SÜREKLİ RASSAL DEĞİŞKENLER

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "SÜREKLİ RASSAL DEĞİŞKENLER"

Transkript

1 SÜREKLİ RASSAL DEĞİŞKENLER

2 Sürekli Rassal Değişkenler Sürekli Rassal Değişken: Değerleriölçümyadatartımla elde edilen, bir başka anlatımla sayımla elde edilemeyen, değişkene sürekli rassal değişken denir. Sürekli rassal değişkenin değerleri aralıklar halinde tanımlanır. Bu aralığa tanım aralığı adı verilmektedir. Örneğin; Bir kişinin boy uzunluğu, Sınavda bir sorunun çözülme süresi, A bileşiğinin içindeki bir bileşenin yüzdesi, Bir şişe sütün ağırlığı. 2

3 Sürekli Olasılık Dağılımı Sürekli Olasılık Dağılımı: Sürekli bir rassal değişkenin olasılık dağılımı iki önemli özelliğe sahiptir: 1. Bir aralıkta herhangi bir değer alan x inolasılığı 0 1 arasındadır. 2. x in aldığı tüm değerlerin olasılıkları toplamı 1 dir (%100). 3

4 Sürekli Olasılık Dağılımı Sürekli bir rassal değişkenin olasılık dağılım eğrisine, olasılık yoğunluk fonksiyonu da denmektedir. Sürekli bir rassal değişkenin bir aralıkta aldığı varsayılan değerlerin olasılığı, bir aralığın iki limiti arasında ve eğri altındaki alandır. Şekildeki a ve b arasındaki taralı alan, X in a ve b arasında olma olasılığını [P(a x b) ] vermektedir. 4

5 Sürekli Olasılık Dağılımı Örneğin; bir üniversitede öğrenim gören 5000 öğrencinin ağırlıkları (X) kg cinsinden aşağıda verilmektedir. 5

6 Sürekli Olasılık Dağılımı Bu gruptan rassal seçilen bir öğrencinin ağırlığının kg arasında olması olasılığı [P(65 x 68) ] ağırlıkların dağılım eğrisi altındaki alan olarak gösterilmektedir. 6

7 Sürekli Olasılık Dağılımı Sürekli bir olasılık dağılımında olasılık, her zaman bir aralık için hesaplanmaktadır. X gibi bir sürekli rassal değişkenin alabileceği tek bir değerin olasılığı her zaman sıfırdır. Çünkü; verilen bir noktanın alanı sıfırdır. Örneğin; rassal seçilen bir öğrencinin ağırlığının 67kgolmaolasılığı sıfırdır ve; P ( x = 67) = 0, biçiminde gösterilir. 7

8 Sürekli Olasılık Dağılımı aveb,xsüreklirassaldeğişkeninin aldığı iki değer olmak üzere, bu değerlere ilişkin olasılıklar; P(a)=0 ve P(b)=0dir. O halde sürekli bir rassal değişken için; P (a x b)=p(a<x<b) yazılabilir. Bir başka ifadeyle, verilen sınır değerlerine eşitlik (olasılık değeri sıfır olduğundan) sonucu değiştirmemektedir. 8

9 Olasılık Yoğunluk Fonksiyonu Olasılık Yoğunluk Fonksiyonu: X, sürekli bir rassal değişken olmak üzere; P a x b f x dx b a özelliğini gerçekleyen f(x) e X in olasılık yoğunluk fonksiyonu adı verilmektedir. 9

10 Olasılık Yoğunluk Fonksiyonu Olasılık yoğunluk fonksiyonu aşağıdaki özellikleri sağlar: Tanım aralığı dışında fonksiyonun değeri sıfırdır. Olasılık değeri, eğri altında kalan alan hesabından bulunur. P b a x b f x dx 0 x 1 f dx A a 10

11 Olasılık Yoğunluk Fonksiyonu Örnek 1: Xrassaldeğişkeninin verilen olasılık yoğunluk fonksiyonuna göre aşağıdaki olasılıkları hesaplayınız. f(x) = 2x 0 x 1 0 diğer durumlarda a) P(0.5 x 1)=? b) P(x 3/4 ) =? c) P(x 1/5 ) =? 11

12 Olasılık Yoğunluk Fonksiyonu Örnek 2: X rassal değişkeninin olasılık fonksiyonu aşağıdaki gibi tanımlansın. Buna göre; a) P(x 3)=? b) P(2 x 4)=? c) P(2 x 4)=? f(x) = x/15 x=1,2,3,4,5 0 diğer durumlarda 12

13 Beklenen Değer ve Varyans Beklenen Değer: Sürekli bir rassal değişkenin beklenen değeri; E( X ) x f ( x) dx (- x ), şeklinde hesaplanmaktadır. g(x), X rassal değişkeninin bir fonksiyonu ise beklenen değer; E g( x) g x f ( x) dx, şeklinde hesaplanmaktadır. 13

14 Beklenen Değer ve Varyans Varyans: Ölçülen değerlerin ortalamadan sapmalarının karelerinin beklenen değeri X sürekli rassal değişkeninin varyansını verir. Var(X) = σ 2 = E[(X-μ) 2 ] Var(X) = σ 2 = E(X 2 ) [E(X)] 2 14

15 Beklenen Değer ve Varyans Örnek 3: Xrassaldeğişkeninin olasılık yoğunluk fonksiyonu aşağıdaki gibi olduğuna göre; a) X in beklenen değerini ve varyansını bulunuz. b) Y=2X+3 olduğuna göre Y nin beklenen değerini ve varyansını bulunuz. f(x) = 3x 2 0 x 1 0 diğer durumlarda 15

16 SÜREKLİ RASSAL DEĞİŞKENLERİN OLASILIK DAĞILIMI

17 Normal Dağılım: Sürekli rassal değişkenlerin uyduğu olasılık dağılımlarından en önemlisidir. * Normaldağılım * Üssel dağılım *Gamadağılımı *Betadağılımı Günlük yaşamda karşılaşılan pek çok değişken normal dağılır. Örneğin; insanların boy uzunlukları, ağırlıkları, sınav sonuçları, paketlerin ağırlıkları, bir şişedeki sütün miktarı, ampul - pil gibi nesnelerin ömrünün hep (yaklaşık) normal dağıldığı kabul edilir. 17

18 Normal olasılık dağılımı ya da normal eğri (curve), çan biçiminde bir şekille gösterilmektedir. Bu eğrinin ortalaması μ ve standart sapması σ dır. Normal dağılım gösterensüreklibirrassaldeğişkene, normal rassal değişken denir. 18

19 Normal dağılımın taşımak zorunda olduğu üç önemli özellik vardır: 1. Normal dağılım eğrisi altındaki toplam alan 1.0 ya da %100 dür. 2. Bir normal dağılım eğrisi ortalamaya göre simetrik olup, eğri altındaki toplam alanın yarısı ortalamanın sağında, yarısıysa solunda yer alır. 19

20 3. Bir normal eğrinin iki ucu yatay eksene asimptottur, yani sonsuza gitmektedir. Bir normal dağılım eğrisi hiçbir zaman yatay eksene dokunmamakla birlikte; (μ,-3σ) danküçükve(μ,+3σ) danbüyük aralıkta eğri altında kalan alanın sıfır olduğudüşünülmektedir. Normal dağılımın parametreleri; μ (ortalama) ve σ (standart sapma) dır. Bu parametrelerden μ, yatay eksen üzerinde bir normal dağılımın merkezini belirtirken, σ da dağılımın yayılımını ifade etmektedir. 20

21 Normal olasılık dağılımına uyan X rassal değişkeninin olasılık yoğunluk fonksiyonu; f ( x) 1 e x 2 şeklindedir. Genelde bu eşitlik yerine, bu eşitlik kullanılarak oluşturulan standart normal dağılım tabloları kullanılmaktadır. 21

22 22

23 23

24 Standart Normal Dağılım: Standart normal dağılım, normal dağılımın μ = 0veσ = 1olduğuözelbir durumudur. Standart normal dağılımda rassal değişken z ile gösterilmektedir. Standart normal dağılımın birimi olan z değerlerine standart birimler ya da standart skorlar denir. -Standart normal dağılım eğrisi- 24

25 z değerleri: Yatay eksen üzerindeki bir noktanın z değeri, ortalamayla o nokta arasındaki uzaklığın standart sapma cinsinden değeridir. Örneğin; z = 2 nin anlamı, sağ tarafta o noktanın ortalamaya iki standart sapma (+2σ) uzaklıkta olduğudur. Aynı şekilde z = - 2 nin anlamıysa sol tarafta yine iki standart sapma (-2σ) uzaklıkta olduğudur. Standart normal eğri altında, iki nokta arasındaki alan z değerinin bu aralık içerisindeki değerleri alabilme olasılığıdır. 25

26 Örnek 4: Standart normal eğri altında; z = 0 ile z = 1.95 arasındaki alanı bulunuz. 26

27 Örnek 5: Standart normal eğri altındaki z = den z = 0 a kadar olan alanı bulunuz. 27

28 Örnek 6: Standart normal eğri altında kalan; a) z = 2.32 nin sağındaki alanı bulunuz. b) z = ün solundaki alanı bulunuz. 28

29 Örnek 7: Standart normal eğri altındaki aşağıda verilen olasılıkları bulunuz. a) P ( 1.19 < z < 2.12 ) =? b) P (-1.56 < z < 2.31 ) =? c) P ( z > ) =? 29

30 Örnek 8: Standart normal eğri için aşağıda verilen olasılıkları bulunuz. a) P (0 < z < 5.67 ) =? b) P (z < ) =? 30

31 NORMAL DAĞILIMIN STANDARTLAŞTIRILMASI

32 Normal Dağılımın Standartlaştırılması: Gerçek uygulamalarda, sürekli bir rassal değişken standart normal olmayan, sıfırdan farklı ortalama ve birden farklı standart sapma değeriyle, normal dağılım göstermektedir. Böylesi durumlarda tablonun kullanılabilmesi için, normal dağılım gösteren sürekli bir rassal değişkenin (x), standart normal dağılımlı bir değişkene (z) çevrilmesi gerekmektedir. Bu dönüştürmeye standartlaştırma adı verilmektedir. 32

33 x normal dağılım gösteren sürekli rassal bir değişkenin herhangi bir değerinin z değeri cinsinden ifadesinde z x formülünden yararlanılmaktadır. Burada μ ve σ, sırasıyla ilgili normal dağılımının ortalama ve standart sapmasıdır. 33

34 Örneğin; x sürekli rassal değişkeni μ =50veσ =10olanbirnormal dağılım göstermektedir. Buna göre, aşağıdaki x değerlerini standart normal dağılım gösterenzdeğerlerine dönüştürünüz. x a) x = 55, z z Şekilden de görüleceği gibi x rassal değişkenin dağılımıyla z rassal değişkenin dağılımı arasında, standart sapmalar açısından fark yoktur. x dağılımında x noktası ortalamanın 0.5σ sağında iken, z = 0.5 değeri yine μ=0 ve σ=1 olan z standart normal dağılımında ortalamanın 0.5σ sağındadır. 34

35 b) x = 35, z x z

36 Örnek 9: x sürekli rassal değişkeni 25 ortalama (μ) ve 4 standart sapmayla (σ) normaldağılmaktadır. Aşağıda verilen noktalar arasındaki alanı bulunuz. a) x = 25 ve x = 32 arası b) x = 18 ve x = 34 arası 36

37 Örnek 9: (a) (b) 37

38 Örnek 10: Xrassaldeğişkeni, 40 ortalama ve 5 standart sapmayla normal dağılım göstermektedir. Aşağıdaki olasılıkları normal dağılım için bulunuz. a)p(x>55) b)p(x<49) 38

39 Örnek 11: Bir ülkede aile başına düşen gelir, $ ortalama ve $ standart sapmayla normal dağılım göstermektedir. Bu ülkeden rassal seçilen bir ailenin $ arasında gelire sahip olma olasılığını bulunuz. 39

40 Örnek 12: Oyuncak üreten bir firmada, bir işçinin, bir oyuncağı tamamlama süresi; 55 dakika ortalama ve 4 dakika standart sapmayla normal dağılmaktadır. İşyerinin saat 17:00 de kapandığı bilindiğine göre, saat 16:00 da montaja başlayan bir işçinin kapanış saatine kadar işi tamamlama olasılığını bulunuz. 40

41 Örnek 13: Meşrubat üreten bir firmada, üretilen sodaların 12 cl olması gerekmektedir. Ancak otomatik makinelerce yapılan şişelemede, şişe içerisindekisodamiktarı bazen 12 cl den çok ya da az olabilmektedir. Firmaca üretilen sodaların incelenmesinde şişe içindeki soda miktarının 12 cl ortalama ve cl standart sapmayla normal dağıldığı bulunmuştur. a) Rassal seçilen bir şişe içerisindekisodamiktarının ile cl arasında olma olasılığı nedir? b) Şişelerin ile cl arasında, soda bulundurma yüzdesi nedir? 41

42 Örnek 13: (a) (b) 42

43 Örnek 14: Standart normal eğri altında 0 ile bir z değeri arasında kalan alan dir. Bu alanın üst sınırı olan pozitif z değerini bulunuz. 43

44 Örnek 15: Standart normal dağılım eğrisi altında, sağ uçtaki (kuyruk) alanını belirleyen z değerini bulunuz. 44

45 Örnek 16: Bir firma tarafından üretilen hesap makinelerinin ömürleri 54 ay ortalama ve 8 ay standart sapmayla normal dağılmaktadır. Firma yetkilileri satışları artırmak için bir garanti süresi uygulamak istemektedir. Ancak garanti kapsamında değiştirilecek hesap makinesinin, toplam satışın %1 inden daha fazla olması da istenmemektedir. Garanti uygulanacak bu süreyi bulunuz. 45

46 Örnek 17: Bir Fen Lisesinin, öğrenci seçmek amacıyla, geçen yıllarda uyguladığı sınav sonuçlarının 904 puan ortalama ve 153 puan standart sapmayla normal dağıldığı ve bu liseye her yıl yapılan sınav sonucunda ilk % 10 a giren öğrencilerin kaydını yaptırdığı bilinmektedir. Bu sınava hazırlanan bir öğrencinin (puanların geçen yıllarla aynı olacağı varsayımı altında) bu liseye girebilmesi için en az kaç puan alması gerekir? 46

47 Binom Dağılımına Normal Dağılım Yaklaşımı: Binom deneyinde, n denemede x başarılı sonuç elde etme olasılığı, binom formülüyle hesaplanmaktadır. n deneme sayısının çok büyük olması durumunda, binom formülüyle olasılık hesaplamakoldukçagüçolduğundan, böylesi durumlarda normal dağılımdan yararlanarak, yaklaşıkolasılıklar elde edilebilmektedir. *p=0.50olması durumunda binom dağılımı da simetrik olduğundan, yine simetrik bir dağılım olannormaldağılıma çok benzeyecektir. 47

48 (n.p>5)veya(n.q>5)olması durumunda, binom dağılımına yaklaşım amacıyla, normal dağılım kullanılabilmektedir. Örneğin; n = 12 ve p = 0.5 ( n. p > 5 ) için binom dağılımının biçimi, normal dağılma çok yakın olmaktadır. 48

49 Örnek 18: Bir araştırmaya göre Ankara da yaşayan erişkinlerin % 50 sinin en az bir kredi kartı bulunmaktadır. Bu gruptan rassal seçilen 30 erişkinden 19 tanesinde en az bir kredi kartı bulunması olasılığı nedir? 49

50 Örnek 18: Binom dağılımı kesikli rassal değişkenlere, normal dağılım sürekli değişkenlere uygulanır. Bu nedenle binom dağılımının normaldağılıma yaklaşımını sağlamak amacıyla süreklilik düzeltmesi yapılmaktadır. Süreklilik için Düzeltme Faktörü Binom dağılımının normal dağılıma yaklaşımını sağlamak için n denemede x başarılı sonuç sayısına ± 0.5 değeri eklenir. 50

51 Örnek 19: Yapılan bir pazar araştırması neticesinde, çamaşır makinesi kullanan ev hanımlarından % 63 ünün yerli malı çamaşır makinesini tercih ettikleri bulunmuştur. Bu gruptan, rassal seçilen 100 ev hanımından, tanesinin, yerli malı çamaşır makinesi tercih etme olasılığını bulunuz. 51

Gerçek uygulamalarda, standart normal olmayan sürekli bir rassal. değişken, sıfırdan farklı bir ortalama ve birden farklı standart sapma

Gerçek 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

Detaylı

SÜREKLİ ŞANS DEĞİŞKENLERİ. Üstel Dağılım Normal Dağılım

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

Detaylı

RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI. Yrd. Doç. Dr. Emre ATILGAN

RASSAL 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

Detaylı

Sürekli Rastsal Değişkenler

Sürekli 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

Detaylı

rasgele değişkeninin olasılık yoğunluk fonksiyonu,

rasgele 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

Detaylı

1.58 arasındaki her bir değeri alabileceği için sürekli bir

1.58 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

Detaylı

SÜREKLİ OLASILIK DAĞILIMI

SÜREKLİ 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

Detaylı

SÜREKLİ OLASILIK DAĞILIŞLARI

SÜREKLİ OLASILIK DAĞILIŞLARI SÜREKLİ OLASILIK DAĞILIŞLARI Sürekli verilerin göstermiş olduğu dağılışa sürekli olasılık dağılışı denir. Sürekli olasılık dağılışlarının fonksiyonlarına yoğunluk fonksiyonu denilmekte ve bu dağılışlarla

Detaylı

13. Olasılık Dağılımlar

13. 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

Detaylı

OLASILIK ve KURAMSAL DAĞILIMLAR

OLASILIK ve KURAMSAL DAĞILIMLAR OLASILIK ve KURAMSAL DAĞILIMLAR Kuramsal Dağılımlar İstatistiksel çözümlemelerde; değişkenlerimizin dağılma özellikleri, çözümleme yönteminin seçimi ve sonuçlarının yorumlanmasında önemlidir. Dağılma özelliklerine

Detaylı

Faktöriyel: 1'den n'ye kadar olan tüm pozitif tamsayıların çarpımına, biçiminde gösterilir. Aynca; 0! = 1 ve 1!=1 1 dir. [Bunlar kabul değildir,

Faktöriyel: 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.

Detaylı

2018 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 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

Detaylı

Z = S n E(S n ) V ar(sn ) = S n nµ. S nn. n 1/2 n σ

Z = 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.

Detaylı

İÇİNDEKİLER. Ön Söz Saymanın Temel Kuralları Permütasyon (Sıralama) Kombinasyon (Gruplama) Binom Açılımı...

İÇİNDEKİLER. 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

Detaylı

Hatalar Bilgisi ve İstatistik Ders Kodu: Kredi: 3 / ECTS: 5

Hatalar 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

Detaylı

WEIBULL DAĞILIMI WEIBULL DAĞILIMI ANADOLU ÜNİVERSİTESİ

WEIBULL 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

Detaylı

CEVAPLAR. n = n 1 + n 2 + n 3 + n 4 + n 5 + n 6 + n 7 = = 11 dir.

CEVAPLAR. n = n 1 + n 2 + n 3 + n 4 + n 5 + n 6 + n 7 = = 11 dir. T C S D Ü M Ü H E N D İ S L İ K F A K Ü L T E S İ - M A K İ N A M Ü H E N D İ S L İ Ğ İ B Ö L Ü M Ü MAK-307 OTM317 Müh. İstatistik İstatistiği ÖĞRENCİNİN: ADI - SOYADI ÖĞRETİMİ NOSU İMZASI 1.Ö 2.Ö A B

Detaylı

İstatistik, genel olarak, rassal bir olayı (ya da deneyi) matematiksel olarak modellemek ve bu model yardımıyla, anakütlenin bilinmeyen karakteristik

İstatistik, 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

Detaylı

Kesikli Şans Değişkenleri İçin; Olasılık Dağılımları Beklenen Değer ve Varyans Olasılık Hesaplamaları

Kesikli 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.

Detaylı

TEK BOYUTLU RASSAL DEĞİŞKENLER

TEK 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

BAZI ÖNEMLİ SÜREKLİ DEĞİŞKEN DAĞILIMLARI

BAZI 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

Detaylı

BİYOİSTATİSTİK Bazı Olasılık Dağılışları Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH

BİYOİSTATİSTİK 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

Detaylı

Yapılan alan araştırması sonucunda aşağıdaki sonuçlar elde edilmiştir. ( ) ( ) ( ) ( )

Yapılan alan araştırması sonucunda aşağıdaki sonuçlar elde edilmiştir. ( ) ( ) ( ) ( ) İKİ DEĞİŞKENLİ OLASILIK Rassal bir deneme yapılmakta ve farklı iki olay ile ilgilenilmektedir. A 1, A 2,,A i olayları bağdaşmaz ve bütünü kapsayıcıdır. B 1, B 2,,B j olayları bağdaşmaz ve bütünü kapsayıcıdır.

Detaylı

Tesadüfi Değişken. w ( )

Tesadüfi 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

Detaylı

SÜREKLĠ OLASILIK DAĞILIMLARI

SÜREKLĠ 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

Detaylı

Mühendislikte İstatistik Yöntemler

Mühendislikte 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

Detaylı

SÜREKLİ( CONTINUOUS) OLASILIK

SÜREKLİ( 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

Detaylı

8.Hafta. Değişkenlik Ölçüleri. Öğr.Gör.Muhsin ÇELİK. Uygun değişkenlik ölçüsünü hesaplayıp yorumlayabilecek,

8.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

Detaylı

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

Genel olarak test istatistikleri. Merkezi Eğilim (Yığılma) Ölçüleri Dağılım (Yayılma) Ölçüleri. olmak üzere 2 grupta incelenebilir. 4.SUNUM Genel olarak test istatistikleri Merkezi Eğilim (Yığılma) Ölçüleri Dağılım (Yayılma) Ölçüleri olmak üzere 2 grupta incelenebilir. 2 Ranj Çeyrek Kayma Çeyrekler Arası Açıklık Standart Sapma Varyans

Detaylı

İstatistik ve Olasılık

İstatistik 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

Detaylı

EME Sistem Simülasyonu. Giriş. Olasılık Dağılımı. Rassal Degiskenler

EME 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

Detaylı

GAZİ 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 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.

Detaylı

RİSK ANALİZİ VE AKTÜERYAL MODELLEME

RİSK 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

Detaylı

SÜREKLİ DÜZGÜN DAĞILIM

SÜREKLİ 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.

Detaylı

Ders 9: Kitle Ortalaması ve Varyansı için Tahmin

Ders 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

Detaylı

Uygulama 3 Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH

Uygulama 3 Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH BİYOİSTATİSTİK Uygulama 3 Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH Ege Üniversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr Olasılık Hatırlatma Olasılık teorisi,

Detaylı

0.04.03 Standart Hata İstatistikte hesaplanan her istatistik değerin mutlaka hatası da hesaplanmalıdır. Çünkü hesaplanan istatistikler, tahmini bir değer olduğu için mutlaka hataları da vardır. Standart

Detaylı

Rastgele Değişkenlerin Dağılımları. Mühendislikte İstatistik Yöntemler

Rastgele 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

Detaylı

ANADOLU ÜNİVERSİTESİ BEKLENEN DEĞER. X beklenen değeri B[X] ile gösterilir. B[X] = İST 213 OLASILIK DERSİ BEKLENEN DEĞER VE MOMENTLER

ANADOLU 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

Detaylı

İstatistik ve Olasılık

İstatistik 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

Detaylı

Dr. Mehmet AKSARAYLI

Dr. 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

Detaylı

Merkezi Limit Teoremi

Merkezi 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

Detaylı

KESİKLİ DÜZGÜN DAĞILIM

KESİKLİ 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

Detaylı

MIT OpenCourseWare http://ocw.mit.edu. 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

MIT OpenCourseWare http://ocw.mit.edu. 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 MIT OpenCourseWare http://ocw.mit.edu 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 Bu materyale atıfta bulunmak ve kullanım koşulları için http://ocw.mit.edu/terms sayfasını ziyaret ediniz.

Detaylı

BÖLÜM 12 STUDENT T DAĞILIMI

BÖLÜM 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

Detaylı

KESİKLİ ŞANS DEĞİŞKENLERİNİN OLASILIK DAĞILIMLARI. Bernoulli Dağılımı Binom Dağılımı Poisson Dağılımı

KESİKLİ 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

Detaylı

Ders 4: Rastgele Değişkenler ve Dağılımları

Ders 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

Detaylı

Örnek 4.1: Tablo 2 de verilen ham verilerin aritmetik ortalamasını hesaplayınız.

Örnek 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

Detaylı

ÖRNEKLEME DAĞILIŞLARI VE TAHMİNLEYİCİLERİN ÖZELLİKLERİ

ÖRNEKLEME 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

Detaylı

İstatistik ve Olasılık

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

Detaylı

ENM 316 BENZETİM ÖDEV SETİ

ENM 316 BENZETİM ÖDEV SETİ ENM 16 BENZETİM ÖDEV SETİ Ödev 1. Bir depo ve N adet müşteriden oluşan bir taşımacılık sisteminde araç depodan başlayıp bütün müşterileri teker teker ziyaret ederek depoya geri dönmektedir. Sistemdeki

Detaylı

NORMAL DAĞILIM. 2., anakütle sayısı ile Poisson dağılımına uyan rassal bir değişkense ve 'a gidiyorsa,

NORMAL 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

Detaylı

Gruplanmış serilerde standart sapma hesabı

Gruplanmış serilerde standart sapma hesabı Gruplanmış serilerde standart sapma hesabı Örnek: Verilen gruplanmış serinin standart sapmasını bulunuz? Sınıflar f i X X X m i f i. m i m i - (m i - ) f i.(m i - ) 0 den az 3 4 den az 7 4 6 dan az 4 6

Detaylı

10. 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

10. 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

Detaylı

ANADOLU ÜNİVERSİTESİ. ENM 317 Prof. Dr. Nihal ERGİNEL

ANADOLU 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

Detaylı

Tablo (2): Atıştırma Sayısı ve Günlük Sınav Sayısı Atıştırma Sınav Sayısı (X) 0 0.07 0.09 0.06 0.01

Tablo (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

Detaylı

Popülasyon Ortalamasının Tahmin Edilmesi

Popülasyon Ortalamasının Tahmin Edilmesi Güven Aralıkları Popülasyon Ortalamasının Tahmin Edilmesi Tanımlar: Nokta Tahmini Popülasyon parametresi hakkında tek bir rakamdan oluşan tahmindir. Popülasyon ortalaması ile ilgili en iyi nokta tahmini

Detaylı

Appendix B: Olasılık ve Dağılım Teorisi

Appendix 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

Detaylı

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları

YTÜ 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

Detaylı

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları

YTÜ 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

Detaylı

Bir Normal Dağılım Ortalaması İçin Testler

Bir Normal Dağılım Ortalaması İçin Testler Bir Normal Dağılım Ortalaması İçin Testler İÇERİK o Giriş ovaryansı Bilinen Bir Normal Dağılım Ortalaması İçin Hipotez Testler P-değerleri: II. Çeşit hata ve Örnekleme Büyüklüğü Seçimi Örnekleme Büyüklüğü

Detaylı

İstatistik ve Olasılık

İstatistik 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

Detaylı

Aktüerlik Sınavları I. Seviye / Olasılık-İstatistik Örnek Sorular I

Aktüerlik 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

Detaylı

RISK ANALIZI SINAVI WEB EKİM Kasko sigortasından çekilen beş hasarlı bir rassal örneklem aşağıdaki gibi verilmektedir:

RISK ANALIZI SINAVI WEB EKİM Kasko sigortasından çekilen beş hasarlı bir rassal örneklem aşağıdaki gibi verilmektedir: RISK ANALIZI SINAVI WEB EKİM 2017 SORU 1: Kasko sigortasından çekilen beş hasarlı bir rassal örneklem aşağıdaki gibi verilmektedir: 115 240 325 570 750 Hasarların α = 1 ve λ parametreli Gamma(α, λ) dağılıma

Detaylı

009 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

Detaylı

Ders 6: Sürekli Olasılık Dağılımları

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

Detaylı

Mühendislikte İstatistiksel Yöntemler

Mühendislikte 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.

Detaylı

Olasılık Kuramı ve Bazı Olasılık Dağılımları

Olasılık 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

Detaylı

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

MIT 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.

Detaylı

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

MIT 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.

Detaylı

Deney Dizaynı ve Veri Analizi Ders Notları

Deney 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

Detaylı

1-2 - * 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... 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

Detaylı

19.11.2013 EME 3105 SİSTEM SİMÜLASYONU. Sürekli Dağılımlar (2) Sürekli Rassal Değişkenlerin Modellemesinde Kullanılan Dağılımlar.

19.11.2013 EME 3105 SİSTEM SİMÜLASYONU. Sürekli Dağılımlar (2) Sürekli Rassal Değişkenlerin Modellemesinde Kullanılan Dağılımlar. 9..03 EME 305 SİSTEM SİMÜLASYONU Simulasyonda İstatistiksel Modeller-II Ders 5 Sürekli Rassal Değişkenlerin Modellemesinde Kullanılan Dağılımlar Sürekli Düzgün (Uniform) Dağılım Normal Dağılım Üstel (Exponential)

Detaylı

BİLİŞİM TEKNOLOJİLERİ İÇİN İŞLETME İSTATİSTİĞİ

BİLİŞİM TEKNOLOJİLERİ İÇİN İŞLETME İSTATİSTİĞİ SAKARYA ÜNİVERSİTESİ BİLİŞİM TEKNOLOJİLERİ İÇİN İŞLETME İSTATİSTİĞİ Hafta 7 Yrd. Doç. Dr. Halil İbrahim CEBECİ Bu ders içeriğinin basım, yayım ve satış hakları Sakarya Üniversitesi ne aittir. "Uzaktan

Detaylı

Başarı olasılığı olan bir Bernoulli denemesinin aynı şartlar altında (bağımsız olarak) n kez tekrarlanması ile oluşan deneye binom deneyi denir.

Başarı 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

Detaylı

İSTATİSTİK DERS NOTLARI

İSTATİSTİK 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

Detaylı

ANADOLU ÜNİVERSİTESİ ÖRNEK: GEOMETRİK DAĞILIM

ANADOLU 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

Detaylı

SİMÜLASYON ÇEŞİTLERİ HAZIRLAYAN: ÖZLEM AYDIN

SİMÜLASYON 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.

Detaylı

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

BİYOİSTATİSTİK Olasılıkta Temel Kavramlar Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH BİYOİSTTİSTİK Olasılıkta Temel Kavramlar Yrd. Doç. Dr. slı SUNER KRKÜLH Ege Üniversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim D. Web: www.biyoistatistik.med.ege.edu.tr 1 OLSILIK Olasılık; Tablo

Detaylı

PARAMETRİK OLMAYAN TESTLER

PARAMETRİK OLMAYAN TESTLER PARAMETRİK OLMAYAN TESTLER Daha önce incelediğimiz testler, normal dağılmış ana kütleden örneklerin rassal seçilmesi varsayımına dayanmaktaydı ve parametrik testler kullanılmıştı. Parametrik olmayan testler

Detaylı

ALKÜ EKONOMİ ve FİNANS BÖLÜMÜ ISL 207 İSTATİSTİK I ALIŞTIRMALAR

ALKÜ EKONOMİ ve FİNANS BÖLÜMÜ ISL 207 İSTATİSTİK I ALIŞTIRMALAR ALKÜ EKONOMİ ve FİNANS BÖLÜMÜ ISL 207 İSTATİSTİK I ALIŞTIRMALAR 1- İlaçla tedavi edilen 7 hastanın ortalama iyileşme süresi 22.6 gün ve standart sapması.360 gündür. Ameliyatla tedavi edilen 9 hasta için

Detaylı

altında ilerde ele alınacaktır.

altında 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

Detaylı

EME 3117 SISTEM SIMÜLASYONU. Üçgensel Dağılım. Sürekli Düzgün Dağılım. Sürekli Rassal Değişkenlerin Modellemesinde Kullanılan Dağılımlar

EME 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)

Detaylı

Ankara Üniversitesi, SBF İstatistik 2 Ders Notları Prof. Dr. Onur Özsoy 1

Ankara 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

Detaylı

OLASILIK (Probability)

OLASILIK (Probability) OLASILIK (Probability) Olasılık, bir olayın meydana gelme, ortaya çıkma şansını ifade eder ve P ile gösterilir. E i ile gösterilen bir basit olayın olasılığı P (E i ), A bileşik olayının olasılığıysa P

Detaylı

Simülasyonda İstatiksel Modeller

Simülasyonda İstatiksel Modeller Simülasyonda İstatiksel Modeller Amaç Model-geliştirici dünyaya deterministik değil olasıksal olarak bakar. İstatiksel modeller değişimleri iyi tanımlayabilir. İlgilenilen olayın örneklenmesi ile uygun

Detaylı

AKT201 Matematiksel İstatistik I Yrd. Doç. Dr. Könül Bayramoğlu Kavlak

AKT201 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

Detaylı

Tanımlayıcı İstatistikler. Yrd. Doç. Dr. Emre ATILGAN

Tanımlayıcı 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,

Detaylı

Kesikli 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 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

Detaylı

İSTATİSTİĞE GİRİŞ VE OLASILIK

İSTATİSTİĞE GİRİŞ VE OLASILIK 1. 52 iskambil kağıdı ile oynanan bir kağıt oyununda çekilen kart vale ya da kız ise 3$, papaz ya da as ise 5$ kazanılmaktadır. Başka herhangi bir kartın çekilmesi durumunda oyun kaybedilmektedir. Oyunun

Detaylı

MATE211 BİYOİSTATİSTİK

MATE211 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

Detaylı

Faaliyet Faaliyet zamanı dağılımı A U(5, 8) B U(6, 15) U(10,20) U(4,20) U(12,25) U(15,30)

Faaliyet Faaliyet zamanı dağılımı A U(5, 8) B U(6, 15) U(10,20) U(4,20) U(12,25) U(15,30) ENM 316 BENZETİM ÖDEV SETİ Ödev 1. Bir projede A, B, C, D, E ve F olmak üzere 6 faaliyet vardır. Projenin tamamlanması için bu faaliyetlerin sırası ile yapılması gerekmektedir. Her faaliyetin tamamlanması

Detaylı

Lys x 2 + y 2 = (6k) 2. (x 2k) 2 + y 2 = (2k 5) 2 olduğuna göre x 2 y 2 =? Cevap: 14k 2

Lys x 2 + y 2 = (6k) 2. (x 2k) 2 + y 2 = (2k 5) 2 olduğuna göre x 2 y 2 =? Cevap: 14k 2 1. 1 =? Lys 1 7. x + y = (6k) (x k) + y = (k 5) olduğuna göre x y =?. 6 a.b = ise a + 1 b. b 1 a =? 1k 8. x ve y birbirinden farklı pozitif gerçel sayılar olmak üzere, x y y x. x.y = (x y) ise x y =?.

Detaylı

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

Örnek Bir zar atıldığında zarın üstünde bulunan noktaların sayısı gözlensin. Çift sayı gelmesi olasılığı nedir? n(s) = 3 6 = 1 2 Bir Olayın Olasılığı P(A) = n(a) n(s) = A nın eleman sayısı S nin eleman sayısı Örnek Bir zar atıldığında zarın üstünde bulunan noktaların sayısı gözlensin. Çift sayı gelmesi olasılığı nedir? Çözüm: S

Detaylı

istatistik 4. Bir frekans dağılımına ilişkin birikimli seriler 1. Birimlerle ilgili aşağıdaki ifadelerden hangisi

istatistik 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

Detaylı

İçindekiler. Ön Söz... xiii

İçindekiler. Ön Söz... xiii İçindekiler Ön Söz.................................................... xiii Bölüm 1 İstatistiğe Giriş....................................... 1 1.1 Giriş......................................................1

Detaylı

ENM 316 BENZETİM. Faaliyet Faaliyet zamanı dağılımı A U(5, 8) B U(6, 15) U(10,20) U(4,20) U(12,25) U(15,30)

ENM 316 BENZETİM. Faaliyet Faaliyet zamanı dağılımı A U(5, 8) B U(6, 15) U(10,20) U(4,20) U(12,25) U(15,30) ENM 316 BENZETİM ÖDEV 1: Bir projede A, B, C, D, E ve F olmak üzere 6 faaliyet vardır. Projenin tamamlanması için bu faaliyetlerin sırası ile yapılması gerekmektedir. Her faaliyetin tamamlanması için gereken

Detaylı

χ =1,61< χ χ =2,23< χ χ =42,9> χ χ =59,4> χ

χ =1,61< χ χ =2,23< χ χ =42,9> χ χ =59,4> χ SORU : Ortalaması, varyansı olan bir raslantı değişkeninin, k ile k arasında değer alması olasılığının en az 0,96 olmasını sağlayacak en küçük k değeri aşağıdakilerden hangisidir? A),5 B) C) 3,75 D) 5

Detaylı

istatistik El 10 1_ ve 2_ sorular a Ş3 gldakl bilgilere göre Al 4 Bl 6 cı 7 Dl 8 Al 5 B) 12 CL 27 D) 28 E) 35 2Q 10 BS 4200-A

istatistik El 10 1_ ve 2_ sorular a Ş3 gldakl bilgilere göre Al 4 Bl 6 cı 7 Dl 8 Al 5 B) 12 CL 27 D) 28 E) 35 2Q 10 BS 4200-A 2Q 10 BS 4200- İstatistik sorulannın cevap l anmasında gerekli olabilecek tablolar ve f ormüller bu kita p ç ığın sonunda ver-ilmiştir. 1_ ve 2_ sorular a Ş3 gldakl bilgilere göre cevaplandırılacaktır

Detaylı

2018 YILI BİRİNCİ SEVİYE AKTÜERLİK SINAVLARI İSTATİSTİK VE OLASILIK 29 NİSAN 2018

2018 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

Detaylı