Rastgele Değişkenlerin Dağılımları. Mühendislikte İstatistik Yöntemler
|
|
- Özgür Çiftçi
- 6 yıl önce
- İzleme sayısı:
Transkript
1 Rastgele Değişkenlerin Dağılımları Mühendislikte İstatistik Yöntemler
2 Ayrık Rastgele Değişkenler ve Olasılık Dağılımları Yapılan çalışmalarda elde edilen verilerin dağılışı ve dağılış fonksiyonu her seferinde ampirik olarak belirlenemez. Bu nedenle olayın yapısı ve verilerin özelliği dikkate alınarak uygunluk gösterecekleri teorik populasyon dağılışı tahminlenir. Değerleri sayımla elde edilen değişkene kesikli değişken denir. Başka bir deyişle bir kesikli değişkenin birbirini izleyen değerleri arasında belirli boşluklar vardır. Değerleri ölçüm ya da tartımla elde edilen, bir başka anlatımla sayımla elde edilemeyen bir değişkene sürekli rassal değişken denir. Sürekli bir rassal değişkenin değerleri aralıklar halinde tanımlanır. Önemli bazı kesikli ve sürekli dağılışlarşunlardır:
3 Kesikli Dağı ğılış ışlar Binom Dağılşı Hipergeometrik Dağılış Poisson Dağılışı Negatif Biinom Dağılışı Multinom Dağılış... Sürekli Dağı ğılış ışlar Normal Dağılış Standart Normal Dağılış Üslü Dağılış Lognormal Dağılış Gamma Dağılış...
4 KESİKLİ (AYRIK, SÜREKSİZ) REASTGELE DEĞİKENLERİN DAĞILIMLARI Böyle bir rastgele değişkene ait çeşitli olayların olasılıkları; P( i ) P(X i ) şeklinde i değerlerinin hizasında birer düşey çizgi ile gösterilirse bu değişkenin olasılık kütle fonksiyonu (o.k.f) elde edilmiş olur. Düşey çizgilerin toplamı daima e eşittir. p( ) i i F( i ) P( X i ) Pratikte önem taşıyan bu fonksiyona eklenik dağılım fonksiyonu (e.d.f) denilir. F() fonksiyonu 0 dan e doğru gittikçe artan basamaklı bir fonksiyondur.
5 Örnek Bir trafik ışığında belirli bir anda durmakta olan araç sayısı X ile gösterilirse ve yapılan gözlemler sonucu aşağıdaki olasılıkların belirlenmiş olduğu kabul edilirse, bu değişkene ait olasılık kütle fonksiyonu ve eklenik dağılım fonksiyonunu çiziniz. p (0) 0.0 p () 0.20 p (2) 0.30 p (3) 0.20 p (4) 0.0 p (5) 0.0 p (6) 0.00 p (7) 0.00
6 Çözüm Olasılık Kütle Fonksiyonu (O.K.F.) p (0) 0.0 p () 0.20 p (2) 0.30 p (3) 0.20 p (4) 0.0 p (5) 0.0 p (6) 0.00 p (7) 0.00 F() p() 0,40 0,30 0,20 0,0 0, Eklenik Frekans Dağılımı (E.D.F)
7 Sürekli Rastgele Değişkenlerin Dağı ğılımları Sürekli rastgele değişkenin alabileceği değerlerin sayısı sonsuzdur. Sürekli rastgele değişkenin alabileceği değerlerin sayısı sonsuz, bu değerleri alma olasılıkları toplamı ise e eşit olacağından X şeklindeki basit olayların olasılıkları sıfıra gidecektir. Bu nedenle sürekli rastgele değişkenlerde basit olayların olasılıkları yerine değişkenin ile +d arasındaki bir aralıkta kalmasışeklindeki bileşik olayın olasılığını tanımlamak yoluna gidilir. Bu durumda Olasılık Yoğunluk Fonksiyonu (O.Y.F.): f (). d P ( < X + d)
8 Sürekli Rastgele Değişkenlerin Dağı ğılımları f() f(). d P( < X +d) o.y.f µ +d Olasılık Yoğunluk Fonksiyonu P( < X 2) 2 f ( ). d
9 Sürekli Rastgele Değişkenlerin Dağı ğılımları Değişkenin (-, + ) aralığında bir değer alması kesin (olasılığı olan) bir olay olduğuna göre f() daima f (). d koşuluna uyar. Sürekli değişken halinde eklenik dağılım fonksiyonunun tanımı değişmez: F() P(X ) Eklenik dağılım fonksiyonu daima şu koşulları sağlar: 0 F() F(- ) 0 F( ) ε>0 için F(+ε) F() F(2) - F() P( < X 2)
10 Dağılımların Parametreleri PARAMETRE Ortalama (Beklenen Değer) Varyans Standart Sapma Değişim Katsayısı Sürekli µ.p(). d Var E ( µ ).p(). d 2 Var C v µ Süreksiz Sınıflara Ayrılmamış Sınıflara Ayrılmış µ N m E i µ E i.f ( i ) N i i m 2 Var Var ( ).f ( ) N 2 ( i ) N i i i i
11 Dağılımların Parametreleri PARAMETRE Çarpıklık Katsayısı Basıklık Katsayısı Sürekli C k s ( µ ( µ ) ) p().d.p().d Süreksiz Sınıflara Ayrılmamış Sınıflara Ayrılmış C s k N N N i N i ( ( i 3 i 4 ) ) 3 4 C k s m ( i m ( i i i ) 3 ) f (.f ( i i ) )
12 Örnek Aşağıdaki frekans tablosuna göre, Ortalama, Varyans, Standart Sapma, Çarpıklık Katsayısı ve Basıklık Katsayısını bulunuz. Sınıf % f Tarih Qma
13 Sınıf Sınıf Orta Noktaları (X) % f Ortalama Varyans Çarpıklık Basıklık [] [2] [3] [4][2]*[3] [5][2]-(40.05) 2 *[3] [6][2]-(40.05) 3 *[3] [7][2]-(40.05) 4 *[3] Ortalama Varyans s Varyans Cs 0.0 k 2,
14 ÖNEMLİ OLASILIK DAĞILIM FONKSİYONLARI Binom Dağılımı Bir kesikli rastgele değişken için sadece 2 olay mevcutsa (olmak veya olmamak, ya da gerçekleşmek veya gerçekleşmemek gibi), ve bunların olasılıkları p ve q - p ile gösterilirse; n elemanlı bir örnek için olasılığı p olan olayın defa görülmesi olasılığı: P() n p q n n n(n )...(n + ).2...( )!(n n! )!
15 Rastgele değişkene ait birbirinden bağımsız n deneme yapılması durumunda olasılığı p olan olayın defa görülmesi olasılığı binom dağılımına uyar ve bu denemelere de istatistikte Bağımsız Bernoulli Denemeleri adı verilir.
16 Geometrik Dağılım Bağımsız Bernoulli denemelerinde ilk başarının inci denemede görülmesi olasılığı: P() q.p Bu dağılımın olasılık dağılım fonksiyonu ise: F() q şeklindedir. Parametreleri ise; E ( ) / p, Var( ) q / p 2
17 Dönüş aralığı T/p yıl olan bir olayın T yıllık bir süre içinde hiç görülmemesi olasılığı: ( p ) T Tp + T(T ) 2 p 2... şeklinde yazılabilir. T nin büyük değerleri için eşitliğin sağ tarafı e -Tp ye yaklaşır. Buna göre: P( 0) e -Tp e - p p e T50 yıl içinde hesaplanan değerin bu yaklaşık değere çok yakın olduğu görülmektedir.
18 Poisson Dağılımı Bir kesikli rastgele değişken için sadece 2 olay mevcut olsun(olmak veya olmamak, ya da gerçekleşmek veya gerçekleşmemek gibi), bunların olasılıkları p ve q - p ile gösterilsin. Ancak bu olaslıklardan biri çok küçükse ( p 0 ), buna karşılık n deneme sayısı çok büyükse ( n ) ve np çarpımı sonlu ise: n denemede olasılığı p olan olayın defa görülmesi olasılığı: P( ) µ. e! λ, µ n. p P( ) µ µ e.!
19 Sürekli Rastgele Değişkenlerin Dağı ğılımları Normal Dağılım (Gauss Dağılımı) f f ( ) e 2π 2 2 ( µ ) /(2 ) < < Dağılımın iki parametresi vardır: µ (- < µ < ) (rastgele değişkenin ortalaması) ( > 0) (rastgele değişkenin standart sapması)
20 Normal Dağı ğılım m (Gauss Dağı ğılımı) Normal dağılım simetrik bir dağılımdır. C s 0 (Çarpıklık Katsayısı) k 3 (kurtosis (basıklık) katsayısı) f() f() 2π e ( µ ) 2 /(2 2 ) O.Y.F - µ + X
21 Normal Dağı ğılım m (Gauss Dağı ğılımı) Bir rastgele değişkenin a ve b arasında bir değer alma olasılığı: b a 2 2 ( µ ) /(2 ) e 2π d Bu denklemin normal integrasyon teknikleri ile çözümü oldukça güçtür f() b a 2 2 ( µ ) /(2 ) e 2π d z µ standart normal değişken - a b + µ X Bu durumda normal dağılım, ortalaması µ 0, standart sapması olan standart normal dağılım adını alır. f ( z) e 2π 2 z / 2 < z <
22 Normal Dağılım Tablosu Standart Normal dağılım Eğrisi Altında Kalan Alan F() P (Z z) 0 z p z z z µ 0,03 z p z p z
23 Normal Dağılım z 0 z z 0 z z z 0 z 2 P(X < ) P (Z < z) P(X > ) P (Z > z) P( <X < 2 ) P (z <Z < z 2 )
24 Normal Dağılım z nin (-) negatif değerleri Normal Dağılım tablosundan okunurken, dağılımın simetrikliğinden dolayı z nin (+) değerinin karşılığı tablodan okunur ve den çıkarılır. Alanları eşit z 0,25 p 0,25 0,590 z - 0,25 p -0,25 - z(+0,25) -z z 0 -(+z) P -0,25-0,5900,409
25 Sürekli Rastgele De rekli Rastgele Değişkenlerin Da kenlerin Dağı ğılımlar mları Log-normal Dağılım Rastgele değişkene y ln () şeklinde logaritmik dönüşüm uygulandığında dönüştürülmüş Y değişkeninin dağılımı normal ise X değişkeninin dağılımı lognormaldir Cs > 0 - Normal dağılım tablosu kullanılır 0 + X 0 2 ) ( ) /(2 ] ) [ln( 2 2 e y f y y y µ π + 2 / 2 2 ln y µ µ µ 2 / 2 2 ln + y µ
26 Ekstrem Değer er Dağı ğılımları Dönüş Aralığı (Tekerrür Periyodu) p + q.0 p - q p /Tr q (/Tr) p aşılma olasılığı q aşılmama olasılığı Tr tekerrür periyodu
27 Ekstrem Değer er Dağı ğılımları Proje Periyodu ve Risk Proje hesaplarında gözönüne alınan Tr yıllık taşkın debisinin proje periyodu olan n yıllık bir süre içinde p n ile gösterilen bir aşılma olasılığı vardır ki bu olasılık kabul edilebilecek risk i ifade etmekte olup ekonomik düşüncelerle belirlenecek olan bir proje kriteridir. Dönüş Aralığı Tr yıl olan bir debinin n yıl boyunca hiç aşılmaması olasılığı; n qn Tr aşılması olasılığı ise; p n Tr n
28 Ekstrem Değer er Dağı ğılımları Sıralanmış Örnek Rank Frekans Dönüş Aralığı Risk California Weibull Hazen California Weibull Hazen California Weibull Hazen m/n m/(n+) (2m-)/2n n/m (n+)/m 2n/(2m-) -(-/Tr) N -(-/Tr) N -(-/Tr) N
29 Ekstrem Değer er Dağı ğılımları Log-Normal Dağılım Gumbel Dağılımı Pearson Tip III Dağılımı Log-Pearson Tip III Dağılımı
30 Ekstrem Değer er Dağı ğılımları GUMBEL DAĞILIMI Dağılımın genel OYF u: f ( ) e β µ β e e µ β Dağılımın yer parametresi µ 0 ölçek parametresi β alınırsa STANDART GUMBEL DAĞILIMI nın OYF si: f ( ) e e e
31 Ekstrem Değer er Dağı ğılımları GUMBEL DAĞILIMI Kümülatif Dağılım Fonksiyonu (Minimum) : F ( ) e e Kümülatif Dağılım Fonksiyonu (Maksimum) : F ( ) e e (-) işaretine dikkat et
32 Ekstrem Değer er Dağı ğılımları Gumbel Dağılımı (Fisher Tippett I) Dağılımın OYF u ve Tekerrür periyodu p q e y y e e p q e e y Tr p e y a (X - X o ) Büyük örnekler için (N > 30) a X o µ Küçük örnekler için (N 30) a n X o µ Y n n
33 Gumbel Dağılımı (Fisher Tippett I) N Ÿn n N Ÿn n N Ÿn n N Ÿn n 0 0,495 0, ,539, ,55, ,557,93 0,500 0, ,540, ,55,7 80 0,557,94 2 0,504 0, ,540, ,55,72 8 0,557,95 3 0,507 0, ,54,3 59 0,552, ,557,95 4 0,50, ,542, ,552, ,557,96 5 0,53, ,542,37 6 0,552, ,558,97 6 0,55, ,543, ,553, ,558,97 7 0,58, ,544,4 63 0,553, ,558,98 8 0,520, ,544, ,553, ,558,99 9 0,522, ,545, ,554, ,558, ,524, ,545, ,554,8 89 0,558, ,525, ,546, ,554, ,559, ,527, ,546, ,554,83 9 0,559, ,528, ,547, ,555, ,559, ,530, ,547, ,555, ,559, ,53, ,548,57 7 0,555, ,559, ,532, ,548, ,555, ,559, ,533,0 50 0,549,6 73 0,555, ,559, ,534,05 5 0,549, ,556, ,560, ,535, ,549, ,556, ,560, ,536,2 53 0,550, ,556,9 99 0,560, ,537,6 54 0,550, ,556,9 00 0,560, ,538,9 55 0,550, ,557,92
34 Ekstrem Değer er Dağı ğılımları /p Pearson Tip III Dağılımı X µ + K. Frekans faktörü /T T Dönüş Aralığı (yıl):,00,052 6,, Aşılma Olasılığı (p) (%): ,5 2 0,5 0, Cs 3,0-0,667-0,665-0,660-0,636-0,396 0,420,80 2,003 2,278 2,867 3,52 4,05 4,970 7,52 2,9-0,690-0,688-0,68-0,65-0,390 0,440,95 2,007 2,277 2,855 3,34 4,03 4,909 7,034 2,8-0,74-0,7-0,702-0,666-0,384 0,460,20 2,00 2,275 2,84 3,4 3,973 4,847 6,95 2,7-0,740-0,736-0,724-0,68-0,376 0,479,224 2,02 2,272 2,827 3,093 3,932 4,783 6,794
35 Ekstrem Değer er Dağı ğılımları
36
37
38 Ekstrem Değer Dağılımları Örnek : Bir istasyonda kaydedimiş 0 yıllık maksimum akımlar aşağıda verilmiştir. Normal, Log-Normal, Gumbel, Pearson Tip III ve Log-Pearson Tip III dağılımlarını kullanarak; a) 50 ve 00 yıl tekerrürlü gelmesi muhtemel akımı b) 80 m³/s değerinde bir akımın gelebileceği tekerrür periyodunu belirleyiniz Tarih 2/3/98 6 Qp (m³/s) 3/4/987 5/2/988 5/4/ //99 0 6/3/99 /4/992 6/2/99 3 7/4/99 4 2/3/
39 Ekstrem Değer er Dağı ğılımları Weibull Q Rank p m m/(n+)
40 Ekstrem Değer er Dağı ğılımları T Q ,000 0,00 0,00 0,00 p
41 ÖRNEK Bir istasyonda kaydedimiş 0 yıllık maksimum akımlar aşağıda verilmiştir. Normal, Log-Normal, Gumbel, Pearson Tip III ve Log- Pearson Tip III dağılımlarını kullanarak; 50 ve 00 yıl tekerrürlü gelmesi muhtemel akımı 80 m³/s değerinde bir akımın gelebileceği tekerrür periyodunu belirleyiniz Yıl Qp (m³/s)
42 Farklı yöntemlerle bulunan 50 ve 00 yıl tekerrürlü muhtemel debiler (m³/s) YÖNTEM Tr 50 yıl Tr 00 yıl Normal Log - Normal Gumbel Pearson Tip III Log - Pearson Tip III
43 Log - Normal Dağılım z Y µ y y log(80) µ y 2.023, y z 2.70 için q p q Tr / yıl
44 Gumbel Dağılımı q e e 0.044(X 96.26) e e 0.044( ) e e e Tr q yıl Pearson Tip III Dağılımı µ 07.4, X Cs K X µ X K 3.40 için T 333 yıl Tr / yıl
45 Log - Pearson Tip III Dağılım µ y 2.023, y Cs y 0.49 K Y µ y y log(80) K 2.70 için Tr 200 yıl YÖNTEM Normal Log - Normal Gumbel Pearson Tip III Log - Pearson Tip III Q 80 m³/s 3333 yıl 286 yıl 40 yıl 333 yıl 200 yıl
46
Ders 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
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
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
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
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
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
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
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
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
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
DetaylıOLASILIK ve KURAMSAL DAĞILIMLAR
OLASILIK ve KURAMSAL DAĞILIMLAR Kuramsal Dağılımlar İstatistiksel çözümlemelerde; değişkenlerimizin dağılma özellikleri, çözümleme yönteminin seçimi ve sonuçlarının yorumlanmasında önemlidir. Dağılma özelliklerine
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
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
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
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
DetaylıANADOLU ÜNİVERSİTESİ BEKLENEN DEĞER. X beklenen değeri B[X] ile gösterilir. B[X] = İST 213 OLASILIK DERSİ BEKLENEN DEĞER VE MOMENTLER
ANADOLU ÜNİVERSİTESİ İST 213 OLASILIK DERSİ BEKLENEN DEĞER VE MOMENTLER DOÇ. DR. NİHAL ERGİNEL 2015 X beklenen değeri B[X] ile gösterilir. B[X] = BEKLENEN DEĞER Belli bir malzeme taşınan kolilerin ağırlıkları
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
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
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
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
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
Detaylıİçindekiler. Ön Söz... xiii
İçindekiler Ön Söz.................................................... xiii Bölüm 1 İstatistiğe Giriş....................................... 1 1.1 Giriş......................................................1
DetaylıSimülasyonda İstatiksel Modeller. Banks, Carson, Nelson & Nicol Discrete-Event System Simulation
Simülasyonda İstatiksel Modeller Banks, Carson, Nelson & Nicol Discrete-Event System Simulation Amaç Model-geliştirici dünyaya deterministik değil olasıksal olarak bakar. İstatiksel modeller değişimleri
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
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
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
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
Detaylıkümeleri sırasıyla n 1, n 2,..., n k eleman içeriyorsa, önce A 1 nin bir elemanını seçmenin n 1
3. Olasılık Hesapları ve Olasılık Dağılımları 3.3. Sayma Teknikleri Olasılık hesapları ve istatistikte birçok problem, verilen küme elemanlarının sayılmasını veya sıralanmasını gerektirir. Eğer bir olayın
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
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
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.
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
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
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
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
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
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
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
Detaylıaltında ilerde ele alınacaktır.
YTÜ-İktisat İstatistik II Nokta Tahmin Yöntemleri 1 NOKTA TAHMİN YÖNTEMLERİ Şimdiye kadar verilmiş tahmin edicilerin sonlu örneklem ve asimptotik özelliklerini inceledik. Acaba bilinmeyen anakütle parametrelerini
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
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
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
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
DetaylıİNŞAAT MÜHENDİSLİĞİ BÖLÜMÜ ÖĞRENCİLERİNİN BAŞARI NOTLARININ DEĞERLENDİRİLMESİ. Tamer Yılmaz, Barış Yılmaz, Halim Sezici 1 ÖZET
İNŞAAT MÜHENDİSLİĞİ BÖLÜMÜ ÖĞRENCİLERİNİN BAŞARI NOTLARININ DEĞERLENDİRİLMESİ Tamer Yılmaz, Barış Yılmaz, Halim Sezici 1 ÖZET Bu çalışmada, Celal Bayar Üniversitesi İnşaat Mühendisliği Bölümü öğrencilerinin
DetaylıSÜREKLİ DÜZGÜN DAĞILIM
SÜREKLİ DÜZGÜN DAĞILIM X rassal değişkenin olasılık yoğunluk fonksiyonu; şeklinde ise x e düzgün dağılmış rassal değişken, f(x) e sürekli düzgün dağılım denir. a 0 olduğuna göre, f(x) >0 olur.
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
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.
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)
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
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)
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
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
DetaylıKÖPRÜÇAY YILLIK AKIM VERİLERİNE UYGUN OLASILIK DAĞILIM FONKSİYONU VE KURAKLIK ANALİZİ
KÖPRÜÇAY YILLIK AKIM VERİLERİNE UYGUN OLASILIK DAĞILIM FONKSİYONU VE KURAKLIK ANALİZİ Aslı ÜLKE, Türkay BARAN Dokuz Eylül Üniversitesi,, İnşaat Mühendisliği Bölümü, İZMİR ÖZET Kuraklık, yağışın normal
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
DetaylıAppendix B: Olasılık ve Dağılım Teorisi
Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Notları Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix B: Olasılık ve Dağılım
DetaylıYTÜ İktisat Bölümü EKONOMETRİ I Ders Notları
Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix B: Olasılık ve Dağılım Teorisi
DetaylıYTÜ İktisat Bölümü EKONOMETRİ I Ders Notları
Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix B: Olasılık ve Dağılım Teorisi
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)
DetaylıGAZİ ÜNİVERSİTESİ, İ.İ.B.F, İSTATİSTİK VE OLASILIĞA GİRİŞ I, UYGULAMA SORULARI. Prof. Dr. Nezir KÖSE
GAZİ ÜNİVERSİTESİ, İ.İ.B.F, İSTATİSTİK VE OLASILIĞA GİRİŞ I, UYGULAMA SORULARI Prof. Dr. Nezir KÖSE 30.12.2013 S-1) Ankara ilinde satın alınan televizyonların %40 ı A-firması tarafından üretilmektedir.
DetaylıARALIK TAHMİNİ (INTERVAL ESTIMATION):
YTÜ-İktisat İstatistik II Aralık Tahmini I 1 ARALIK TAHMİNİ INTERVAL ESTIMATION): Nokta tahmininde ilgilenilen anakütle parametresine ilişkin örneklem bilgisinden hareketle tek bir sayı üretilir. Bir nokta
Detaylı3 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
DetaylıRastgelelik, Rastgele Sinyaller ve Sistemler Rastgelelik Nedir?
Rastgelelik, Rastgele Sinyaller ve Sistemler Rastgelelik Nedir? Rastgelelik en basit anlamda kesin olarak bilinememektir. Rastgele olmayan deterministiktir (belirli). Bazı rastgele olgu örnekleri şöyle
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
DetaylıÖABT Olasılık - İstatistik KONU TESTİ Saymanın Temel Kuralları
ÖABT Olasılık - İstatistik KONU TESTİ Saymanın Temel Kuralları. 9 + = 6. A dan B ye 5 farklı şekilde gidebilir. B den C ye 3 farklı şekilde gidebilir. 5.3 = 5. 4.5 = 0 7. 5.3.3.5 = 5 3. kişi için iki durum
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
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.
DetaylıTEK BOYUTLU RASSAL DEĞİŞKENLER
TEK BOYUTLU RASSAL DEĞİŞKENLER Rassal değişken: S örnek uzayının her bir basit olayını yalnız bir gerçel değere dönüştüren fonksiyonuna rassal (tesadüfi) değişken denir. İki para birlikte atıldığında üste
DetaylıRastgele değişken nedir?
Rastgele değişken nedir? Şİmdiye kadar hep, kümelerden ve bu kümelerin alt kümelerinden (yani olaylar)dan bahsettik Bu kümelerin elemanları sayısal olmak zorunda değildi. Örneğin, yazı tura, kız erkek
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
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
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
DetaylıMAK 210 SAYISAL ANALİZ
MAK 210 SAYISAL ANALİZ BÖLÜM 6- İSTATİSTİK VE REGRESYON ANALİZİ Doç. Dr. Ali Rıza YILDIZ 1 İSTATİSTİK VE REGRESYON ANALİZİ Bütün noktalardan geçen bir denklem bulmak yerine noktaları temsil eden, yani
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
DetaylıBekleme Hattı Teorisi
Bekleme Hattı Teorisi Sürekli Parametreli Markov Zincirleri Tanım 1. * +, durum uzayı * +olan sürekli parametreli bir süreç olsun. Aşağıdaki özellik geçerli olduğunda bu sürece sürekli parametreli Markov
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.
Detaylı2. REGRESYON ANALİZİNİN TEMEL KAVRAMLARI Tanım
2. REGRESYON ANALİZİNİN TEMEL KAVRAMLARI 2.1. Tanım Regresyon analizi, bir değişkenin başka bir veya daha fazla değişkene olan bağımlılığını inceler. Amaç, bağımlı değişkenin kitle ortalamasını, açıklayıcı
DetaylıÖABT Olasılık - İstatistik KONU TESTİ Saymanın Temel Kuralları
ÖABT Olasılık - İstatistik KONU TESTİ Saymanın Temel Kuralları. 9 + = 6. A dan B ye 5 farklı şekilde gidebilir. B den C ye 3 farklı şekilde gidebilir. 5.3 = 5. 4.5 = 0 7. 5.3.3.5 5 3. kişi için iki durum
DetaylıBÖLÜM 1 GİRİŞ: İSTATİSTİĞİN MÜHENDİSLİKTEKİ ÖNEMİ
BÖLÜM..AMAÇ GİRİŞ: İSTATİSTİĞİ MÜHEDİSLİKTEKİ ÖEMİ Doğa bilimlerinde karşılaştığımız problemlerin birçoğunda olaydaki değişkenlerin değerleri bilindiğinde probleme kesin ve tek bir çözüm bulunabilir. Örneğin
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
DetaylıSU MÜHENDİSLİĞİNE GİRİŞ YRD. DOÇ. DR. FATİH TOSUNOĞLU
SU MÜHENDİSLİĞİNE GİRİŞ YRD. DOÇ. DR. FATİH TOSUNOĞLU DERS HAKKINDA GENEL BİLGİLER Görüşme Saatleri:---------- Tavsiye edilen kitaplar: 1-Kavramsal su mühendisliği, Prof.Dr. A.Melih Yanmaz, Prof. Dr. Nurunnisa
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.
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
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
DetaylıRassal Değişken. Yrd. Doç. Dr. Tijen ÖVER ÖZÇELİK
Rassal Değişken Yrd. Doç. Dr. Tijen ÖVER ÖZÇELİK tover@sakarya.edu.tr S örnek uzayı içindeki her bir basit olayı yalnız bir gerçel (reel) değere dönüştüren fonksiyona rassal değişken adı verilir. O halde
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
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
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
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
DetaylıİÇİNDEKİLER BÖLÜM 1 KAVRAMLAR VE YÖNTEMBİLİM
İÇİNDEKİLER BÖLÜM 1 KAVRAMLAR VE YÖNTEMBİLİM I. İSTATİSTİK KAVRAMI ve TANIMI... 1 A. İSTATİSTİK KAVRAMI... 1 B. İSTATİSTİĞİN TANIMI... 2 C. İSTATİSTİĞİN TARİHÇESİ... 2 D. GÜNÜMÜZDE İSTATİSTİK VE ÖNEMİ...
DetaylıAST416 Astronomide Sayısal Çözümleme - II. 2. Temel İstatistik Kavramlar ve Dağılımlar
AST416 Astronomide Sayısal Çözümleme - II 2. Temel İstatistik Kavramlar ve Dağılımlar Bu derste neler öğreneceksiniz? Sıklık Dağılımı ve Olasılık Dağılımı Olasılık ve Kümüatif Dağılım Fonksiyonları Dağılım
Detaylı2016 YILI AKTÜERLİK SINAVLARI: İSTATİSTİK OLASILIK
Soru 1 X rassal değişkeninin olasılık yoğunluk fonksiyonu x x, x> f ( x) = 0, dy. 1 werilmiş ve Y = rassal değişkeni tanımlamış ise, Y değişkenin 0< 1 X 1 y için olasılık yoğunluk fonksiyonu aşağıdaki
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
DetaylıÖğrenim Kazanımları Bu programı başarı ile tamamlayan öğrenci;
Image not found http://bologna.konya.edu.tr/panel/images/pdflogo.png Ders Adı : SOSYAL BİLİMLERDE İSTATİSTİK Ders No : 000100 Teorik : Pratik : 0 Kredi : ECTS : Ders Bilgileri Ders Türü Öğretim Dili Öğretim
DetaylıEkonometri I VARSAYIMLARI
Ekonometri I ÇOK DEĞİŞKENLİ REGRESYON MODELİNİN VARSAYIMLARI Hüseyin Taştan Temmuz 23, 2006 İçindekiler 1 Varsayım MLR.1: Parametrelerde Doğrusallık 1 2 Varsayım MLR.2: Rassal Örnekleme 1 3 Varsayım MLR.3:
DetaylıÜNİTE 5 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI
ÜNİTE 5 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI 1 Rassal Değişken Bir deney ya da gözlemin şansa bağlı sonucu bir değişkenin aldığı değer olarak düşünülürse, olasılık ve istatistikte böyle bir
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
DetaylıANADOLU ÜNİVERSİTESİ. ENM 317 MÜHENDİSLİK İSTATİSTİĞİ PARAMETRİK OLMAYAN TESTLER Prof. Dr. Nihal ERGİNEL
ANADOLU ÜNİVERSİTESİ ENM 317 MÜHENDİSLİK İSTATİSTİĞİ PARAMETRİK OLMAYAN TESTLER Prof. Dr. Nihal ERGİNEL PARAMETRİK OLMAYAN TESTLER Daha önce incelediğimiz testler, normal dağılmış ana kütleden örneklerin
Detaylı