BAŞKENT ÜNİVERSİTESİ BİYOMEDİKAL MÜHENDİSLİĞİ BÖLÜMÜ

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "BAŞKENT ÜNİVERSİTESİ BİYOMEDİKAL MÜHENDİSLİĞİ BÖLÜMÜ"

Transkript

1 BAŞKENT ÜNİVERSİTESİ BİYOMEDİKAL MÜHENDİSLİĞİ BÖLÜMÜ BME43 BİYOMEDİKAL İŞARET İŞLEME I LABORATUVAR DERSİ Deneyin Adı: Güç Sektral Yoğunluğu DENEY 7 Deneyin Amacı: Güç Sektral Yoğunluğu Tesiti ve MATLAB ortamında incelenmesi Ön Bilgiler: Güç sektral analizinin temeli durağan rastgele bir sistemin sonlu uzunluktaki bir sinyalin frekans bandı üzerindeki güç dağılımını tahmin etme işlemlerine dayanmaktadır. Elektromanyetik, haberleşme, tı, ekonomi, meteoroloji, astronomi, radar ve sonar sistemlerinde güç sektral analiz işlemleri sıklıkla kullanılmaktadır. Sektral analiz işlemlerinde iki temel yaklaşım söz konusudur. Bunlar arametrik ve arametrik olmayan yöntemler olarak adlandırılmaktadır. Parametrik olmayan yöntemler güç sektral yoğunluğunun temel tanımlarını kullanan ve sinyal üzerinde varsayım ortaya koymayan yaklaşımlardır. Buna karşın, arametrik yöntemler sinyal için varsayılan bir model ortaya koyu, bu model için arametreler oluşturmaktadır. Eğer sinyal önerilen model için gereken özellikleri sağlıyorsa arametrik yöntemler daha iyi erformans gösterirler. Eğer böyle bir uyum söz konusu değilse arametrik olmayan yöntemler tercih edilmelidir. Parametrik yöntemler uzun dönem kayıtlarında tercih edilmemektedir. Güç sektral yoğunluğu Güç sektral yoğunluğu (GSY), sinyalin frekans bandı üzerindeki güç dağılımı olarak düşünülebilir. Bir sinyalin gücü karesi alınarak hesalanmaktadır. Fouirer dönüşümü olmayan bir sinyalin güç sektral yoğunluğu sinyalin oto ilinti (R(t)) fonksiyonunun Fouirer dönüşümü alınarak hesalanmaktadır. Eşitlik 3.11'de güç sektral yoğunluk denklemi bulunmaktadır. 1

2 ( if ) ( ) ( ) ( ( )) S f R e d F R (3.11) Güç sektral yoğunluğunun sektral analiz yöntemleri ile ilintisi açısından tanımlamaları yaılmıştır. Güç sektral yoğunluğu, kovaryans dizisinin ( r(k) ) kısa zamanlı Fouirer dönüşümü olarak tanımlanmaktadır ( ). w r(k) e jwk (3.1) k GSY'nin ikinci tanımı, birinci tanımın varsayım altındaki ifadesi olarak gösterilmektedir ve eşitlik 3.13'de tanımlanmaktadır. N 1 jwn w lim E x( n) e n N n1 Parametrik olmayan yöntemler Parametrik olmayan GSY bulma yöntemleri korrelogram ve eriodogram olarak ikiye ayrılmaktadır. Korelogram GSY'nin birinci tanımından, eridogram ise ikinci tanımından türetilmektedir. Eğer sinyal genişliği yeterli düzeyde ise bu yöntemle yüksek çözünürlükte sektral analiz yaabilmektedir. Bu yöntemlerin varyansları oldukça yüksektir ve sinyal uzunluklarının artmasından etkilenmemektedir. Bu durum arametrik olmayan GSY bulma yöntemlerinin daha zayıf karakteristik göstermesine sebe olmaktadır. Bunların en bilinenleri, BlackmanTukey, Barlett ve Welch yöntemleridir. Periodogram, GSY'nin ikinci tanımına dayanmaktadır. Olasılığın azalması ve sonsuz tolamların bir noktadan kesilmesi ile ifade edilmektedir ve eşitlik 3.14'de gösterilmektedir. w N jwk x(n) e (3.14) n1

3 Korrelogram, GSY'nin birinci tanımına dayanmaktadır ve eşitlik 3.15'te gösterilmektedir. Burada otovaryans dizisi çıkarımını ifade etmektedir. c w N1 jwk r(k) e (3.15) k( N1) Welch yöntemi Bu yöntemi anlayabilmek için öncelikle temelinde yer alan Barlett yöntemi ifade edilmelidir. Barlett yöntemi, ortalama eriodogram alma yöntemi olarak tanımlanmaktadır. Standart eriodogramlara karşın, Barlett yönteminde çözünürlüğü düşürülerek eriodogramın varyansını azaltılmaktadır. Fizik, mühendislik ve matematikte çok kullanılan bu yöntem ile bindirme(overla) işlemi olmaksızın n uzunluğundaki birden fazla sinyal enceresinin güç sektrumu alınır. Tüm sinyal üzerinde aynı frekansa karşılık gelen güç bileşenlerinin ortalamaları alınarak sektral yoğunluk çıkarımı yaılır. Her bir encerenin kesik zamanlı Fouirer dönüşümü alınır. Welch yöntemi ise Barlett yönteminin geliştirilmesi ile ortaya konmuştur. Burada ise encerelemenin yanında, her encere üzerinde belirli oranda bindirme işlemi yaılır. Bu bindirme işlemi encere fonksiyonunun sinyalin merkezinden kenarlarına doğru ilerledikçe meydana getirdiği kayıların giderilmesi için yaılmaktadır [5]. Parametrik yöntemler Büyük sinyal uzunluklarında arametrik olmayan yöntemler iyi erformans sağlarken,sinyal uzunluğu sınırlandırıldığında aynı erformans sağlanmamaktadır. Sinyal { x(1)... x(n)} GSY için model varsayımı (ϕ (w)) Parametre Çıkarımı [ {x(1)...x(n)} ] kullanımı ile GSY çıkarımı ( w) ( w, ) Şekil 3.3 Parametrik yöntem yaklaşımı 3

4 Parametrik yöntemler otoregresyon temeline dayandığından otoregresif bir model seçimi ve sinyal morfolojisinin bu modele uygunluğu analiz edilmelidir. Otoregresif güç sektrumunun (AR) temel avantajı sinyal hakkında ön bilgi gerektirmeden karakteristiğini ifade eden sektruma erişilebilmesidir. AR modellemede sinyal dizisi s(n), birim varyansa sahi birim gürültü ile sürülen tam kutu filtrenin çıkışı olarak düşünülmektedir. Böylece s(n) kendinden önceki verilerin ve önceki verilerden bağımsız kabul edilen beyaz gürültü bileşenlerinin (e(n)) bir fonksiyonu olarak ifade edilir. Sinyal eşitlik 3.16'daki gibi ifade edilir. s n a(k)s(n k) e(k) (3.16) k1 Eğer "" modelleme derecesi olarak alınırsa, AR güç sektrumu eşitlik 3.17'deki gibi olur. Pf ( ) j fk 1 a( k) e k 1 (3.17) Burada σ ifadesi beyaz gürültü varyansı olu sabit bir değerdir. AR sektrum kestirimi özilinti (autocorrelation) veya ortak değişinti (covariance) matrislerinin çözümlerine dayanmaktadır [6]. Yule- Walker yöntemi Bu güç sektral analiz yöntemi AR modelleme temeline dayalı bir yaklaşım olarak bilinmektedir. Bu yöntemde AR arametreleri, sinyalin özilinti fonksiyonu çıkarımından elde edilir ve ileri yönde çıkarım hatasının minimize edilmesi ile çözüme gidilir. Buna bağlı olarak ortaya çıkan çözüm matrisi eşitlik 3.18'de yer almaktadır [7]. 4

5 * * r(1) r() r( ) r 1 r * r() r(1) r( 1) r r 3 r( ) r() r(1) r r 1 (3.18) AR tabanlı Yule Walker yöntemi ile GSY analizi için öncelikle otokorvaryans hesabı yaılmaktadır. Bunun için eşitlik 3.19'daki denklem kullanılmaktadır. Denklemde y sinyal örnekleri, N örnek sayısı cinsinden sinyal uzunluğu, k ise oto-kovaryans indeks olarak tanımlanmaktadır. N 1 r( k) y( t) y * ( t k) N k t 1 k 0 k N1 (3.19) Yule Walker yönteminde, GSY eşitlik 3.18'den türetilen AR arametrelerinin eşitlik 3.0'deki denklemde kullanılması ile elde edilmektedir. Denklemde f s örnekleme frekans, f ise fiziksel frekans olarak tanımlanmaktadır [41]. P AR f 1 fs k 1 1 a( k) e jkf / fs (3.0) Bu çalışmada KAHD sinyali GSY analizi öncesi alçak geçiren interolasyon yöntemi kullanılarak Hz ile yeniden örneklenmiştir ve sinyalden ortalama değeri çıkarılmıştır. Kaynak: Bayrak, T., Uyku Anesi Parametrelerinin Cerrahi Tedavi Öncesi Ve Sonrasında Değerlendirilmesi, Başkent Üniversitesi Biyomedikal Mühendisliği Bölümü Yüksek Lisans Tezi, 01 5

6 Ön Çalışma: 1- Teorik bilgide yer alan Welch, Burg, Yule-Walker Güç Sektral Yoğunluğu Tesit Yöntemlerini Matlab ortamında araştırınız. (Signal Processing Toolbox, welch, yulear, burg, sectrogram) - Bir sinyalin otokorelasyon fonksiyonunun Fouirer Dönüşümü aynı zamanda güç sektral yoğunluğu anlamına gelmektedir. Matlab ortamında araştırınız. 6

Rastgele Süreçler. Rastgele süreç konsepti (Ensemble) Örnek Fonksiyonlar. deney. Zaman (sürekli veya kesikli) Ensemble.

Rastgele Süreçler. Rastgele süreç konsepti (Ensemble) Örnek Fonksiyonlar. deney. Zaman (sürekli veya kesikli) Ensemble. 1 Rastgele Süreçler Olasılık taması Rastgele Deney Çıktı Örnek Uzay, S (s) Zamanın Fonksiy onu (t, s) Olayları Tanımla Rastgele süreç konsepti (Ensemble) deney (t,s 1 ) 1 t Örnek Fonksiyonlar (t,s ) t

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

Stokastik Süreçler. Bir stokastik süreç ya da rastgele süreç şöyle tanımlanabilir.

Stokastik 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

Detaylı

Direnç(330Ω), bobin(1mh), sığa(100nf), fonksiyon generatör, multimetre, breadboard, osiloskop. Teorik Bilgi

Direnç(330Ω), bobin(1mh), sığa(100nf), fonksiyon generatör, multimetre, breadboard, osiloskop. Teorik Bilgi DENEY 8: PASİF FİLTRELER Deneyin Amaçları Pasif filtre devrelerinin çalışma mantığını anlamak. Deney Malzemeleri Direnç(330Ω), bobin(1mh), sığa(100nf), fonksiyon generatör, multimetre, breadboard, osiloskop.

Detaylı

Güç Spektral Yoğunluk (PSD) Fonksiyonu

Güç Spektral Yoğunluk (PSD) Fonksiyonu 1 Güç Spektral Yoğunluk (PSD) Fonksiyonu Otokorelasyon fonksiyonunun Fourier dönüşümü j f ( ) FR ((τ) ) = R ( (τ ) ) e j π f τ S f R R e d dτ S ( f ) = F j ( f )e j π f ( ) ( ) f τ R S f e df R (τ ) =

Detaylı

Sayısal Filtre Tasarımı

Sayısal Filtre Tasarımı Sayısal Filtre Tasarımı Sayısal Filtreler Filtreler ayrık zamanlı sistemlerdir. Filtreler işaretin belirli frekanslarını güçlendirmek veya zayıflatmak, belirli frekanslarını tamamen bastırmak veya belirli

Detaylı

SİNYALLER VE SİSTEMLERİN MATLAB YARDIMIYLA BENZETİMİ

SİNYALLER VE SİSTEMLERİN MATLAB YARDIMIYLA BENZETİMİ SİNYALLER VE SİSTEMLERİN MATLAB YARDIMIYLA BENZETİMİ 2.1. Sinyal Üretimi Bu laboratuarda analog sinyaller ve sistemlerin sayısal bir ortamda benzetimini yapacağımız için örneklenmiş sinyaller üzerinde

Detaylı

İçindekiler. Ön Söz... xiii

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

Detaylı

DOĞRUSAL ZAMAN SERİSİ MODELLERİ. Durağan ARIMA Modelleri: Otoregresiv Modeller AR(p) Süreci

DOĞRUSAL ZAMAN SERİSİ MODELLERİ. Durağan ARIMA Modelleri: Otoregresiv Modeller AR(p) Süreci DOĞRUSAL ZAMAN SERİSİ MODELLERİ Durağan ARIMA Modelleri: Otoregresiv Modeller AR(p) Süreci Tek Değişkenli Zaman Serisi Modelleri Ekonomik verilerin analizi ile ekonomik değişkenlerin gelecekte alabilecekleri

Detaylı

RASGELE SÜREÇLER İ.Ü. ELEKTRİK ELEKTRONİK MÜHENDİSLİĞİ İLETİŞİM LABORATUVARI ARALIK, 2007

RASGELE SÜREÇLER İ.Ü. ELEKTRİK ELEKTRONİK MÜHENDİSLİĞİ İLETİŞİM LABORATUVARI ARALIK, 2007 RASGELE SÜREÇLER İ.Ü. ELEKTRİK ELEKTRONİK MÜHENDİSLİĞİ İLETİŞİM LABORATUVARI ARALIK, 007 1 Tekdüze Dağılım Bir X rasgele değişkenin, a ve b arasında tekdüze dağılımlı olabilmesi için olasılık yoğunluk

Detaylı

Matris Cebiriyle Çoklu Regresyon Modeli

Matris Cebiriyle Çoklu Regresyon Modeli Matris Cebiriyle Çoklu Regresyon Modeli Hüseyin Taştan Mart 00 Klasik Regresyon Modeli k açıklayıcı değişkenden oluşan regresyon modelini her gözlem i için aşağıdaki gibi yazabiliriz: y i β + β x i + β

Detaylı

İÇİNDEKİLER 1. GİRİŞ...

İÇİNDEKİLER 1. GİRİŞ... İÇİNDEKİLER 1. GİRİŞ... 1 1.1. Regresyon Analizi... 1 1.2. Uygulama Alanları ve Veri Setleri... 2 1.3. Regresyon Analizinde Adımlar... 3 1.3.1. Problemin İfadesi... 3 1.3.2. Konu ile İlgili Potansiyel

Detaylı

2011 Third International Conference on Intelligent Human-Machine Systems and Cybernetics

2011 Third International Conference on Intelligent Human-Machine Systems and Cybernetics 2011 Third International Conference on Intelligent Human-Machine Systems and Cybernetics Özet: Bulanık bir denetleyici tasarlanırken karşılaşılan en önemli sıkıntı, bulanık giriş çıkış üyelik fonksiyonlarının

Detaylı

1: DENEYLERİN TASARIMI VE ANALİZİ...

1: DENEYLERİN TASARIMI VE ANALİZİ... İÇİNDEKİLER Bölüm 1: DENEYLERİN TASARIMI VE ANALİZİ... 1 1.1. Deneyin Stratejisi... 1 1.2. Deneysel Tasarımın Bazı Tipik Örnekleri... 11 1.3. Temel Kurallar... 16 1.4. Deneyleri Tasarlama Prensipleri...

Detaylı

Kinematik Modeller. Kesikli Hale Getirilmiş Sürekli Zaman Kinematik Modeller: Rastgele giriş yok ise hareketi zamanın bir polinomu karakterize eder.

Kinematik Modeller. Kesikli Hale Getirilmiş Sürekli Zaman Kinematik Modeller: Rastgele giriş yok ise hareketi zamanın bir polinomu karakterize eder. 1 Kinematik durum modelleri konumun belirli bir türevi sıfıra eşitlenerek elde edilir. Rastgele giriş yok ise hareketi zamanın bir polinomu karakterize eder. Böyle modeller polinom modeller olarak ta bilinir

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

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

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

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

Kümülatif Dağılım Fonksiyonları. F X (x) = P (X x) = P X (x) = P (X x) = p X (x ) f X (x) = df X(x) dx

Kümülatif Dağılım Fonksiyonları. F X (x) = P (X x) = P X (x) = P (X x) = p X (x ) f X (x) = df X(x) dx Kümülatif Dağılım Fonksiyonları Herhangi bir rastgele değişken için kümülatif dağılım fonksiyonu/cumulative distribution function (KDF/CDF) şu şekilde tanımlanır. F X (x) = P (X x) = x f X (x ) dx Sürekli

Detaylı

EEM 451 Dijital Sinyal İşleme LAB 3

EEM 451 Dijital Sinyal İşleme LAB 3 EEM 451 Dijital Sinyal İşleme LAB 3 1. AMAÇ Ayrık zamanlı filtrelerin implementasyonu, çeşitleri FIR filtrelerinin incelenmesi FIR filtresi dizayn edilmesi 2. TEMEL BİLGİLER 2.1 FIR(Finite impulse response)

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

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

İşaret ve Sistemler. Ders 1: Giriş

İşaret ve Sistemler. Ders 1: Giriş İşaret ve Sistemler Ders 1: Giriş Ders 1 Genel Bakış Haberleşme sistemlerinde temel kavramlar İşaretin tanımı ve çeşitleri Spektral Analiz Fazörlerin frekans düzleminde gösterilmesi. Periyodik işaretlerin

Detaylı

Hipotez Testleri. Mühendislikte İstatistik Yöntemler

Hipotez 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

Detaylı

TIBBİ ENSTRUMANTASYON TASARIM VE UYGULAMALARI SAYISAL FİLTRELER

TIBBİ ENSTRUMANTASYON TASARIM VE UYGULAMALARI SAYISAL FİLTRELER TIBBİ ENSTRUMANTASYON TASARIM VE UYGULAMALARI SAYISAL FİLTRELER SUNU PLANI Analog sayısal çevirici FIR Filtreler IIR Filtreler Adaptif Filtreler Pan-Tompkins Algoritması Araş. Gör. Berat Doğan 08/04/2015

Detaylı

3 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI

3 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

Detaylı

Prof. Dr. Özkan ÜNVER Prof. Dr. Hamza GAMGAM Doç. Dr. Bülent ALTUNKAYNAK SPSS UYGULAMALI TEMEL İSTATİSTİK YÖNTEMLER

Prof. Dr. Özkan ÜNVER Prof. Dr. Hamza GAMGAM Doç. Dr. Bülent ALTUNKAYNAK SPSS UYGULAMALI TEMEL İSTATİSTİK YÖNTEMLER Prof. Dr. Özkan ÜNVER Prof. Dr. Hamza GAMGAM Doç. Dr. Bülent ALTUNKAYNAK SPSS UYGULAMALI TEMEL İSTATİSTİK YÖNTEMLER Gözden Geçirilmiş ve Genişletilmiş 8. Baskı Frekans Dağılımları Varyans Analizi Merkezsel

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

Deney 5 : Ayrık Filtre Tasarımı. Prof. Dr. Aydın Akan Bahattin Karakaya Umut Gündoğdu Yeşim Hekim Tanç

Deney 5 : Ayrık Filtre Tasarımı. Prof. Dr. Aydın Akan Bahattin Karakaya Umut Gündoğdu Yeşim Hekim Tanç İ. Ü. Elektrik&Elektronik Müh. Böl. İŞARET İŞLEME ve UYGULAMALARI Deney 5 : Ayrık Filtre Tasarımı Prof. Dr. Aydın Akan Bahattin Karakaya Umut Gündoğdu Yeşim Hekim Tanç Deney 5 : Ayrık Filtre Tasarımı 1.

Detaylı

ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ BÖLÜMÜ İLETİŞİM LABORATUARI SAYISAL FİLTRELER

ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ BÖLÜMÜ İLETİŞİM LABORATUARI SAYISAL FİLTRELER SAYISAL FİLTRELER Deney Amacı Sayısal filtre tasarımının ve kullanılmasının öğrenilmesi. Kapsam Ayrık zamanlı bir sistem transfer fonksiyonunun elde edilmesi. Filtren frekans tepkes elde edilmesi. Direct

Detaylı

NİĞDE ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ BÖLÜMÜ

NİĞDE ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ BÖLÜMÜ History in Pictures - On January 5th, 1940, Edwin H. Armstrong transmitted thefirstfmradiosignalfromyonkers, NY to Alpine, NJ to Meriden, CT to Paxton, MA to Mount Washington. 5 January is National FM

Detaylı

Uzaktan Algılama Teknolojileri

Uzaktan Algılama Teknolojileri Uzaktan Algılama Teknolojileri Ders 11 Hiperspektral Görüntülerde Kümeleme ve Sınıflandırma Alp Ertürk alp.erturk@kocaeli.edu.tr Sınıflandırma Sınıflandırma işleminin amacı, her piksel vektörüne bir ve

Detaylı

Doç. Dr. Dilek ALTAŞ İSTATİSTİKSEL ANALİZ

Doç. Dr. Dilek ALTAŞ İSTATİSTİKSEL ANALİZ I Doç. Dr. Dilek ALTAŞ İSTATİSTİKSEL ANALİZ II Yayın No : 2845 Teknik Dizisi : 158 1. Baskı Şubat 2013 İSTANBUL ISBN 978-605 - 377 868-4 Copyright Bu kitabın bu basısı için Türkiye deki yayın hakları BETA

Detaylı

MATEMATİK ÖĞRETMENLİK ALAN BİLGİSİ - DENEME SINAVI DENEME. Diğer sayfaya geçiniz.

MATEMATİK ÖĞRETMENLİK ALAN BİLGİSİ - DENEME SINAVI DENEME. Diğer sayfaya geçiniz. MATEMATİK. DENEME ÖĞRETMENLİK ALAN BİLGİSİ - DENEME SINAVI. f : X tanımlı y = f() fonksiyonu için lim f ( ) = L ise aşağıdaki önermelerden kaç tanesi kesinlikle doğrudur? 0 I. X dir. 0 II. f() fonksiyonu

Detaylı

T.C. AKSARAY ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ ELEKTRİK ELEKTRONİK MÜHENDİSLİĞİ BÖLÜMÜ

T.C. AKSARAY ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ ELEKTRİK ELEKTRONİK MÜHENDİSLİĞİ BÖLÜMÜ T.C. AKSARAY ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ ELEKTRİK ELEKTRONİK MÜHENDİSLİĞİ BÖLÜMÜ 2018-2019 Eğitim-Öğretim Döneminden İtibaren Uygulanacak LİSANS EĞİTİM-ÖĞRETİM PLANI 2018 2019 Eğitim Öğretim Döneminden

Detaylı

Olasılık ve Rastgele Süreçler (EE213) Ders Detayları

Olasılık ve Rastgele Süreçler (EE213) Ders Detayları Olasılık ve Rastgele Süreçler (EE213) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Saati Uygulama Saati Laboratuar Saati Kredi AKTS Olasılık ve Rastgele Süreçler EE213 Güz 3 0 0 3 7 Ön Koşul Ders(ler)i

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

DENİZ HARP OKULU TEMEL BİLİMLER BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ

DENİZ 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

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

Kümülatif Dağılım Fonksiyonu (Sürekli)

Kümülatif 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

Detaylı

Şekil 1.1 Genliği kuvantalanmamış sürekli zamanlı işaret. İşaretin genliği sürekli değerler alır. Buna analog işaret de denir.

Şekil 1.1 Genliği kuvantalanmamış sürekli zamanlı işaret. İşaretin genliği sürekli değerler alır. Buna analog işaret de denir. İŞARETLER Sayısal işaret işleme, işaretlerin sayısal bilgisayar ya da özel amaçlı donanımda bir sayılar dizisi olarak gösterilmesi ve bu işaret dizisi üzerinde çeşitli işlemler yaparak, istenen bir bilgi

Detaylı

Kazanımlar. Z puanları yerine T istatistiğini ne. zaman kullanacağını bilmek. t istatistiği ile hipotez test etmek

Kazanımlar. Z puanları yerine T istatistiğini ne. zaman kullanacağını bilmek. t istatistiği ile hipotez test etmek T testi Kazanımlar Z puanları yerine T istatistiğini ne 1 zaman kullanacağını bilmek 2 t istatistiği ile hipotez test etmek 3 Cohen ind sini ve etki büyüklüğünü hesaplamak 1 9.1 T İstatistiği: zalternatifi

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

Sistem Dinamiği. Bölüm 9- Frekans Domeninde Sistem Analizi. Doç.Dr. Erhan AKDOĞAN

Sistem Dinamiği. Bölüm 9- Frekans Domeninde Sistem Analizi. Doç.Dr. Erhan AKDOĞAN Sistem Dinamiği Bölüm 9- Frekans Domeninde Sistem Analizi Sunumlarda kullanılan semboller: El notlarına bkz. Yorum Bolum No.Alt Başlık No.Denklem Sıra No Denklem numarası Şekil No Şekil numarası Dikkat

Detaylı

DENEY 3: DTMF İŞARETLERİN ÜRETİLMESİ VE ALGILANMASI

DENEY 3: DTMF İŞARETLERİN ÜRETİLMESİ VE ALGILANMASI DENEY 3: DTMF İŞARETLERİN ÜRETİLMESİ VE ALGILANMASI AMAÇ: DTMF işaretlerin yapısının, üretim ve algılanmasının incelenmesi. MALZEMELER TP5088 ya da KS58015 M8870-01 ya da M8870-02 (diğer eşdeğer entegreler

Detaylı

Temel İstatistik. Y.Doç.Dr. İbrahim Turan Mart Tanımlayıcı İstatistik. Dağılımları Tanımlayıcı Ölçüler Dağılış Ölçüleri

Temel İstatistik. Y.Doç.Dr. İbrahim Turan Mart Tanımlayıcı İstatistik. Dağılımları Tanımlayıcı Ölçüler Dağılış Ölçüleri Temel İstatistik Tanımlayıcı İstatistik Dağılımları Tanımlayıcı Ölçüler Dağılış Ölçüleri Y.Doç.Dr. İbrahim Turan Mart 2011 DAĞILIM / YAYGINLIK ÖLÇÜLERİ Verilerin değişkenlik durumu ve dağılışın şeklini

Detaylı

Kuantum Mekaniğinin Varsayımları

Kuantum Mekaniğinin Varsayımları Kuantum Mekaniğinin Varsayımları Kuantum mekaniği 6 temel varsayım üzerine kurulmuştur. Kuantum mekaniksel problemler bu varsayımlar kullanılarak (teorik/kuramsal olarak) çözülmekte ve elde edilen sonuçlar

Detaylı

A İSTATİSTİK. 1. nc r, n tane nesneden her defasında r tanesinin alındığı (sıralama önemsiz) kombinasyonların sayısını göstermektedir.

A İSTATİSTİK. 1. nc r, n tane nesneden her defasında r tanesinin alındığı (sıralama önemsiz) kombinasyonların sayısını göstermektedir. . nc r, n tane nesneden her defasında r tanesinin alındığı (sıralama önemsiz) kombinasyonların sayısını göstermektedir. Buna göre, n C r + n C r toplamı aşağıdakilerden hangisine eşittir? A) n + C r B)

Detaylı

DENGELEME HESABI-I DERS NOTLARI

DENGELEME HESABI-I DERS NOTLARI DENGELEME HESABI-I DERS NOTLARI Dengeleme Hesabı Adımları, En Küçük Kareler İlkesine Giriş, Korelasyon Prof. Dr. Mualla YALÇINKAYA Yrd. Doç. Dr. Emine TANIR KAYIKÇI Karadeniz Teknik Üniversitesi, Harita

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

DERS BİLGİLERİ Ders Kodu Yarıyıl T+U Saat Kredi AKTS Çok Değişkenli İstatistik EKO428 Bahar Ön Koşul Dersin Dili

DERS BİLGİLERİ Ders Kodu Yarıyıl T+U Saat Kredi AKTS Çok Değişkenli İstatistik EKO428 Bahar Ön Koşul Dersin Dili DERS BİLGİLERİ Ders Kodu Yarıyıl T+U Saat Kredi AKTS Çok Değişkenli İstatistik EKO428 Bahar 3+0 3 3 Ön Koşul Yok Dersin Dili Türkçe Dersin Seviyesi Lisans Dersin Türü Seçmeli Dersi Veren Öğretim Elemanı

Detaylı

HAFTA 11: ÖRNEKLEME TEOREMİ SAMPLING THEOREM. İçindekiler

HAFTA 11: ÖRNEKLEME TEOREMİ SAMPLING THEOREM. İçindekiler HAFA 11: ÖRNEKLEME EOREMİ SAMPLING HEOREM İçindekiler 6.1 Bant sınırlı sürekli zaman sinyallerinin örneklenmesi... 2 6.2 Düzgün (uniform), periyodik örnekleme... 3 6.3 Bant sınırlı sürekli bir zaman sinyaline

Detaylı

İÇİNDEKİLER ÖN SÖZ...

İÇİNDEKİLER 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

Detaylı

İŞARET ve SİSTEMLER (SIGNALS and SYSTEMS) Dr. Akif AKGÜL oda no: 303 (T4 / EEM)

İŞARET ve SİSTEMLER (SIGNALS and SYSTEMS) Dr. Akif AKGÜL oda no: 303 (T4 / EEM) İşaret ve Sistemler İŞARET ve SİSTEMLER (SIGNALS and SYSTEMS) Dr. Akif AKGÜL aakgul@sakarya.edu.tr oda no: 303 (T4 / EEM) Kaynaklar: 1. Signals and Systems, Oppenheim. (Türkçe versiyonu: Akademi Yayıncılık)

Detaylı

EK -13: NİCEL ANALİZLERDE KULLANILAN YÖNTEMLER NACE REV Lİ KODDA İMALAT SANAYİ FAALİYETLERİNİN TEKNOLOJİ SINIFLAMASI,EUROSTAT

EK -13: NİCEL ANALİZLERDE KULLANILAN YÖNTEMLER NACE REV Lİ KODDA İMALAT SANAYİ FAALİYETLERİNİN TEKNOLOJİ SINIFLAMASI,EUROSTAT EK -13: NİCEL ANALİZLERDE KULLANILAN YÖNTEMLER NACE REV.2.00 2 Lİ KODDA İMALAT SANAYİ FAALİYETLERİNİN TEKNOLOJİ SINIFLAMASI,EUROSTAT EKLER 3 YILDIZ ANALİZİ TEMEL BİLEŞENLER ANALİZİ Temel bileşenler analizi

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

1.1 Yapı Dinamiğine Giriş

1.1 Yapı Dinamiğine Giriş 1.1 Yapı Dinamiğine Giriş Yapı Dinamiği, dinamik yükler etkisindeki yapı sistemlerinin dinamik analizini konu almaktadır. Dinamik yük, genliği, doğrultusu ve etkime noktası zamana bağlı olarak değişen

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

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

Matematik Ders Notları. Doç. Dr. Murat Donduran

Matematik Ders Notları. Doç. Dr. Murat Donduran Matematik Ders Notları Doç. Dr. Murat Donduran Mart 18, 28 2 İçindekiler 1 Tanımlı Integral Uygulamaları 5 1.1 Olasılık.............................. 5 3 4 İÇINDEKILER Bölüm 1 Tanımlı Integral Uygulamaları

Detaylı

İSTANBUL MEDENİYET ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ BÖLÜMÜ(TÜRKÇE) 4 YILLIK DERS PLANI

İSTANBUL MEDENİYET ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ BÖLÜMÜ(TÜRKÇE) 4 YILLIK DERS PLANI İSTANBUL MEDENİYET ÜNİVERSİTESİ MÜHİSLİK FAKÜLTESİ 2017-2018 ELEKTRİK-ELEKTRONİK MÜHİSLİĞİ BÖLÜMÜ(TÜRKÇE) 4 YILLIK DERS PLANI (Eğitim planı toplamda 138 ve 240 den oluşmaktadır. Yarıyıllara göre alınması

Detaylı

PARAMETRİK OLMAYAN İSTATİSTİKSEL TEKNİKLER

PARAMETRİK 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

Detaylı

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

Yrd. Doç. Dr. Fatih TOSUNOĞLU Erzurum Teknik Üniversitesi Mühendislik Fakültesi İnşaat Mühendisliği Bölümü Mühendislikte İstatistiksel Yöntemler Yrd. Doç. Dr. Fatih TOSUNOĞLU Erzurum Teknik Üniversitesi Mühendislik Fakültesi İnşaat Mühendisliği Bölümü 1 Araştırma sonuçlarının açıklanmasında frekans tablosu

Detaylı

İÇİNDEKİLER. BÖLÜM 1 Değişkenler ve Grafikler 1. BÖLÜM 2 Frekans Dağılımları 37

İÇİNDEKİLER. 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

Detaylı

SÜREKLİ RASSAL DEĞİŞKENLER

SÜREKLİ 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.

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

Sembolik Programlama1. Gün. Sembolik Programlama. 20 Eylül 2011

Sembolik Programlama1. Gün. Sembolik Programlama. 20 Eylül 2011 Sembolik Programlama 1. Gün Şenol Pişkin 20 Eylül 2011 Sunum Kapsamı MuPAD İçerik Başlangıç 1. Bölüm: Cebirsel işlemler 2. Bölüm: Denklem çözümleri MuPAD Kısaca MuPAD Bilgisi ve Tarihçesi MuPAD Diğer Araçlar

Detaylı

BÖLÜM 10 ÖRNEKLEME YÖNTEMLERİ

BÖLÜM 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...

Detaylı

BKİ farkı Standart Sapması (kg/m 2 ) A B BKİ farkı Ortalaması (kg/m 2 )

BKİ 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

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

DİNAMİK PANEL VERİ MODELLERİ. FYT Panel Veri Ekonometrisi 1

DİNAMİK PANEL VERİ MODELLERİ. FYT Panel Veri Ekonometrisi 1 DİNAMİK PANEL VERİ MODELLERİ FYT Panel Veri Ekonometrisi 1 Dinamik panel veri modeli (tek gecikme için) aşağıdaki gibi gösterilebilir; y it y it 1 x v it ' it i Gecikmeli bağımlı değişkenden başka açıklayıcı

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

EEM HABERLEŞME TEORİSİ NİĞDE ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ BÖLÜMÜ

EEM HABERLEŞME TEORİSİ NİĞDE ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ BÖLÜMÜ EEM3006 - HABERLEŞME TEORİSİ NİĞDE ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ BÖLÜMÜ EEM3006 - HABERLEŞME TEORİSİ Dersin Öğretim Elemanı: Yrd. Doç. Dr. Yasin KABALCI Ders Görüşme

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

Tek-faz Yarım Dalga Doğrultucu

Tek-faz Yarım Dalga Doğrultucu 427 GÜÇ ELEKTRONİĞİ Tek-faz Yarım Dalga Doğrultucu Simülasyon. Amaç: Bu simülasyonun amacı R ve RL yüklerine sahip tek-faz yarım dalga diyot doğrultucunun çalışma ve karakteristiğinin incelenmesidir..2

Detaylı

Birinci Mertebeden Adi Diferansiyel Denklemler

Birinci Mertebeden Adi Diferansiyel Denklemler Birinci Mertebeden Adi Diferansiyel Denklemler Bir veya daha çok bağımlı değişken, bir veya daha çok bağımsız değişken ve bağımlı değişkenin bağımsız değişkene göre (diferansiyel) türevlerini içeren bağıntıya

Detaylı

HAVADAN LAZER TARAMA ve SAYISAL GÖRÜNTÜ VERİLERİNDEN BİNA TESPİTİ VE ÇATILARIN 3 BOYUTLU MODELLENMESİ

HAVADAN LAZER TARAMA ve SAYISAL GÖRÜNTÜ VERİLERİNDEN BİNA TESPİTİ VE ÇATILARIN 3 BOYUTLU MODELLENMESİ Akdeniz Üniversitesi Uzay Bilimleri ve Teknolojileri Bölümü Uzaktan Algılama Anabilim Dalı HAVADAN LAZER TARAMA ve SAYISAL GÖRÜNTÜ VERİLERİNDEN BİNA TESPİTİ VE ÇATILARIN 3 BOYUTLU MODELLENMESİ Dr.Nusret

Detaylı

Sayısal İşaret İşleme Dersi Laboratuvarı

Sayısal İşaret İşleme Dersi Laboratuvarı 1. Örnekleme Öncelikle boş bir m dosyası oluşturarak aşağıdaki kodları bu boş m dosyasının içine yazılacaktır. Periyodik bir sinyal olan x(t) = Acos ( 2π T 0 t) = 6cos (2000πt) sinyali incelenmek üzere

Detaylı

Burada E, x(t) 'nin beklenen değerini göstermektedir. Standart sapma veya sürecin karelerinin ortalamasının karekökü şu şekilde tanımlanabilir.

Burada E, x(t) 'nin beklenen değerini göstermektedir. Standart sapma veya sürecin karelerinin ortalamasının karekökü şu şekilde tanımlanabilir. DALGA İSAİSİĞİ Dalga teorileri genel olarak açık deni yapılarının tasarımında ortaya çıkan problemlere yanıt bulmak amacıyla kullanılır. Bu teorilerin temelinde, öellikleri bir periyod dan diğer bir periyoda

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

Bölüm 16 CVSD Sistemi

Bölüm 16 CVSD Sistemi Bölüm 16 CVSD Sistemi 16.1 AMAÇ 1. DM sisteminin çalışma prensibinin incelenmesi. 2. CVSD sisteminin çalışma prensibinin incelenmesi. 3. CVSD modülatör ve demodülatör yapılarının gerçeklenmesi. 16.2 TEMEL

Detaylı

T.C. ONDOKUZ MAYIS ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ BÖLÜMÜ ELEKTRONİK LABORATUVARI-II DENEY RAPORU AKTİF FİLTRELER

T.C. ONDOKUZ MAYIS ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ BÖLÜMÜ ELEKTRONİK LABORATUVARI-II DENEY RAPORU AKTİF FİLTRELER T.C. ONDOKUZ MAYIS ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ BÖLÜMÜ ELEKTRONİK LABORATUVARI-II Öğrenci No: Adı Soyadı: Grubu: DENEY RAPORU AKTİF FİLTRELER Deneyin Yapıldığı Tarih:.../.../2017

Detaylı

ARALIK TAHMİNİ (INTERVAL ESTIMATION):

ARALIK 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

Detaylı

Kre di. Ders Kodu BIL-107. Açıklama Eşdeğer Akademik Araştırma ve EHB-119 Sunum I. MAT-151 Matematik I MAT-152 Matematik II

Kre di. Ders Kodu BIL-107. Açıklama Eşdeğer Akademik Araştırma ve EHB-119 Sunum I. MAT-151 Matematik I MAT-152 Matematik II 1. Yarıyıl Adı Kre di AK TS EHB-105 Algoritma ve Programlama 2+2 5 BIL-107 Bilgisayar Mühendisliği in Adı Algoritma ve Programlama 3+1 7 Akademik Araştırma ve EHB-119 Sunum I 1+1 2 FIZ-145 Fizik I 3+0

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

CEVAP ANAHTARI. Tempo Testi D 2-B 3-A 4-A 5-C 6-B 7-B 8-C 9-B 10-D 11-C 12-D 13-C 14-C

CEVAP ANAHTARI. Tempo Testi D 2-B 3-A 4-A 5-C 6-B 7-B 8-C 9-B 10-D 11-C 12-D 13-C 14-C 01. BÖLÜM: FONKSİYONLARLA İLGİLİ UYGULAMALAR - 1 1-E 2-D 3-C 4-E 5-B 6-C 7-C 8-B 9-C 10-D 11-C - 2 1-D 2-E 3-C 4-D 5-E 6-E 7-C 8-D 9-E 10-B - 3 1-E 2-A 3-B 4-D 5-A 6-E 7-E 8-C 9-C 10-C 11-C 1-A 2-B 3-E

Detaylı

Örneklemden elde edilen parametreler üzerinden kitle parametreleri tahmin edilmek istenmektedir.

Örneklemden elde edilen parametreler üzerinden kitle parametreleri tahmin edilmek istenmektedir. ÇIKARSAMALI İSTATİSTİKLER Çıkarsamalı istatistikler, örneklemden elde edilen değerler üzerinde kitleyi tanımlamak için uygulanan istatistiksel yöntemlerdir. Çıkarsamalı istatistikler; Tahmin Hipotez Testleri

Detaylı

Analog Alçak Geçiren Filtre Karakteristikleri

Analog Alçak Geçiren Filtre Karakteristikleri Analog Alçak Geçiren Filtre Karakteristikleri Analog alçak geçiren bir filtrenin genlik yanıtı H a (jω) aşağıda gösterildiği gibi verilebilir. Ω p : Geçirme bandı kenar frekansı Ω s : Söndürme bandı kenar

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

1. YIL - 1. DÖNEM DERSİN ADI TEORİK UYGULAMA AKTS

1. YIL - 1. DÖNEM DERSİN ADI TEORİK UYGULAMA AKTS 1. YIL - 1. DÖNEM ADI TEORİK UYGULAMA AKTS MAT175 Matematik I ** 4 0 5 FIZ 115 Genel Fizik I 3 1 5 KIM 115 Genel Kimya 3 1 5 ING 185 İngilizce I 2 0 2 TDI 195 Türk Dili I 2 0 2 EEM 101 Elek.-Elektronik

Detaylı

Veri Ağlarında Gecikme Modeli

Veri Ağlarında Gecikme Modeli Veri Ağlarında Gecikme Modeli Giriş Veri ağlarındaki en önemli performans ölçütlerinden biri paketlerin ortalama gecikmesidir. Ağdaki iletişim gecikmeleri 4 farklı gecikmeden kaynaklanır: 1. İşleme Gecikmesi:

Detaylı

C L A S S N O T E S SİNYALLER. Sinyaller & Sistemler Sinyaller Dr.Aşkın Demirkol

C L A S S N O T E S SİNYALLER. Sinyaller & Sistemler Sinyaller Dr.Aşkın Demirkol Sinyaller & Sisemler Sinyaller Dr.Aşkın Demirkol SİNYALLER Elekriki açıdan enerjisi ve frekansı olan dalga işare olarak anımlanır. Alernaif olarak kodlanmış sinyal/işare de uygun bir anım olabilir. s (

Detaylı

DÜZCE ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ ELEKTRİK ELEKTRONİK MÜHENDİSLİĞİ BÖLÜMÜ TEMEL HABERLEŞME SİSTEMLERİ TEORİK VE UYGULAMA LABORATUVARI 3.

DÜZCE ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ ELEKTRİK ELEKTRONİK MÜHENDİSLİĞİ BÖLÜMÜ TEMEL HABERLEŞME SİSTEMLERİ TEORİK VE UYGULAMA LABORATUVARI 3. DÜZCE ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ ELEKTRİK ELEKTRONİK MÜHENDİSLİĞİ BÖLÜMÜ TEMEL HABERLEŞME SİSTEMLERİ TEORİK VE UYGULAMA LABORATUVARI 3. DENEY AÇI MODÜLASYONUNUN İNCELENMESİ-1 Arş. Gör. Osman DİKMEN

Detaylı

Bulanık Küme Kavramı BULANIK KÜME. Sonlu ve Sonsuz Bulanık Kümeler. Sonlu ve Sonsuz Bulanık Kümeler

Bulanık Küme Kavramı BULANIK KÜME. Sonlu ve Sonsuz Bulanık Kümeler. Sonlu ve Sonsuz Bulanık Kümeler ULNIK KÜME ulanık Küme Kavramı Elemanları x olan bir X evrensel (universal küme düșünelim. u elemanların ÌX alt kümesine aitliği, yani bu altkümelerin elemanı olup olmadığı X in {0,1} de olan karakteristik

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

Prof. Dr. Aydın Yüksel MAN 504T Yön. için Finansal Analiz & Araçları Ders: Risk-Getiri İlişkisi ve Portföy Yönetimi I

Prof. Dr. Aydın Yüksel MAN 504T Yön. için Finansal Analiz & Araçları Ders: Risk-Getiri İlişkisi ve Portföy Yönetimi I Risk-Getiri İlişkisi ve Portföy Yönetimi I 1 Giriş İşlenecek ana başlıkları sıralarsak: Finansal varlıkların risk ve getirisi Varlık portföylerinin getirisi ve riski 2 Risk ve Getiri Yatırım kararlarının

Detaylı

RASTGELE SAYI ÜRETİMİ VE UYGULANAN TESTLER HAZIRLAYAN: ÖZLEM AYDIN

RASTGELE SAYI ÜRETİMİ VE UYGULANAN TESTLER HAZIRLAYAN: ÖZLEM AYDIN RASTGELE SAYI ÜRETİMİ VE UYGULANAN TESTLER HAZIRLAYAN: ÖZLEM AYDIN RASTGELE SAYILARIN ÜRETİLMESİ Rastgele değişimler yapay tablolardan veya parametreleri verilen teorik dağılım fonksiyonlarından elde edilir.

Detaylı

Ders 8: Verilerin Düzenlenmesi ve Analizi

Ders 8: Verilerin Düzenlenmesi ve Analizi Ders 8: Verilerin Düzenlenmesi ve Analizi Betimsel İstatistik Merkezsel Eğilim Ölçüleri Dağılım Ölçüleri Grafiksel Gösterimler Bir kitlenin tamamını, ya da kitleden alınan bir örneklemi özetlemekle (betimlemekle)

Detaylı

Kompozit Malzemeler ve Mekaniği. Yrd.Doç.Dr. Akın Ataş

Kompozit Malzemeler ve Mekaniği. Yrd.Doç.Dr. Akın Ataş Kompozit Malzemeler ve Mekaniği Yrd.Doç.Dr. Akın Ataş Bölüm 3 Laminanın Mikromekanik Analizi Kaynak: Kompozit Malzeme Mekaniği, Autar K. Kaw, Çevirenler: B. Okutan Baba, R. Karakuzu. 3 Laminanın Mikromekanik

Detaylı