İstatistik ve Olasılık
|
|
- Esen Bilge Bozkurt
- 6 yıl önce
- İzleme sayısı:
Transkript
1 İstatistik ve Olasılık Örnekleme Planlar ve Dağılımları Prof. Dr. İrfan KAYMAZ
2 Tanım İncelenen olayın ait olduğu anakütlenin bütünüyle dikkate alınması zaman, para, ekipman ve bunun gibi nedenlerden dolayı mümkün değildir. Bunun için anakütleyi temsil eden örnekler üzerinde çalışılır ve elde edilen sonuçlar kullanılarak anakütle hakkında bazı tahminler yapılır. Yapılan tahminlerin kesin sonuca yakınsayabilmesi, çekilen örneklerin anakütleyi temsil edebilmesine bağlıdır. Örneğin: seçimden önce sonuçların tahmini, üretilen malların tüketiciye gönderilmeden önce belirli özelliklere (sözgelimi standartlara) uygun olup olmadıklarının tahmini Makine elemanın ömrünün tahmini gibi günlük yaşamda sık yapılan bu işlem için anakütle yerine bu anakütleden örneklerin çekilmesi, incelenmesi ve sonuçlara ulaşılması örnekleme teorisinin konularını oluşturur.
3 Beklenen Değer Olasılık yoğunluk fonksiyonu /olasılık fonksiyonu ve dağılım fonksiyonu bir rastgele değişkenin komple (tam) tanımlamasını içermektedir. Ancak bu fonksiyonlar, ana kütleden elde edilen örnekler üzerinden hesaplanmaktadır veya tanımlanmaktadır. Kimi durumlarda rastgele değişkene ait tasvir edici parametrelerin hesaplanması, o rastgele değişkene ait genel özet bilgilerin elde edilmesi istenir. Bu özet bilgilerden en önemlisi beklenen değer( ümit) (expected value) Rastgele değişkene ait beklenen değer Kesikli Rastgele Değişken Sürekli Rastgele Değişken
4 Beklenen Değer Örnek: Bir süpermarket için müşterinin kasada bekleme zamanı (X)i tanımlayan olasılık yoğunluk fonksiyonu aşağıda verilmiştir: Müşterilerin ortalama bekleme sürelerini bulunuz. Örnek Çözüm:
5 Beklenen Değer Örnek: X zar atışında bir zarın alacağı değerleri göstermektedir. E(X) =? Örnek Çözüm: X in alacağı muhtemel değerler: 1,2,3,4,5 ve 6. Dolayısıyla X rastgele değişkenin olasılık yoğunluk fonksiyonu: Bir Zar atıldığında böyle bir sayı ile karşılaşılabilir mi???
6 Büyük Sayılar Yasası Bir önceki örnekte zar atışında beklene değer 3.5 olarak hesaplanmıştı. Böyle bir değer asla gelmez. İstatistiksel kurallarda rastlantıya bağlı bir olayın çok (sonsuz) kez yinelenmesiyle farklılaşmaya yol açan rastgele nedenlerin birbirini dengeleyeceği düşünülmektedir. Böylece, çok kez tekrar halinde, belirli ve önemli olan nedenlerin etkisinin ortalama değer olarak görülebileceği kabul edilmektedir (büyük sayılar yasası). Bu teorem, n yeterince büyük olduğunda rastgele değişkenin gözlemlenen değerleri yaklaşık olarak ortalama değerine eşit olma ihtimali oldukça büyüktür. Dolayısıyla zar atışında beklenen değerin 3.5 olması, 3.5 değerini gözlemleyeceğimiz anlamına gelmez. Bir zarın pek çok kez atılması neticesindeki ortalama değer yaklaşık olarak 3.5 olduğu söylenebilir.
7 Merkezi Limit Teoremi Açıklayıcı İstatistikte çok önemli olan Merkezi Limit Teoremi: Ortalaması ve varyansı 2 olan herhangi bir anakütleden rastgele çekilen n birimlik örneklerin ortalamalarının dağılımı normal, ortalaması ve varyansı 2 /n dir. Bu gibi durumlarda kullanılacak Z eşitliği yandaki biçimde olacaktır Z X 2 n Bu teoremin bir sonucu olarak; örnekteki birim sayısı yeterince büyük olduğunda X N anakütlenin dağılımına bakılmaksızın yazılabilmektedir. ~ ( ; 2.. ) n ilişkisi
8 Merkezi Limit Teoremi Örnek: Bir torbada 20 top->1 20 top->2 20 top->3 20 top->4 20 top->5 olarak işaretlenmiş olsun. Bu torbadan iadeli olmak koşuluyla 2 top çekilmektedir. Burada örnek sayısı 2 olmaktadır. Bu işlem 25 kez tekrarlandığında yandaki tabloda verilen değerler gözlemlenmiştir. Örnek İlk Top İkinci Top Örnek ortalaması
9 Merkezi Limit Teoremi Örneklerin ortalamalarının olasılıkları Örnek Ortalaması Frekans Nisbi Frekans Olasılık / / / / / / / / / Normal Dağılıma benziyor mu???
10 Merkezi Limit Teoremi n=5 n=20 n=10
11 Örnekleme Dağılımı: Tanım nde ortalama bir öğrencinin boy ortalamasını belirlemeye çalışalım. Bütün öğrencilerin boylarını ölçüp ortalama değerini hesaplamak mümkün değildir. Rastgele seçilen 10 öğrencinin boylarını ölçüp kaydedelim. Bu işlem beş kez tekrarlanıp aşağıda her bir tekrarın ortalama değeri belirtilmiştir. Örnekleme Numarası Boyların ortalama değeri (Örnek Ortalaması) Tablodan görüleceği gibi her bir örnekleme kendisine ait ortalama değerine sahiptir ve birbirlerinden farklıdır. Bu dağılma örnekleme dağılımı denir.
12 Örnek Ortalamasının Dağılımı N birimlik bir anakütleden rastgele çekilecek n birimlik örnek sayısı örneklemenin iadeli veya iadesiz yapılışına göre farklı sayıda olacaktır. Çekilecek örnek sayısı: Her iki durumda da çekilecek örnek ortalamalarının ortalaması, ana kütle ortalamasına eşittir. Örnek ortalamalarının varyansı:
13 Örnek Ortalamasının Dağılımı Anakütlenin dağılımı normal ise örnek ortalamasının dağılımı da normal olacaktır. Anakütlenin dağılımı bilinmese de örnek ortalamasının dağılımının merkezi limit teoremine göre normal dağılım olacaktır. Her iki durumda kullanılacak Z eşitlikleri:
14 Örnek Ortalaması Örnek: Bir bölgedeki telefon görüşmeleri üzerine yapılan incelemede ortalama görüşme süresinin 8 dakika ve varyansının 4 olduğu belirlenmiştir. Rasgele seçilen 49 telefon görüşmesinde ortalama görüşme süresinin 7.8 dakika ile 8.4 dakika arasında çıkma olasılığı nedir? Örnek ÇÖZÜM: Anakütlenin dağılımı bilinmese de örnek ortalamasının dağılımının merkezi limit teoremine göre normal dağılım olacağından normal dağılım yardımıyla istenen olasılık değeri hesaplanabilir. Buna göre;
15 İki Ortalama Farkı ve Toplamı İKİ ORTALAMA ARASINDAKİ FARKIN VE TOPLAMIN DAĞILIMI Herhangi iki anakütleden rastgele çekilen n1 ve n2 büyüklükteki örneklerin toplamına (ve farkına) ait değerlerin ortalaması, anakütle ortalamalarının toplam (ve farkına), varyansları ise örnek varyanslarının toplamına eşittir. Yani, Ortalamaların toplam ve farklarının dağılımı ya normaldir ya da yaklaşık olarak normaldir. Bu ifadenin yazılışı ve kullanılacak Z eşitliği:
16 İki Ortalama Farkı ve Toplamı Örnek: Kablo üreticisi iki firmanın ürettikleri kabloların kopma mukavemetleri ortalamasının, sırasıyla 200 kg/cm 2 ve 180 kg/cm 2, standart sapmalarının 13.5 kg/cm 2 ve 200 kg/cm 2 olduğu belirtilmiştir. Bu iddianın doğru olup olmadığını test etmek isteyen tüketici bir firma ilk firmanın üretiminden rastgele 100 parça kablo, ikinci firmanın üretiminden rastgele 50 parça kablo almıştır. Üretici firmaların beyanatlarının doğru olduğu kabul edilirse; birinci ve ikinci firmanın kablolarının kopma mukavemetleri ortalamaları arasındaki farkın; a) En fazla 17 kg/cm 2 çıkması olasılığı nedir? b) En az 15 kg/cm 2 çıkması olasılığı nedir?
17 İki Ortalama Farkı ve Toplamı Örnek Çözüm:
18 Bir Oranın Dağılımı
19 Bir Oranın Dağılımı Örnek: Bir süpermarketten 50 milyon TL veya daha fazla bedelli ürün alan müşterilerin ortalama olarak %30 unun kredi kartı kullandığı belirlenmiştir. 50 milyon TL veya daha fazla bedelli ürün alan müşteriler arasından rastgele seçilen 100 müşteriden ödemesini kredi kartı ile yapanların oranının %20 ile %25 arasında çıkması olasılığı nedir? Örnek ÇÖZÜM: Örnek hacmi yeterince büyük olduğu için binom dağılımına normal dağılım yaklaşımı kullanılabilir.
20 İki Oran Toplamı ve Farkı Herhangi iki binom anakütlesinden rastgele çekilen n 1 ve n 2 birimlik örneklerden elde edilen oranların toplam ve farkları; ortalaması ve varyansı olan yaklaşık normal dağılım gösterir. Z değeri ise aşağıdaki gibidir:
21 İki Oran Toplamı ve Farkı Örnek: Pil üreten iki fabrikanın ürettiği pillerin dayanma sürelerini aşağıdaki şekilde açıklamışlardır: Birinci fabrika: Pillerimizin %80 i 200 saatin üzerinde dayanır İkinci fabrika: Pillerimizin %73 ü 200 saatin üzerinde dayanır Bunu test etmek isteyen bir tüketici örgütü birinci fabrikanın üretiminden rastgele 50 adet pil, ikinci fabrikanın üretiminden rastgele 60 pil almıştır. Birinci ve ikinci fabrikada üretilen pillerin dayanma oranları arasındaki farkın en az %10 olma olasılığı nedir?
22 İki Oran Toplamı ve Farkı Örnek Çözüm: Binom dağılımına normal dağılım yaklaşımı ile çözülebilir.
23 Gelecek Dersin Konusu İstatistiki Tahminler.
İstatistik 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
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
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
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
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
Detaylı10. Bir ana kütle oranının tahmininde α = 0,05 ise kullanılan Z değeri nedir? A) 1,64 B) 1,84 C) 1,96 D) 2,28 E) 3,08
1. Tanımlanan ana kütleden rassal seçilen örneklemlerden hesaplanan istatistikler yardımı ile ilgili ana kütle parametrelerinin değerini araştırma sürecine ne ad verilir? A) İstatistiksel hata B) İstatistiksel
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.
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.
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
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
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
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
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
Detaylıİstatistiksel Yorumlama
İstatistiksel Yorumlama Amaç, popülasyon hakkında yorumlamalar yapmaktadır. Populasyon Parametre Karar Vermek Örnek İstatistik Tahmin 1 Tahmin Olaylar hakkında tahminlerde bulunmak ve karar vermek zorundayız
DetaylıOLASILIK ve KURAMSAL DAĞILIMLAR
OLASILIK ve KURAMSAL DAĞILIMLAR Kuramsal Dağılımlar İstatistiksel çözümlemelerde; değişkenlerimizin dağılma özellikleri, çözümleme yönteminin seçimi ve sonuçlarının yorumlanmasında önemlidir. Dağılma özelliklerine
Detaylıİçindekiler. Ön Söz... xiii
İçindekiler Ön Söz.................................................... xiii Bölüm 1 İstatistiğe Giriş....................................... 1 1.1 Giriş......................................................1
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.
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
DetaylıNORMAL DAĞILIM. 2., anakütle sayısı ile Poisson dağılımına uyan rassal bir değişkense ve 'a gidiyorsa,
NORMAL DAĞILIM TEORİK 1., ortalaması, standart sapması olan bir normal dağılıma uyan rassal bir değişkense, bir sabitken nin beklem üreten fonksiyonunu bulun. 2., anakütle sayısı ile Poisson dağılımına
DetaylıİSTATİSTİK II. Hipotez Testleri 1
İSTATİSTİK II Hipotez Testleri 1 1 Hipotez Testleri 1 1. Hipotez Testlerinin Esasları 2. Ortalama ile ilgili bir iddianın testi: Büyük örnekler 3. Ortalama ile ilgili bir iddianın testi: Küçük örnekler
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
DetaylıÖrneklem Dağılımları ve Merkezi Limit Teoremi
Örneklem Dağılımları ve Merkezi Limit Teoremi Çıkarımsal İstatistik (Inferential Statistics) : Örneklemden yola çıkarak ana kütleyle (popülasyonla) ilgili çıkarımlarda bulunmak (Smidt, 2001) İstatistiksel
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
DetaylıPARAMETRİK OLMAYAN İSTATİSTİKSEL TEKNİKLER
PARAMETRİK OLMAYAN İSTATİSTİKSEL TEKNİKLER Prof. Dr. Ali ŞEN 1 Tek Örneklem İşaret Testi İşaret Testi parametrik olmayan prosedürler içinde en eski olanıdır. Analiz yapılırken serideki verileri artı ve
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
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
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
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
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
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık Ders 10: Prof. Dr. İrfan KAYMAZ Tanım Varyans analizi niçin yapılır? İkiden fazla veri grubunun ortalamalarının karşılaştırılması t veya Z testi ile yapılabilir. Ancak karşılaştırılacak
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
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
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
DetaylıAktüerlik Sınavları I. Seviye / Olasılık-İstatistik Örnek Sorular I
Aktüerlik Sınavları I. Seviye / Olasılık-İstatistik Örnek Sorular I S1. Cep telefonu üreten bir fabrikada toplam üretimin % 30 u A, % 30 u B ve % 40 ı C makineleri tarafından yapılmaktadır. Bu makinelerin
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
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.
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
Detaylı8.Hafta. Değişkenlik Ölçüleri. Öğr.Gör.Muhsin ÇELİK. Uygun değişkenlik ölçüsünü hesaplayıp yorumlayabilecek,
İSTATİSTİK 8.Hafta Değişkenlik Ölçüleri Hedefler Bu üniteyi çalıştıktan sonra; Uygun değişkenlik ölçüsünü hesaplayıp yorumlayabilecek, Serilerin birbirlerine değişkenliklerini yorumlayabileceksiniz. 2
DetaylıTanımlayıcı İstatistikler. Yrd. Doç. Dr. Emre ATILGAN
Tanımlayıcı İstatistikler Yrd. Doç. Dr. Emre ATILGAN 1 Tanımlayıcı İstatistikler Yer Gösteren Ölçüler Yaygınlık Ölçüleri Merkezi Eğilim Ölçüleri Konum Ölçüleri 2 3 Aritmetik Ortalama Aritmetik ortalama,
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
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
DetaylıİSTATİSTİK STATISTICS (2+0) Yrd.Doç.Dr. Nil TOPLAN SAÜ.MÜH. FAK. METALURJİ VE MALZEME MÜH. BÖLÜMÜ ÖĞRETİM ÜYESİ ÖĞRETİM YILI
İSTATİSTİK STATISTICS (+) Yrd.Doç.Dr. Nil TOPLAN SAÜ.MÜH. FAK. METALURJİ VE MALZEME MÜH. BÖLÜMÜ ÖĞRETİM ÜYESİ ÖĞRETİM YILI KONU BAŞLIKLARI :. İSTATİSTİĞE GİRİŞ. VERİLERİN DÜZENLENMESİ. MERKEZİ EĞİLİM ÖLÇÜLERİ.
DetaylıANADOLU ÜNİVERSİTESİ. ENM317 Mühendislik İstatistiği İSTATİSTİKSEL TAHMİN Prof. Dr. Nihal ERGİNEL
ANADOLU ÜNİVERSİTESİ ENM317 Mühendislik İstatistiği İSTATİSTİKSEL TAHMİN Prof. Dr. Nihal ERGİNEL İSTATİSTİKSEL TAHMİN Örnekten anakütle parametrelerinin tahmin edilmesidir. İki tür tahminleme yöntemi vardır:
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
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
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
DetaylıAKT201 Matematiksel İstatistik I Yrd. Doç. Dr. Könül Bayramoğlu Kavlak
AKT20 Matematiksel İstatistik I 207-208 Güz Dönemi AKT20 MATEMATİKSEL İSTATİSTİK I ÖDEV 6 Son Teslim Tarihi: 29 Aralık 207 Cuma, Saat: 5:00 (Ödevlerinizi Arş. Gör. Ezgi NEVRUZ a elden teslim ediniz.) (SORU
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık Prof. Dr. İrfan KAYMAZ Mühendislik Fakültesi Makine Mühendisliği Bölümü Ders Müfredatı Açıklayıcı İstatistik Merkezi Eğilim ve Dağılma Ölçüleri Olasılık (İhtimal) Anakütle Dağılımları
DetaylıALIŞTIRMALAR. Sayısal Bilginin Özetlenmesi:
İSTATİSTİK I ALIŞTIRMALAR Y.Doç.Dr. Hüseyin Taştan AÇIKLAMA: N: P. Newbold, İşletme ve İktisat için İstatistik, 4. basımdan çeviri. Çift sayılı alıştırmalar için kitabın arkasındaki çözümlere bakabilirsiniz.
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
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık KORELASYON ve REGRESYON ANALİZİ Doç. Dr. İrfan KAYMAZ Tanım Bir değişkenin değerinin diğer değişkendeki veya değişkenlerdeki değişimlere bağlı olarak nasıl etkilendiğinin istatistiksel
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
DetaylıHİPOTEZ TESTLERİ ANADOLU ÜNİVERSİTESİ. Hipotez Testleri ENM317 Mühendislik İstatistiği Doç. Dr. Nihal ERGİNEL 2014
ANADOLU ÜNİVERSİTESİ Hipotez Testleri ENM317 Mühendislik İstatistiği Doç. Dr. Nihal ERGİNEL 2014 HİPOTEZ TESTLERİ Pek çok problemde bazı parametrelere bağlı bir ifadeyi kabul yada red etmek için karar
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
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
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
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 C: İstatistiksel Çıkarsama Doç.
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
DetaylıOlasılık 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
DetaylıBKİ farkı Standart Sapması (kg/m 2 ) A B BKİ farkı Ortalaması (kg/m 2 )
4. SUNUM 1 Gözlem ya da deneme sonucu elde edilmiş sonuçların, rastlantıya bağlı olup olmadığının incelenmesinde kullanılan istatistiksel yöntemlere HİPOTEZ TESTLERİ denir. Sonuçların rastlantıya bağlı
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
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
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
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
DetaylıOLASILIK VE İSTATİSTİK
OLASILIK VE İSTATİSTİK 1 Bölüm 1 Temel Terimler ve Tanımlar 2 Giriş Genel olarak araştırmalarda, büyük veri gruplarının içinden daha küçük veri grupları seçilerek büyük veri gruplarının hakkında bilgi
DetaylıMühendislikte İstatistiksel Yöntemler
Mühendislikte İstatistiksel Yöntemler BÖLÜM 9 VARYANS ANALİZİ Yrd. Doç. Dr. Fatih TOSUNOĞLU 1 Varyans analizi niçin yapılır? İkiden fazla veri grubunun ortalamalarının karşılaştırılması t veya Z testi
DetaylıRastlantı Değişkenleri
Rastlantı Değişkenleri Olasılık Kütle Fonk. Example: A shipment of 8 similar microcomputers to a retail outlet contains 3 that are defective. If a school makes a random purchase of 2 of these computers,
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
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
DetaylıPARAMETRİK OLMAYAN İSTATİSTİKSEL TEKNİKLER
PARAMETRİK OLMAYAN İSTATİSTİKSEL TEKNİKLER Prof. Dr. Ali ŞEN 1 ANAKÜTLE Anakütle kavramı insan, yer ve şeyler toplulugunu ifade etmek için kullanır. İlgi alanına gore, araştırmacı hangi topluluk üzerinde
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
DetaylıHipotez Testlerine Giriş. Hipotez Testlerine Giriş
Hipotez Testlerine Giriş Hipotez Testlerine Giriş Hipotez Testlerine Giriş Gözlem ya da deneme sonucu elde edilmiş sonuçların, raslantıya bağlı olup olmadığının incelenmesinde kullanılan istatistiksel
DetaylıİSTATİSTİK VE OLASILIK SORULARI
İSTATİSTİK VE OLASILIK SORULARI SORU 1 Meryem, 7 arkadaşı ile bir voleybol maçına katılmayı planlamaktadır. Davet ettiği arkadaşlarından herhangi bir tanesinin EVET deme olasılığı 0,8 ise, en az 3 arkadaşının
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
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
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.
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
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.
DetaylıOlasılık, 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
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
DetaylıDers 9: Kitle Ortalaması ve Varyansı için Tahmin
Ders 9: Kitle Ortalaması ve Varyansı için Tahmin Kitle ve Örneklem Örneklem Dağılımı Nokta Tahmini Tahmin Edicilerin Özellikleri Kitle ortalaması için Aralık Tahmini Kitle Standart Sapması için Aralık
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)
DetaylıMerkezi Limit Teoremi
Örnekleme Dağılımı Merkezi Limit Teoremi Şimdiye kadar normal dağılıma uygun olan veriler ile ilgili örnekler incelendi. Çarpıklık gösteren veriler söz konusu olduğunda ne yapılması gerekir? Hala normal
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
Detaylı26.12.2013. Farklı iki ilaç(a,b) kullanan iki grupta kan pıhtılaşma zamanları farklı mıdır?
26.2.23 Gözlem ya da deneme sonucu elde edilmiş sonuçların, raslantıya bağlı olup olmadığının incelenmesinde kullanılan istatistiksel yöntemlere HĐPOTEZ TESTLERĐ denir. Sonuçların raslantıya bağlı olup
DetaylıİSTATİSTİKSEL HATALAR VE ÖRNEKLEME HATASININ ÖLÇÜLMESİ
İSTATİSTİKSEL HATALAR VE ÖRNEKLEME HATASININ ÖLÇÜLMESİ Yrd.Dop.Dr. Şehamet Bülbül (*) 1.GÎRÎŞ Herhangi bir konuda kaıar vermek veya tahmin yapabilmek için o konu ile ilgili birimler incelenerek gerekli
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.
DetaylıİSTATİSTİK HAFTA. ÖRNEKLEME METOTLARI ve ÖRNEKLEM BÜYÜKLÜĞÜNÜN TESPİTİ
ÖRNEKLEME METOTLARI ve ÖRNEKLEM BÜYÜKLÜĞÜNÜN TESPİTİ HEDEFLER Bu üniteyi çalıştıktan sonra; Örneklemenin niçin ve nasıl yapılacağını öğreneceksiniz. Temel Örnekleme metotlarını öğreneceksiniz. Örneklem
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
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 Ders Hakkında Genel Bilgiler Oda No: 1A Görüşme Saatleri:
DetaylıStokastik Süreçler. Bir stokastik süreç ya da rastgele süreç şöyle tanımlanabilir.
Bir stokastik süreç ya da rastgele süreç şöyle tanımlanabilir. Zamanla değişen bir rastgele değişkendir. Rastgele değişkenin alacağı değer zamanla değişmektedir. Deney çıktılarına atanan rastgele bir zaman
DetaylıANADOLU ÜNİVERSİTESİ. Hipotez Testleri. ENM317 Mühendislik İstatistiği Prof. Dr. Nihal ERGİNEL
ANADOLU ÜNİVERSİTESİ Hipotez Testleri ENM317 Mühendislik İstatistiği Prof. Dr. Nihal ERGİNEL HİPOTEZ TESTLERİ Pek çok problemde bazı parametrelere bağlı bir ifadeyi kabul yada red etmek için karar vermek
Detaylıistatistik 4. Bir frekans dağılımına ilişkin birikimli seriler 1. Birimlerle ilgili aşağıdaki ifadelerden hangisi
2010 S 4200- İstatistik sorulannın cevap l anmasında gerekli olabilecek t ablolar ve f ormüller bu kitapçığın sonunda verilmiştir. 1. Birimlerle ilgili aşağıdaki ifadelerden hangisi yanlıstır? ) Maddesel
DetaylıBÖLÜM 10 ÖRNEKLEME YÖNTEMLERİ
İÇİNDEKİLER BÖLÜM 10 ÖRNEKLEME YÖNTEMLERİ I. ÖRNEKLEME... 1 II. ÖRNEKLEMENİN SAFHALARI... 2 III. ÖRNEK ALMA YÖNTEMLERİ 5 A. RASYONEL ÖRNEK ALMA... 5 B. TESADÜFİ ÖRNEK ALMA... 6 C. KADEMELİ ÖRNEK ALMA...
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.
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
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
Detaylı