parametrik Olmayan Testler (χ 2 Testi) Hipotez Testleri Ana Kütle β( µ, σ ) Örnek Kütle b ( µ
Detaylıİstatistik 1. Bölüm 5 Olasılık Teorisi ve Kesikli Olasılık Dağılımları. Ankara Üniversitesi SBF, GYY
İstatistik 1 Bölüm 5 Olasılık Teorisi ve Kesikli Olasılık Dağılımları Bu Bölümde İşlenecek Konular Temel Olasılık Teorisi Örnek uzayı ve olaylar, basit olasılık, birleşik olasılık Koşullu Olasılık İstatistiksel
DetaylıBölüm 13. ÖZEL OLASILIK DAĞILIMLARI
SAKARYA UNIVERSITESI Bölüm 13. ÖZEL OLASILIK DAĞILIMLARI Prof. Dr. Mustafa AKAL 1 İÇİNDEKİLER 1. BERNOULLİ DAĞILIMI 2. BİNOM DAĞILIMI 3. POİSSON DAĞILIMI 4. PASCAL DAĞILIMI 5. GEOMETRİK DAĞILIM 6. HİPERGEOMETRİK
DetaylıRİSK ANALİZİ VE AKTÜERYAL MODELLEME MAYIS 2015
RİSK ANALİZİ VE AKTÜERYAL MODELLEME MAYIS 2015 SORU 2: Motosiklet sigortası pazarlamak isteyen bir şirket, motosiklet kaza istatistiklerine bakarak, poliçe başına yılda ortalama 0,095 kaza olacağını tahmin
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
Detaylı009 BS 400- İstatistik sonılannın cevaplanmasında gerekli olabilecek tablolar ve formüller bu kitapçığın sonunda verilmiştir. 1. şağıdakilerden hangisi doğal birimdir? l TV alıcısı Bl Trafik kazası CL
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
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
DetaylıDOKUZ EYLÜL ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ DEKANLIĞI DERS/MODÜL/BLOK TANITIM FORMU. Dersin Kodu: END 2303
Dersi Veren Birim: Endüstri Mühendisliği Dersin Türkçe Adı: İSTATİSTİK I Dersin Orjinal Adı: İSTATİSTİK I Dersin Düzeyi:(Ön lisans, Lisans, Yüksek Lisans, Doktora) Lisans Dersin Kodu: END 0 Dersin Öğretim
DetaylıRASGELE SÜREÇLER İ.Ü. ELEKTRİK ELEKTRONİK MÜHENDİSLİĞİ İLETİŞİM LABORATUVARI ARALIK, 2007
RASGELE SÜREÇLER İ.Ü. ELEKTRİK ELEKTRONİK MÜHENDİSLİĞİ İLETİŞİM LABORATUVARI ARALIK, 007 1 Tekdüze Dağılım Bir X rasgele değişkenin, a ve b arasında tekdüze dağılımlı olabilmesi için olasılık yoğunluk
Detaylı1203608-SIMÜLASYON DERS SORUMLUSU: DOÇ. DR. SAADETTIN ERHAN KESEN. Ders No:5 Rassal Değişken Üretimi
1203608-SIMÜLASYON DERS SORUMLUSU: DOÇ. DR. SAADETTIN ERHAN KESEN Ders No:5 RASSAL DEĞIŞKEN ÜRETIMI Bu bölümde oldukça yaygın bir biçimde kullanılan sürekli ve kesikli dağılımlardan örneklem alma prosedürleri
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
DetaylıSİMÜLASYON ÇEŞİTLERİ HAZIRLAYAN: ÖZLEM AYDIN
SİMÜLASYON ÇEŞİTLERİ HAZIRLAYAN: ÖZLEM AYDIN SİMÜLASYON ÇEŞİTLERİ Günümüz simülasyonları gerçek sistem davranışlarını, zamanın bir fonksiyonu olduğu düşüncesine dayanan Monte Carlo yöntemine dayanır. 1.
DetaylıĐST 474 Bayesci Đstatistik
ĐST 474 Bayesci Đstatistik Ders Sorumlusu: Dr. Haydar Demirhan haydarde@hacettepe.edu.tr Đnternet Sitesi: http://yunus.hacettepe.edu.tr/~haydarde Đçerik: Olasılık kuramının temel kavramları Bazı özel olasılık
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık Ders 8: Prof. Dr. Tanım Hipotez, bir veya daha fazla anakütle hakkında ileri sürülen, ancak doğruluğu önceden bilinmeyen iddialardır. Ortaya atılan iddiaların, örnekten elde edilen
DetaylıBİYOİSTATİSTİK Olasılıkta Temel Kavramlar Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH
BİYOİSTTİSTİK Olasılıkta Temel Kavramlar Yrd. Doç. Dr. slı SUNER KRKÜLH Ege Üniversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim D. Web: www.biyoistatistik.med.ege.edu.tr 1 OLSILIK Olasılık; Tablo
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık Ders 9: Prof. Dr. İrfan KAYMAZ Tanım Hipotez, bir veya daha fazla anakütle hakkında ileri sürülen, ancak doğruluğu önceden bilinmeyen iddialardır. Ortaya atılan iddiaların, örnekten
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.
DetaylıİSTATİSTİK EXCEL UYGULAMA
İSTATİSTİK EXCEL UYGULAMA EXCEL UYGULAMA Bu bölümde Excel ile ilgili temel bilgiler sunulacak ve daha sonra İstatistiksel Uygulamalar hakkında bilgi verilecektir. İşlenecek Konular: Merkezi eğilim Ölçüleri
DetaylıANADOLU 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
DetaylıMühendislikte İstatistiksel Yöntemler
Mühendislikte İstatistiksel Yöntemler BÖLÜM 2 AÇIKLAYICI (BETİMLEYİCİ) İSTATİSTİK Yrd. Doç. Dr. Fatih TOSUNOĞLU 1-Açıklayıcı (Betimleyici) İstatistik İnceleme sonucu elde edilen ham verilerin istatistiksel
DetaylıAppendix C: İstatistiksel Çıkarsama
Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Notları Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix C: İstatistiksel Çıkarsama
Detaylı