6. Uygulama. dx < olduğunda ( )
|
|
- Duygu Necmi
- 5 yıl önce
- İzleme sayısı:
Transkript
1 . Uygulama Hatırlatma: Rasgele Değşelerde Belee Değer Kavramı br rasgele değşe ve g : R R br osyo olma üzere, ) esl ve g ) ) < olduğuda D ) sürel ve g ) ) d < olduğuda g belee değer der. c R ve br doğal sayı olma üzere: * * E g g sayısıa, D E g g d sayısıa E c değere c ye göre c momet der. E değere c momet der. * E ( ) değere belee değer der. E E( ) değere varyası der. * Alışagelmş olara br rasgele değşe belee değer µ veya sadece µ, varyası se Var ( ), σ veya sadece σ le de gösterlmetedr. Varyası areöüe stadart sapma der ve br rasgele değşe stadart sapması σ veya sadece σ le gösterlmetedr. değere c çarpımsal momet der. * Var olması halde, M ( t E e ), h < t < h ( h > ) osyoua momet ürete osyou veya momet çıara osyou der. * E ( )( ) ( + ) t * ϕ ( t ) E ( e ), t < R osyoua momet araterst osyou der. Ragele Vetörlerde Belee Değer Kavramı (,..., ) br rasgele vetör ve g : R R ye br osyo olma üzere, esl dağılımlarda,... g,,...,,,..., ) < ve sürel dağılımlarda,,,...,
2 ... g,,...,,,..., d d... d,,..., olması halde,... g,,..., ),,...,,,..., ) E g (,,..., )... g,,..., ),,..., ) d d... d sayısıa g (,,..., ) belee değer der. <,,..., * (,..., ) br rasgele vetör olma üzere,,,..., ç E( )......,,..., ) +,,...,...,,..., d... d d... d,,..., + ) sayısı belee değer olma üzere, d ( ) Cov(, ) E E( ) ( E( )),,,,..., sayısıa le ovaryası ve Cov(, ) Cov(, ) Cov(, ) Cov(, ) Cov(, ) Cov(, ) Σ Cov(, ) Cov(, ) Cov(, ) rasgele değşeler varyas-ovaryas matrs der. matrse,...,. Cov(, ) sayısı σ ( σ Cov(, ) ) le de gösterlmetedr.,,..., ç σ Cov(, ) Var( ) (,..., ) br rasgele vetör ve Cov(, ) ρ,,,,,..., Var( ) Var( ) le arasıda orelasyo atsayısı olma üzere,
3 ρ, ρ, ρ, ρ, R ρ,, ρ matrse,..., rasgele değşeler orelasyo matrs der. * (,..., ) br rasgele vetör olma üzere (var olması halde), t+ t t ) M ( t, t..., t ) E e, h< t, t..., t < h,..., osyoua (,..., ) vetörüü momet çıara osyou veya,..., rasgele değşeler orta dağılımıı momet çıara osyou der. * ϕ (,..., ) br rasgele vetör olma üzere, ( t + t t ) ( t, t..., t ) E e, t, t..., t R,..., osyoua (,..., ) rasgele vetörüü araterst osyou der. Alıştırmalar:. a) a, b R olma üzere, ( a+ b) ) a ) + b ) a+ be( ) E( ) E( a+ b ) ( a+ b) ) d a ) d+ b ) d a+ be( ) E( ) ae + b b) Var( a+ b) E( a+ b E( a+ b) ) E( a+ b ae( ) b) ( ) ( ) E a ae a E E a Var
4 c) Var ( ) E ( E( )) E E( ) + ( E( )) ( E( )) + E E E E E d) Cov(, Y) E[ ( E( ))( Y E( Y ))] E[ Y E( ) Y E( Y ) + E( ) E( Y )] E( Y ) E( E( ) Y) E( E( Y )) + E( E( ) E( Y )) E( Y ) E( ) E( Y) E( Y ) E + E( ) E( Y ) E( Y ) E( ) E( Y) le Y bağımsız olduğuda, Cov(, Y) E( Y ) E( ) E Y E( ) E Y E( ) E Y e) Orta dağılıma sahp ola, Y gb rasgele değşe ç taımlaa, ρ, Y Cov(, Y ) Var( ) Var( Y ) orelasyo atsayısıa, Pearso orelasyo atsayısı der. ρ, Y orelasyo atsayısı le Y rasgele değşeler arasıda leer lş br ölçüsüdür. Şmd, ρ, Y olduğuu spatlayalım. E( ty ) E( ) te Y + t E Y, t R Bua göre, delem dsrmatı E Y t E Y t+ E( ) ( ) E Y E Y E 4 4 ( ) E Y E Y E( ) dır (Schwartz Eştszlğ). Burada, (( )( )) E E Y E Y E Y E (( )( )) E E Y E Y E Y E
5 (( )( )) E E Y E Y E Y E( ) ρ, Y elde edlr. Eştl olması ç gere ve yeter şart cy ( c R ) olması ρ, Y olduğuda le Y rasgele değşelere doğrusal lşszdr veya ısaca ρ orelasyo atsayısı yaı olduğuda lşszdr der., Y lş, - e yaı olduğuda güçlü egat lş vardır der. le Y arasıda güçlü pozt ley bağımsız ρ, Y ( ley doğrusal lşsz) ) a, b, c, d R olma üzere, Cov( a + b, c + d) E a b c d + + E a + b E c + d ace( ) + ade( ) + bce( ) + bd ace( ) E( ) ade( ) bce( ) bd ace( ) ace( ) E( ) accov(, ) g) ρ a+ b, c + b Cov( a + b, c + b) Var( a + b) Var( c + b) accov(, ) a Var( ) c Var( ) ac a c ρ, h),..., rasgele değşeler belee değerler ve ovaryasları mevcut olsu. a, a,..., a R olma üzere, E a a E( )
6 Var a a a Cov a Var + a a Cov (, ) ( ) (, ) +,..., rasgele değşeler bağımsız olduğuda ovaryaslar sıır olacağıda, Var a a Var( ) Var Var( ) Var( ± ) Var( ) + Var( ) ve a,,,..., ç Var Var( ),..., rasgele değşeler ayı ( µ ) ortalamalı, ayı ( σ ) varyaslı ve bağımsız oldularıda, σ E( ) E µ, Var( ) Var. Br rasgele değşe momet ürete osyou varsa, d M t E,, dt t
7 Belee değer şlec (operatörü) E, sürel rasgele değşelerde tegral, esl rasgele değşelerde toplam olma üzere, aşağıda E le d dt türev alma şlemler yer değştrebleceğ varsayılsı. d d t d t t M ( t) E( e ) E e E ( e ),,,,... dt dt dt olma üzere, Bezer yolda, elde edlr. d t M t E e E,,,,... dt t t M ( t, t..., t ),..., t M ( t, t..., t ),..., t t t, t,..., t t, t,..., t E ( ) E,..., rasgele değşeler bağımsız olduğuda,,..., t t ( t ) t t t ) M ( t, t..., t ) E e e... e E e E e... E e M ( t ) M ( t )... M ( t ),..., rasgele değşeler bağımsız ve ayı dağılımlı (ayı ortalamalı ve ayı varyaslı) olursa, olduça olay olmata soucuda ve ( ) M ( t) M ( t) M ( t) dağılımı ve rasgele değşeler dağılımlarıı elde etme t t t M ( t) M ( t) M M M soucuda dağılımı buluablr.
8 . rasgele değşe olasılı osyou, e λ λ,,,, ( λ > )! e λ λ olsu.,,,.. ç < olduğuda bütü mometler var! belee değer, λ λ e λ e λ E( )!! λ λ λ λ λe λe )!! λ + adesde aydalaara, elde edlr. Burada, buluur. λ ( ) e λ E E + E + λ! ( ) λ e λ + λ! λ + λ e λ + λ λ! ) λ Var E E λ rasgele değşe momet ürete osyou, λ λ t t t e λ e ( e λ) λ ( e λ) λ M ( t) e e e e!!! e t λ t λ ( e ) e, t R belee değer, dm ( t) t λ( t ) E( ) t λe e t λ dt c momet,
9 ve varyası, E d M ( t) t dt [ λete + ( λe ) e ] λ+ λ λ( e t ) ( t t λ e ) t Var( ) E( ) ( E ) λ + λ ( λ ) λ olara elde edlr. Öreğ, br rasgele değşe momet ürete osyou, t ( et ) e M ( t) e! se olasılı osyou, e ),,,,! 4. Br güde parça şleye br tora maası ç usursuz olara şledğ parçaları sayısı olsu. olasılı osyouu 4 ) 4,,,,,, ) olduğu bls. Br güde üretle usursuz parça sayısıı belee değer (ortalaması), 4 4 E( ) ) varyası, Var( ) E ( 4) 4) ) 4 4 ( 4) + ( 4) + ( 4) + ( 4) + (4 4) + ( 4) 4. Đşlememş parçaı alış değer a, şleme masraı b, usurlu şlemş parçaı hurda değer c ve usursuz şlemş parçaı satış değer d olma üzere gülü azacı belee değer edr? K rasgele değşe gülü azacı gösterme üzere, olara ade edleblr. K a + b + c + d ( c a b) + ( d c)
10 E( K) E ( c a b) + ( d c) ( c a b) + ( d c) E( ) Var( ) Var ( c a b) + ( d c) ( d c) Var( ) olma üzere, öreğ şlememş parçaı alış değer a TL, şleme masraı b TL, usurlu şlemş parçaı hurda değer c TL ve usursuz şlemş parçaı satış değer d TL olduğuda, K ( c a b) + ( d c) 9 + E( K) 9 + E( ) Var 4 Var( ) 7 σ 7. Gülü azacı belee değer, başa br ade le ortalama gülü azaç TL dr. Gülü azacı olasılı dağılımı, P( ) P( K ) olma üzere, bazı gülerde TL azaç olduğu gb, 9, ya da TL ayıp söz ousu olablr..,, rasgele değşeler orta olasılı osyou,,,,,, ) + ), 4,,, olsu. E( ),, ) + ),, 4 + ) ( ) olma üzere, bu belee değer maral dağılımıda da hezaplayablrz. maral olasılı osyou, ) + ),, 4 ve olasılı tablosu, olup ) / /
11 E( ) + E( ) değer hesaplayalım. E( ),, ) + ),, 4 + ) ( ) olma üzere, bu değer (, ) vetörüü maral dağılımıda ( le maral orta dağılımıda) da bulablrz. le maral orta olasılı osyou,,, ),,,, ) + ) 4, (+ ), 4,, olma üzere, olasılı tablosu ) P( ) /4 /4 7/4 /4 /4 /4 4/4 /4 ) P( ) 9/4 /4 /4, E( ), ) (, ) + (,) + (, ) + (, ),,,, + (,) + (, ),, Tabloda görüldüğü gb, maral dağılımıı olasılı tablosu, ) 9/4 /4 /4
12 9 7 E( ) E( ) Var( ) E( ) ( E( )) 4 4 Şmd,, rasgele değşeler varyas-ovaryas matrs hesaplamaya çalışalım. Đl öce şerl maral dağılımları elde edelm. Yuarıda, le maral orta olasılı osyou,,, ),,,, ) + ) 4, (+ ), 4,, olma üzere, olasılı tablosu ) P( ) /4 /4 7/4 /4 /4 /4 4/4 /4 ) P( ) 9/4 /4 /4 olduğuu bulmuştu. Ayrıca, E( ), E( ), Var( ) E( ), E( ), Var( ) E( ), Cov(, ) E( ) E E( ) 9 değerler böyle br tabloda olayca hesaplayablrz. Bezer şelde, le ü maral orta olasılı osyou,,, ),,,, ) + ) 4 + ),,,,, olasılı tablosu, ) P( ) / / / / / / 4/ 9/ ) P( ) / / 7/ ve
13 E( ), E( ), E( ), Var( ) E( ), Cov(, ) E( ) E( ) E( ) 7 le ü maral orta olasılı osyou, olasılı tablosu,, ),, ) + ),,, 4 ( + ),,,, ) P( ) / 4/ / / / 9/ ) P( ) / / ve 4 E( ), E( ), E( ) 4 Cov(, ) E( ) E E( ),, rasgele değşeler varyas-ovaryas matrs Cov(, ) Cov(, ) Cov(, ) Σ Cov(, ) Cov(, ) Cov(, ) Cov(, ) Cov(, ) Cov(, ) Var( ) Cov(, ) Cov(, ) Cov(, ) Var( ) Cov(, ) Cov(, ) Cov(, ) Var( )
14 ve oralasyo matrs, R olara elde edlr.. (, Y ) rasgele vetörüü dağılımı, başa br ade le, Y rasgele değşeler orta dağılımı aşağıda olasılı tablosu le verls. y ) / / / / / / / / / / / Y ( y ) / / / olma üzere,, Y,, (),, Y, Y Y () olduğuda le Y bağımsız değldr. Faat, E( ) 4, E( ), Var( ) E( Y ) 4, E( Y ), Var( Y ) E( Y ), Cov(, Y) E( Y ) E( ) E( Y) ρ, Y Görüldüğü gb orelasyo atsayısı, Y ρ ola rasgele değşe bağımsız olmayablr.
15 Korelasyo atsayısıı büyülüğüü rdeleyelm y ) / / / / / / Y ( y ) / / / E( ), E( Y ), 4 E( Y ), 4 E( ), Var( ) 4 E( Y ), Var( Y ) Cov(, Y) E( Y ) E( ) E( Y ) ρ, Y Görüldüğü gb, P( Y) P( Y ), ya le Y arasıda tam br leer lş olma üzere, orelasyo atsayısı ρ, Y le Y rasgele değşeler arasıda pozt br lş söz ousudur. Rasgele değşelerde br büyü değer aldığıda dğer de büyü, br üçü değer aldığıda dğer de üçü değer almata y ) / / / / / / / / Y ( y ) / / / olması durumuda, E( ) 4, E( ), Var( ) E( Y ) 4, E( Y ), Var( Y ) E( Y ), Cov(, Y) E( Y ) E( ) E( Y ) ρ, Y. % le Y rasgele değşeler arasıda olduça güçlü pozt br leer lş söz ousudur.
16 y ) / / / / / / / / Y ( y ) / / / olması durumuda, E( ) 4, E( ), Var( ) E( Y ) 4, E( Y ), Var( Y ) E( Y ), Cov(, Y) E( Y ) E( ) E( Y ) ρ, Y. % le Y rasgele değşeler arasıda olduça güçlü egat br leer lş söz ousudur. y ) / / / / / / Y ( y ) / / / olması durumuda, 4 E( ), E( ), Var( ) 4 E( Y ), E( Y ), Var( Y ) E( Y ), Cov(, Y) E( Y ) E( ) E( Y ) ρ, Y le Y rasgele değşeler arasıda tam egat br leer lş söz ousudur.
17 olması durumuda, y ) / / / / / / / / / / Y ( y ) / / / E( ), E( Y ), 7 E( Y ), ρ, Y 4 E( ), Var( ) 4 E( Y ), Var( Y ) Cov(, Y) E( Y ) E( ) E( Y ).-% le Y rasgele değşeler arasıda zayı, egat br leer lş söz ousudur. Maral dağılımları ayı ola yuarıda olasılı dağılımlarıı, orelasyo atsayıları le brlte br ez daha göz öüe alalım. y / / / ρ, Y y / / / ρ, Y y / / / / / ρ, Y %
18 y / / / / / ρ, Y % y / / / / / / / ρ, Y - % y / / / / / / / / ρ, Y ve y ) 9/4 /4 9/4 / /4 4/4 /4 / 9/4 /4 9/4 / Y ( y ) / / / olması durumuda le Y rasgele değşeler bağımsız (orta olasılılar maraller çarpımı) olduğuda ρ, Y 7. (, Y, Z ) rasgele vetörüü olasılı yoğulu osyou, z + y) e, < <, < y <, z >, Y, Z, y, z), d. y. olsu. ve (, Y, Z ) vetörüü varyas-ovaryas matrs le orelasyo matrs bulalım. maral olasılı yoğulu osyou, z ) + y) e dydz z + y) + y) dy e dz + y) dy y+, <y< y
19 ve 7 E( ) ) d ( + ) d + 4 E( ) ) d + ) d Var( ) E( ) ( E( )) 44 Y maral olasılı yoğulu osyou, z ( y) + y) e ddz Y ve z + y) + y) dy e dz + y) d y+, << y y 7 E( Y ) yy ( y) dy y( y+ ) dy + Y y 4 y y E( Y ) y ( y) dy y ( y+ ) dy Var( Y) E( Y ) ( E( Y )) 44 Z maral olasılı yoğulu osyou, y z z ( z) + y) e ddy e + y) ddy Z z y) + z z e dy e y + dy e, z> Z rasgele değşe θ parametrel üstel dağılıma sahptr ve E( Z ) Var( Z )
20 le Y orta maral olasılı yoğulu osyou, olma üzere, z, Y, y) + y) e dz + y, < <, < y<, y, z), y) ( z), Y, Z, Y Z Z rasgele değşe le Y rasgele değşelerde bağımsız Bua göre, Cov(, Z) Cov( Y, Z) Cov(, Y) hesabıa gelce, olma üzere, E( Y) y, y) ddy, Y y+ y) ddy y ( y ) + dy y y y y + dy ( + ) y 7 7 Cov( Y ) E( Y ) E( ) E( Y ) 4 (, Y, Z ) rasgele vetörüü varyas-ovaryas matrs Var( ) Cov(, Y ) Cov(, Z) 44 4 Cov( Y, ) Var( Y ) Cov( Y, Z) Σ Cov( Z, ) Cov( Z, Y ) Var( Z) 4 44 ve oralasyo matrs,
21 R olara elde edlr.. a),..., rasgele değşeler bağımsız ve ayı λ parametrel Posso dağılıma sahp olsu. olma üzere, M t e λ,,..., ( e ) t, λ( et ) λ ( et ) M ( t) M ( t) ( e ) e rasgele değşe parametres λ ola Posso dağılımıa sahptr. b),..., rasgele değşeler bağımsız ve ayı θ parametrel üstel dağılıma sahp olsu. olma üzere, M t t ( θ ),,,..., ( θ ) M ( t) M ( t) ( t) ( θt) rasgele değşe parametreler Γ( θ, ) M t t θ t M ( θ ) ( t) α ve β θ ola gamma dağılımıa sahptr.
22 θ Γ ( α, β ) c),..., rasgele değşeler bağımsız, ayı µ ortalamalı ve ayı σ varyaslı Nµσ (, ) ormal dağılımıa sahp olsu. olma üzere, µ+ t σ t M ( t) e,,,..., + σ t t+ σ t t M ( t) M ( t) e e µ µ N( µ, σ ) t σ σ t t t t µ + µ + M ( t) M e e σ N( µ, ) 9.,..., rasgele değşeler bağımsız ve ayı b(, p ) Beroull dağılımıa sahp olduğuda, Y b(, p) rasgele değşe aldığı değerler, y,,,..., olma üzere olasılı osyou, y y Y ( y) P( Y y) P( y) p q, y,,,..., y Y rasgele değşe aldığı değerler, değerler alması olasılıları ) P( ) P( ) P( y) p y q y,,,,,..., y,,,,..., bu
23 . a) Bell br tür pl ç dayama süres N( µ ( saat), σ ) dağılımıa sahp olduğu bls. Bu dağılımı olasılı yoğulu osyouu grağ, Bu pller arasıda rasgele seçle pl dayama süreler ortalamasıı göz öüe alalım. tae pl dayama süreler,..., rasgele değşeler olma üzere, bu rasgele değşeler her br N ( µ, σ ) dağılımıa sahptr. Ayrıca,,..., ler bağımsız se, rasgele değşe olasılı yoğulu osyouu grağ, Nµ (, σ ) (, ) rasgele değşe olasılı yoğulu osyouu grağ,
24 b) Bell br tür eletro parça ç dayama süres ayı θ yıl ortalama le üstel dağılıma sahp olduğu bls. Bu dağılımı olasılı yoğulu osyouu grağ, Bu parçalar arasıda rasgele seçle taes dayama süreler ortalamasıı göz öüe alalım. tae parçaı dayama süreler,..., rasgele değşeler olma üzere, bu rasgele değşeler her br θ parametrel üstel dağılıma sahptr. Ayrıca,,..., ler bağımsız se, Γ ( α, β ) rasgele değşe olasılı yoğulu osyouu grağ, Γ ( α, β ) rasgele değşe olasılı yoğulu osyouu grağ,
25
2016 YILI I.DÖNEM AKTÜERLİK SINAVLARI RİSK ANALİZİ VE AKTÜERYAL MODELLEME. aşağıdaki seçeneklerden hangisinde verilmiştir? n exp 1.
06 YILI I.DÖNEM AKTÜERLİK SINAVLARI Soru Toplam hasar miktarı S i olasılık ürete foksiyou X x i PS ( t) = E( t ) = exp λi( t ) ise P S(0) aşağıdaki seçeeklerde hagiside verilmiştir? A) 0 B) C) exp λ i
DetaylıTahmin Edicilerin ve Test Đstatistiklerinin Simülasyon ile Karşılaştırılması
. Ders ĐSTATĐSTĐKTE SĐMÜLASYON Tahm Edcler ve Test Đstatstkler Smülasyo le Karşılaştırılması Đstatstk rasgelelk olgusu çere olay süreç ve sstemler modellemesde özellkle bu modellerde souç çıkarmada ve
Detaylı7. Ders. Bazı Kesikli Olasılık Dağılımları
Hatırlatma: ( Ω, U, P) bir olasılık uzayı ve 7. Ders Bazı Kesikli Olasılık Dağılımları : Ω ω R ( ω) foksiyou Borel ölçülebilir, yai B B içi { ω Ω : ( ω) B } U oluyorsa foksiyoua bir Rasgele Değişke deir.
DetaylıTAHMİNLEYİCİLERİN ÖZELLİKLERİ Sapmasızlık 3.2. Tutarlılık 3.3. Etkinlik minimum varyans 3.4. Aralık tahmini (güven aralığı)
3 TAHMİNLEYİCİLERİN ÖZELLİKLERİ 3.1. Sapmasızlık 3.. Tutarlılık 3.3. Etkilik miimum varyas 3.4. Aralık tahmii (güve aralığı) İyi bir tahmi edici dağılımı tahmi edilecek populasyo parametresie yakı civarda
DetaylıNormal Dağılımlı Bir Yığın a İlişkin İstatistiksel Çıkarım
Normal Dağılımlı Bir Yığı a İlişi İstatistisel Çıarım Bir üretici edi ürüleride, piyasadai 3,5 cm li vidalarda yalıca boyları 3,4 cm ile 3,7 cm aralığıda olaları ullaabilmetedir. Üretici, piyasadai bu
DetaylıBağımsızlık özelliğinden hareketle Ortak olasılık fonksiyonu (sürekli ise
YTÜ-İktisat İstatistik II Örekleme ve Öreklem Dağılımları BASİT RASSAL ÖRNEKLEME N tae ese arasıda taelik bir öreklem seçilmesii istediğii düşüelim. eseli olaaklı her öreklemi seçilme şasıı eşit kıla seçim
DetaylıİSTATİSTİKSEL TAHMİN. Prof. Dr. Levent ŞENYAY VIII - 1 İSTATİSTİK II
8 İSTATİSTİKSEL TAHMİN 8.. İstatistiksel tahmileyiciler 8.. Tahmileyicileri Öellikleri 8... Sapmasılık 8... Miimum Varyaslılık 8..3. Etkilik 8.3. Aralık Tahmii 8.4. Tchebysheff teoremi Prof. Dr. Levet
DetaylıTahmin Edici Elde Etme Yöntemleri
6. Ders Tahmi Edici Elde Etme Yötemleri Öceki derslerde ve ödevlerde U(0; ) ; = (0; ) da¼g l m da, da¼g l m üst s r ola parametresi içi tahmi edici olarak : s ra istatisti¼gi ve öreklem ortalamas heme
DetaylıBir KANUN ve Bir TEOREM. Büyük Sayılar Kanunu
Br KANUN ve Br TEOREM Büyük Türkçe Sözlük kau Đg. law Doğa olaylarıı oluş edeler ortaya koya ve gelecektek olayları öcede kestrme olaağı vere bağıtı; Newto kauu, Kepler kauları. (BSTS / Gökblm Termler
DetaylıÖrnek A. Benzer tipteki 40 güç kaynağının dayanma süreleri aşağıdaki gibidir. Genişletilmiş frekans tablosu oluşturunuz;
Öre A. Bezer pe 40 güç ayağıı dayama süreler aşağıda gbdr. Geşlelmş reas ablosu oluşuruuz;, 4,7 3, 3,4 3,3 3, 3,9 4, 3,4 4, 3,8 3,7 3,6 3,8 3,7 3,0,,6 3, 3,,6,9 3, 3,0 3,3 4,3 3, 4, 4,6 3, 3,3 4,4 3,9,9
DetaylıŞANS KISITLI STOKASTİK PROGRAMLAMA PROBLEMLERİNİN DETERMİNİSTİK EŞİTLİKLERİ Kumru Didem ATALAY 1, Ayşen APAYDIN 2 ÖZ
ANADOLU ÜNİVERSİTESİ BİLİM VE TEKNOLOJİ DERGİSİ B Teor Blmler ANADOLU UNIVERSITY JOURNAL OF SCIENCE AND TECHNOLOGY B Theoretcal Sceces Clt/Vol.:-Sayı/No: : -8 (0 ŞANS KISITLI STOKASTİK PROGRAMLAMA PROBLEMLERİNİN
DetaylıParametrik Olmayan İstatistik Çözümlü Sorular - 2
Parametrk Olmaya İstatstk Çözümlü Sorular - Soru Böbrek hastalarıa at Kreat (KRT) değerlere lşk br araştırma yapılmak stemektedr. Buu ç rasgele seçle hastaya at Kreat değerler aşağıdak gb elde edlmştr
DetaylıPolinom İnterpolasyonu
Polom İterpolasyou (Ara Değer Bulma Br foksyou solu sayıdak, K, R oktalarıda aldığı f (, f (,, f ( değerler bls (foksyou keds blmyor. Bu oktalarda geçe. derecede br tek, P a + a + a + + a (... polumu vardır
DetaylıANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENTİTÜSÜ DOKTORA TEZİ SONLU KARMA DAĞILIMLARDA PARAMETRE TAHMİNİ. İnci AÇIKGÖZ İSTATİSTİK ANABİLİM DALI ANKARA 2007
ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENTİTÜSÜ DOKTORA TEZİ SONLU KARMA DAĞILIMLARDA PARAMETRE TAHMİNİ İ AÇIKGÖZ İSTATİSTİK ANABİLİM DALI ANKARA 7 Her haı salıdır ÖZET Dotora Tez SONLU KARMA DAĞILIMLARDA PARAMETRE
DetaylıGiriş. Değişkenlik Ölçüleri İSTATİSTİK I. Ders 5 Değişkenlik ve Asimetri Ölçüleri. Değişkenlik. X i ve Y i aşağıdaki gibi iki seri verilmiş olsun:
Grş İSTATİSTİK I Ders Değşkelk ve Asmetr Ölçüler Ortalamalar, serler karşılaştırılmasıda her zama yeterl ölçüler değldr. Ayı ortalamayı sahp serler arklı dağılım göstereblrler. Bu edele serler karşılaştırılmasıda,
Detaylı4/16/2013. Ders 9: Kitle Ortalaması ve Varyansı için Tahmin
4/16/013 Ders 9: Kitle Ortalaması ve Varyası içi Tahmi Kitle ve Öreklem Öreklem Dağılımı Nokta Tahmii Tahmi Edicileri Özellikleri Kitle ortalaması içi Aralık Tahmii Kitle Stadart Sapması içi Aralık Tahmii
Detaylı12. Ders Büyük Sayılar Kanunları. Konuya geçmeden önce DeMoivre-Stirling formülünü ve DeMoivre-Laplace teoremini hatırlayalım. DeMoivre, genel terimi,
. Ders Büyü Sayılar Kauları Kouya geçmede öce DeMoivre-Stirlig formülüü ve DeMoivre-Laplace teoremii hatırlayalım. DeMoivre, geel terimi, a!,,, 3,... e ola dizii yaısa olduğuu göstermiş, aca limitii bulamamış.
DetaylıİSTATİSTİK 2. Tahmin Teorisi 07/03/2012 AYŞE S. ÇAĞLI. aysecagli@beykent.edu.tr
İSTATİSTİK 2 Tahmi Teorisi 07/03/2012 AYŞE S. ÇAĞLI aysecagli@beyket.edu.tr İstatistik yötemler İstatistik yötemler Betimsel istatistik Çıkarımsal istatistik Tahmi Hipotez testleri Nokta tahmii Aralık
DetaylıUYUM ĐYĐLĐĞĐ TESTĐ. 2 -n olup. nin dağılımı χ dir ve sd = (k-1-p) dir. Burada k = sınıf sayısı, p = tahmin edilen parametre sayısıdır.
UYUM ĐYĐLĐĞĐ TESTĐ Posson: H o: Ver Posson dağılıma sahp br ktleden gelmektedr. H a : Ver Posson dağılıma sahp br ktleden gelmemektedr. Böyle br hpotez test edeblmek çn, önce Posson dağılım parametres
Detaylı= k. Aritmetik Ortalama. Tanımlayıcı İstatistikler TANIMLAYICI İSTATİSTİKLER. Sınıflanmış Seriler İçin Aritmetik Ortalama
TANIMLAYICI İSTATİSTİKLER Taımlayıcı İstatstkler MERKEZİ EĞİLİM ÖLÇÜLERİ Dr. Mehmet AKSARAYLI D.E.Ü. İ.İ.B.F..B.F. EKONOMETRİ BÖLÜMÜ mehmet.aksarayl aksarayl@deu.edu.tr Yer Ölçüler (Merkez Eğlm Ölçüler)
Detaylıˆp x p p(1 p)/n. Ancak anakütle oranı p bilinmediğinden bu ilişki doğrudan kullanılamaz.
YTÜ-İktisat İstatistik II Aralık Tahmii II 1 ANAKÜTLE ORANININ (p GÜVEN ARALIKLARI (BÜYÜK ÖRNEKLEMLERDE Her birii başarı olasılığı p ola birbiride bağımsız Beroulli deemeside öreklemdeki başarı oraıı ˆp
DetaylıSayısal Türev Sayısal İntegrasyon İnterpolasyon Ekstrapolasyon. Bölüm Üç
Sayısal Türev Sayısal İtegrasyo İterpolasyo Ekstrapolasyo Bölüm Üç Bölüm III 8 III-. Pvot Noktaları Br ( ) oksyouu değer, geellkle ekse üzerdek ayrık oktalarda belrler. Bu oktalara pvot oktaları der. Bu
Detaylı3. Ders Parametre Tahmini Tahmin Edicilerde Aranan Özellikler
3. Ders Parametre Tahmii Tahmi Edicilerde Araa Özellikler Gerçek düyada rasgelelik olgusu içere bir özellik ile ilgili ölçme işlemie karş l k gele X rasgele de¼gişkeii olas l k (yo¼guluk) foksiyou, F ff(;
DetaylıBİYOİSTATİSTİK İstatistiksel Tahminleme ve Hipotez Testlerine Giriş Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH
BİYOİSTATİSTİK İstatistiksel Tahmileme ve Hipotez Testlerie Giriş Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH Ege Üiversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr
Detaylıİşlenmemiş veri: Sayılabilen yada ölçülebilen niceliklerin gözlemler sonucu elde edildiği hali ile derlendiği bilgiler.
OLASILIK VE İSTATİSTİK DERSLERİ ÖZET NOTLARI İstatistik: verileri toplaması, aalizi, suulması ve yorumlaması ile ilgili ilkeleri ve yötemleri içere ve bu işlemleri souçlarıı probabilite ilkelerie göre
DetaylıYER ÖLÇÜLERİ. Yer ölçüleri, verilerin merkezini veya yığılma noktasını belirleyen istatistiklerdir.
YER ÖLÇÜLERİ Yer ölçüler, verler merkez veya yığılma oktasıı belrleye statstklerdr. Grafkler bze verler yığılma oktaları hakkıda ö blg vermede yardımcı olurlar. Acak bu değerler gerçek değerler değldr,
DetaylıTOBB Ekonomi ve Teknoloji Üniversitesi İKT351 Ekonometri I, Ara Sınavı
TOBB Ekoom ve Tekoloj Üverstes İKT351 Ekoometr I, Ara Sıavı Öğr.Gör.: Yrd. Doç. Dr. A. Talha YALTA Ad, Soyad: Açıklamalar: Bu sıav toplam 100 pua değerde 4 soruda oluşmaktadır. Sıav süres 90 dakkadır ve
Detaylıİki veri setinin yapısının karşılaştırılması
İk ver set yapısıı karşılaştırılması Dağılım: 6,6,6 Ortalama: 6 Medya: 6 Mod: 6 td. apma: 0 Dağılım: 0,6,1 Ortalama: 6 Medya: 6 Mod: çoklu mod td: apma: 6 Amaç: Görüe Ötese Bakablmek Verler değşkelk durumuu
DetaylıT.C. SELÇUK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ AZALAN BOZULMA ORANINA SAHİP ÜÇ PARAMETRELİ YENİ BİR YAŞAM ZAMAN DAĞILIMI
T.C. SELÇUK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ AZALAN BOZULMA ORANINA SAHİP ÜÇ PARAMETRELİ YENİ BİR YAŞAM ZAMAN DAĞILIMI MUSTAFA ÇAĞATAY KORKMAZ YÜKSEK LİSANS TEZİ İSTATİSTİK ANA BİLİM DALI KONYA, 2
DetaylıRasgele Değişken Üretme Teknikleri
Rasgele Değşken Üretme Teknkler Amaç Smülasyon modelnn grdlern oluşturacak örneklern üretlmes Yaygın olarak kullanılan ayrık veya sürekl dağılımların örneklenmes sürecn anlamak Yaygın olarak kullanılan
Detaylıİstatistik Ders Notları 2018 Cenap Erdemir BÖLÜM 5 ÖRNEKLME DAĞILIMLARI. 5.1 Giriş
İstatistik Ders Notları 08 Ceap Erdemir BÖLÜM 5 ÖRNEKLME DAĞILIMLARI 5. Giriş Öreklem istatistikleri kullaılarak kitle parametreleri hakkıda çıkarsamalar yapmak istatistik yötemleri öemli bir bölümüü oluşturur.gülük
Detaylıdeğerine bu matrisin bir girdisi(elemanı,bileşeni) denir. Bir sütundan (satırdan) oluşan bir matrise bir sütun (satır) matrisi denir.
Bölüm 2 Matrsler aım 2.1 F br csm, m, brer doğal sayı olsu. a F ( 1,.., m; j 1,..., ) olmak üzere, a11... a1 fadese m satır sütuda oluşa (veya m tpde) br F matrs der. am 1... a m Böyle br matrs daha sade
DetaylıĐst201 Đstatistik Teorisi I
Đst20 Đstatstk Teors I DERSĐN TÜRÜ Zorulu DERSĐN DÖNEMĐ Yaz DERSĐN KREDĐSĐ Ulusal Kred: (4, 0, 0 ) 4 KTS: 7 DERSĐN VERĐLDĐĞĐ Bölüm: Đstatstk 200/20 Öğretm Yılı DERSĐN MCI Đstatstğ matematksel temeller
DetaylıKuyruk Teorisi Ders Notları: Bazı Kuyruk Modelleri
uyruk Teorisi Ders Notları: Bazı uyruk Modelleri Mehmet YILMAZ mehmetyilmaz@akara.edu.tr 10 ASIM 2017 11. HAFTA 6 Çok kaallı, solu N kapasiteli, kuyruk sistemi M/M//N/ Birimleri sisteme gelişleri arasıdaki
DetaylıTanımlayıcı İstatistikler
Taımlayıcı İstatstkler Taımlayıcı İstatstkler br değerler dzs statstksel olarak geel özellkler taımlaya ölçülerdr Taımlayıcı İstatstkler Yer Göstere Ölçüler Yaygılık Ölçüler Yer Göstere Ölçüler Br dağılımı
DetaylıBir Rasgele Değişkenin Fonksiyonunun Olasılık Dağılımı
5.Ders Döüşümler Bir Rasgele Değişkei Foksiyouu Olasılık Dağılımı Bu kısımda olasılık dağılımı bilie bir rasgele değişkei foksiyoları ola rasgele değişkeleri olasılık dağılımlarıı buluması ile ilgileeceğiz.
DetaylıAKT201 MATEMATİKSEL İSTATİSTİK I ÖDEV 6 ÇÖZÜMLERİ
AKT MATEMATİKSEL İSTATİSTİK I ÖDEV 6 ÇÖZÜMLERİ KESİKLİ RASLANTI DEĞİŞKENLERİ & KESİKLİ DAĞILIMLAR. X aşağıdaki olasılık foksiyoua sahip kesikli bir r.d. olsu. Bua göre;. ; x =.. ; x =. 4. ; x =. 5 p X
DetaylıRegresyon ve Korelasyon Analizi. Regresyon Analizi
Regresyo ve Korelasyo Aalz Regresyo Aalz Regresyo Aalz Regresyo aalz, aralarıda sebep-souç lşks bulua k veya daha fazla değşke arasıdak lşky belrlemek ve bu lşky kullaarak o kou le lgl tahmler (estmato)
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık Ders 3: MERKEZİ EĞİLİM VE DAĞILMA ÖLÇÜLERİ Prof. Dr. İrfa KAYMAZ Taım Araştırma souçlarıı açıklamasıda frekas tablosu ve poligou isteile bilgiyi her zama sağlamayabilir. Verileri
Detaylı) ( k = 0,1,2,... ) iterasyon formülü kullanılarak sabit
Karadez Te Üverstes Blgsayar Mühedslğ Bölümü 5-6 Güz Yarıyılı Sayısal Çözümleme Ara Sıav Soruları Tarh: Kasım 5 Perşembe Süre: daa. f ( ( + a e fosyouu sabt otası olmadığı bldğe göre, a 'ı alableceğ e
Detaylı1. GRUPLAR. 2) Aşağıdaki kümelerin verilen işlem altında bir grup olup olmadığını belirleyiniz.
Sorular ve Çözümleri 1. GRUPLAR 1) G bir grup olmak üzere aşağıdaki eşitlikleri gösteriiz. i) e G birim elema olmak üzere e 1 = e. ii) a G olmak üzere (a 1 ) 1 = a. iii) a 1, a 2,, a G içi (a 1 a 2 a )
DetaylıİSTATİSTİK DERS NOTLARI
Balıkesir Üiversitesi İşaat Mühedisliği Bölümü umutokka@balikesir.edu.tr İSTATİSTİK DERS NOTLARI Yrd. Doç. Dr. Umut OKKAN idrolik Aabilim Dalı Balıkesir Üiversitesi İşaat Mühedisliği Bölümü Bölüm 5 Örekleme
DetaylıÖRNEKLEME YÖNTEMLERİ ve ÖRNEKLEM GENİŞLİĞİ
03.05.013 ÖRNEKLEME YÖNTEMLERİ ve ÖRNEKLEM GENİŞLİĞİ 1 Nede Örekleme? Öreklemde çalışmak ktlede çalışmakta daha kolaydır. Ktle üzerde çalışmak çok daha masraflı olablr. Çoğu durumda tüm ktleye ulaşmak
DetaylıOLASILIK DAĞILIŞLARI. Ek 1. Moment Türeten Fonksiyon
6 OLASILIK DAĞILIŞLARI 6.. Kesikli Olasılık Dağılışları 6.. Kesikli Uıform Dağılışı 6... Beroulli Dağılışı 6..3. Biom Dağılışı 6..4. Hyer-Geometrik Olasılık Dağılışı ( İadesiz Örekleme ) 6..5. Geometrik
DetaylıEME 3117 SİSTEM SIMÜLASYONU. Girdi Analizi Prosedürü. Dağılıma Uyum Testleri. Dağılıma Uyumun Kontrol Edilmesi. Girdi Analizi-II Ders 9
..7 EME 37 Girdi Aalizi Prosedürü SİSTEM SIMÜLASYONU Modelleecek sistemi (prosesi) dokümate et Veri toplamak içi bir pla geliştir Veri topla Verileri grafiksel ve istatistiksel aalizii yap Girdi Aalizi-II
DetaylıBox ve Whisker Grafiği
www.memetaarayl.com Bölümü Amaçları DEĞİŞKELİK ÖLÇÜLERİ Dr. Mehmet AKSARAYLI D.E.Ü. İ.İ.B.F..B.F. EKOOMETRİ BÖLÜMÜ mehmet.aarayl@deu.edu.tr Bu Bölümü tamamladıta ora eler yapablecez: Bo ve Wher grağ ouma
DetaylıBÖLÜM 5 İKİ VEYA DAHA YÜKSEK BOYUTLU RASGELE DEĞİŞKENLER İki Boyutlu Rasgele Değişkenler
BÖLÜM 5 İKİ VEYA DAHA YÜKSEK BOYUTLU RASGELE DEĞİŞKENLER 5.. İk Boyutlu Rasgele Değşkenler Br deney yapıldığında, aynı deneyle lgl brçok rasgele değşkenn aynı andak durumunu düşünmek gerekeblr. Böyle durumlarda
DetaylıÖNSÖZ. 2) Evde yapabileceklerinizi yapıp, laboratuar kılavuzundaki yerleri doldurun (!!! işaretli yerler).
ÖNSÖZ Bu laboratuar kılavuzu ĐST 5 Đstatstk Laboratuarı deeyler ç hazırlamıştır. Buradak deeyler ve çalışmaları amacı, şu aa kadar görüle dersler çerçevesde, rasgelelk olgusuu alaşılması ve alatılması
DetaylıÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ
İSTATİSTİKSEL TAHMİNLEME VE İSTATİSTİKSEL YORUMLAMA TAHMİNLEME SÜRECİ VE YORUMLAMA SÜRECİ ÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ ÖRNEKLEME VE ÖRNEKLEME ÖRNEKLEME DAĞILIMLARI VE ÖRNEKLEME DAĞILIMLARI Yorumlama
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
Detaylı9. Ders. Đstatistikte Monte Carlo Çalışmaları
9. Ders Đstatstkte Mote Carlo Çalışmaları Đstatstk rasgelelk olgusu çere olay süreç ve sstemler modellemesde özellkle bu modellerde souç çıkarmada ve bu modeller geçerllğ sıamada kullaıla bazı blg ve yötemler
DetaylıTMOZ TMOZ. Pólya nın Sayma Teorisi. 1. Isınma Problemleri. Eylül 2006 Saygın Dinçer
/ Türye Matemat Öğretmeler Zümres Eylül 006 Saygı Dçer saygdcer@gmal.com Bazı ombator problemlerde çözümler sayısı, problem sahp olduğu smetrde dolayı, drger. Pólya ı sayma teors bu tür ombator problemler
Detaylıçözüm: C=19500 TL n=4 ay t=0,25 I i 1.yol: Senedin iskonto tutarı x TL olsun. Bu durumda senedin peşin değeri: P C I (19500 x) TL olarak alınabilir.
1 6)Kred değer 19500 TL ola br seet vadese 4 ay kala, yıllık %25 skoto oraı üzerde br bakaya skoto ettrlyor. Hesaplamada ç skoto metodu kullaıldığıa göre, seed skoto tutarı kaç TL dr? C=19500 TL =4 ay
Detaylıdenklemini sağlayan tüm x kompleks sayılarını bulunuz. denklemini x = 64 = 2 i şeklinde yazabiliriz. Bu son kompleks sayıları için x = 2iy
Ders Sorumlusu: Doç. Dr. Necp ŞİMŞEK Problem. deklem sağlaya tüm kompleks sayılarıı buluu. Çöüm deklem şeklde yaablr. Bu so y kompleks sayıları ç y yaalım. Bu taktrde deklemde, baı y ( ) y elde edlr. Burada
DetaylıÖLÇÜM, ÖLÇÜM HATALARI ve ANLAMLI RAKAMLAR
ÖLÇÜM, ÖLÇÜM HATALARI ve ANLAMLI RAKAMLAR Ölçme, her deeysel blm temel oluşturur. Fzk blmde de teorler sıaması ç çeştl deeyler tasarlaır ve bu deeyler sırasıda çok çeştl ölçümler yapılır. Br fzksel celğ
DetaylıALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI
µ µ içi Güve Aralığı ALTERNATİF İTEMLERİN KARŞILAŞTIRILMAI Bezetimi e öemli faydalarıda birisi, uygulamaya koymada öce alteratifleri karşılaştırmaı mümkü olmasıdır. Alteratifler; Fabrika yerleşim tasarımları
Detaylıf n dµ = lim gerçeklenir. Gösteriniz (Bu teorem Monoton yakınsaklık teoreminde yakınsaklık f n = f ve (f n ) monoton artan dizi
4.2. Pozitif Foksiyoları İtegrali SOU : f ), M +, A) kümeside bulua foksiyoları mooto arta dizisi ve h.h.h. f = f ise f dµ = f dµ gerçekleir. Gösteriiz Bu teorem Mooto yakısaklık teoremide yakısaklık yerie
DetaylıALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI
ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI Bezetimi e öemli faydalarıda birisi, uygulamaya koymada öce alteratifleri karşılaştırmaı mümkü olmasıdır. Alteratifler; Fabrika yerleşim tasarımları Alteratif üretim
DetaylıFark Denklemlerinin Çözümünde Parametrelerin Değişimi Yöntemi
Far Delemler Çzümüde Parametreler Değşm Ytem *Hüsey Koama Saarya Üverstes, Fe-Edebyat Faültes, Matemat Blümü, 587, Saarya Özet: İçersde e az br mertebede,,,, E b solu arları buluduğu osyoel delemlere Far
Detaylı6 (saatte 6 müşteri aramaktadır), servis hızı ise. 0.6e
İST KUYRUK TEORİSİ ARASIAV SORULARI ( MAYIS ). Bir baaı müşteri hizmetleride te işi hizmet vermetedir. Müşteriler ortalama daiada bir arama yapmatadır bua arşı ortalama servis süresi ise daia sürmetedir.
DetaylıYrd. Doç. Dr. İhsa KARABULUT u daışmalığıda, Begül ARKANT tarafıda hazırlaa bu çalışma 3/07/008 tarhde aşağıdak jür tarafıda oy brlğ le Akara Üverstes
ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ BAĞIMLI GÖZLEMLERLE BOOTSTRAP YÖNTEMİ Begül ARKANT İSTATİSTİK ANABİLİM DALI ANKARA 008 Her hakkı saklıdır Yrd. Doç. Dr. İhsa KARABULUT u daışmalığıda,
DetaylıREEL ANALĐZ UYGULAMALARI
www.uukcevik.com REE NĐZ UYGUMRI Sou : (, Α, µ ) ölçü uzayı olsu. = N, Α= ( N ) ve µ ( E) olduğuu östeiiz. N üzeide alması içi eek ve yete koşul < di. Gösteiiz. µ oksiyouu veile taımıı uyulayalım; µ (
DetaylıSimülasyonda İstatiksel Modeller. Banks, Carson, Nelson & Nicol Discrete-Event System Simulation
Simülasyonda İstatiksel Modeller Banks, Carson, Nelson & Nicol Discrete-Event System Simulation Amaç Model-geliştirici dünyaya deterministik değil olasıksal olarak bakar. İstatiksel modeller değişimleri
DetaylıANADOLU ÜNİVERSİTESİ BİLİM VE TEKNOLOJİ DERGİSİ ANADOLU UNIVERSITY JOURNAL OF SCIENCE AND TECHNOLOGY Cilt/Vol.:7 Sayı/No: 1 : (2006)
ANADOLU ÜNİVERSİTESİ BİLİM VE TEKNOLOJİ DERGİSİ ANADOLU UNIVERSITY JOURNAL OF SCIENCE AND TECHNOLOGY Clt/Vol.:7 Sayı/No: : 65-74 (26 DERLEME/REVIEW YAŞAM TESTİNDE KULLANILAN ÜSTEL VE WEİBULL DAĞILIMLARININ
DetaylıWEIBULL DAĞILIM PARAMETRELERİNİ BELİRLEME METODLARININ KARŞILAŞTIRILMASI
VII. Ulusal Temiz Eerji Sempozyumu, UTES 008 7-9 Aralı 008, İstabul WEIBULL DAĞILIM PARAMETRELERİNİ BELİRLEME METODLARININ KARŞILAŞTIRILMASI Seyit Ahmet AKDAĞ, Öder GÜLER İstabul Tei Üiversitesi, Eerji
Detaylı5. Ders. Dağılımlardan Rasgele Sayı Üretilmesi Ters Dönüşüm Yöntemi
5. Drs Dağılımlarda Rasgl Sayı Ürtilmsi Trs Döüşüm Yötmi sürkli bir rasgl dğişk v bu rasgl dğişki dağılım foksiyou olsu. Dağılımı dstk kümsi üzrid dağılım foksiyou arta v bir-bir bir foksiyo olmaktadır.
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık Ders 3: MERKEZİ EĞİLİM VE DAĞILMA ÖLÇÜLERİ Prof. Dr. İrfa KAYMAZ Taım Araştırma souçlarıı açıklamasıda frekas tablosu ve poligou isteile bilgiyi her zama sağlamayabilir. Verileri
DetaylıBÖLÜM III. Kongrüanslar. ise a ile b, n modülüne göre kongrüdür denir ve
BÖLÜM III Kogrüaslar Taım 3. N sabit bir sayı, a, b Z olma üzere, eğer ( a b) ise a ile b, modülüe göre ogrüdür deir ve a b(mod ) şelide gösterilir. Asi halde, yai F ( a b) ise a ile b ye modülüe göre
DetaylıMERKEZİ EĞİLİM ÖLÇÜLERİ
MERKEZİ EĞİLİM ÖLÇÜLERİ Gözlee ver düzeleerek çzelgelerle, graklerle suulması çoğu kez yeterl olmaz. Geel durumu yasıtacak br takım ölçülere gereksm vardır. Bu ölçüler verler yalızca özlü br bçmde belrtmekle
DetaylıEME 3117 SISTEM SIMÜLASYONU. Üçgensel Dağılım. Sürekli Düzgün Dağılım. Sürekli Rassal Değişkenlerin Modellemesinde Kullanılan Dağılımlar
0..07 EME 37 SISTEM SIMÜLASYONU Simulasyonda İstatistiksel Modeller-II Ders 5 Sürekli Rassal Değişkenlerin Modellemesinde Kullanılan Dağılımlar Sürekli Düzgün (Uniform) Dağılım Normal Dağılım Üstel (Exponential)
DetaylıAsimetri ve Basıklık Ölçüleri Ortalamalara dayanan (Pearson) Kartillere dayanan (Bowley) Momentlere dayanan asimetri ve basıklık ölçüleri
Asmetr ve Basıklık Ölçüler Ortalamalara dayanan (Pearson) Kartllere dayanan (Bowley) omentlere dayanan asmetr ve basıklık ölçüler Yrd. Doç. Dr. Tjen ÖVER ÖZÇELİK tover@sakarya.edu.tr III. Asmetr ve Basıklık
DetaylıİSTATİSTİKSEL TAHMİNLEME VE HİPOTEZ TESTİ
İSTATİSTİKSEL TAHMİNLEME VE HİPOTEZ TESTİ Bu bölümdeki yötemler, bilimeye POPULASYON PARAMETRE değeri hakkıda; TAHMİN yapmaya yöelik ve, KARAR vermekle ilgili, olmak üzere iki grupta icelemektedir. Parametre
Detaylı=... 29 İÇİNDEKİLER. E(X) = k... 22. 3.5. Pascal (Negatif Binom) Dağılımı... 22 1. 3.6. Hipergeometrik Dağılım... 22. N y= ... 24
İÇİNDEKİLER SİMGE LİSTESİ... KISALTMA LİSTESİ... v ÇİZELGE LİSTESİ... v ŞEKİL LİSTESİ... v ÖNSÖZ... v ÖZET... x ABSTRACT... x GİRİŞ... BÖLÜM : OLASILIK DAĞILIMLARI VE OLASILIK YOĞUNLUKLARI... BÖLÜM : OLASILIK
DetaylıPARAMETRİK OLMAYAN HİPOTEZ TESTLERİ. χ 2 Kİ- KARE TESTLERİ. Doç.Dr. Ali Kemal ŞEHİRLİOĞLU Araş.Gör. Efe SARIBAY
PARAMETRİK OLMAYAN HİPOTEZ TESTLERİ Kİ- KARE TESTLERİ Doç.Dr. Al Kemal ŞEHİRLİOĞLU Araş.Gör. Efe SARIAY Populasyonun nceledğmz br özellğnn dağılışı blenen dağılışlardan brsne, Normal Dağılış, t Dağılışı,
DetaylıYÖNEYLEM ARAŞTIRMASI III. Dinamik Programlama. Örnek 3: Tıbbi Müdahale Ekiplerinin Ülkelere Dağıtımı
YÖNEYLEM ARAŞTIRMASI III Hafta Determstk Damk Programlama (devam) Damk Programlama Geçe derste küçük ölçekl problemler damk programlamayla yelemel olarak asıl çözüldüğüü gördük. Bu derste, öreklere devam
DetaylıAnaliz II Çalışma Soruları-2
Aaliz II Çalışma Soruları- So gücelleme: 04040 (I Aşağıdaki foksiyoları (ilgili değişkelere göre türevlerii buluuz 7 cos π 8 log (si π ( si ta e 9 4 5 6 + cot 0 sec sit t si( e + e arccos ( e cos(ta (II
Detaylıv = ise v ye spacelike vektör,
D.P.Ü. Fe Bilimleri Estitüsü 1. ayı Mayıs 6 emi-pozitif Ortogoal Matrisler içi Alteratif İi Yötem WO ALERNAIVE MEHOD FOR EMI-POIIVE OROGONAL MARICE B. BÜKCÜ* *Gaziosmapaşa Üiversitesi, Fe-Edebiyat Faültesi,
DetaylıÖZET Yüksek Lsas Tez NORMAL DAĞILIM VE NORMAL DAĞILIMLA İLGİLİ ÇIKARIMLAR Şeol ÇELİK Akara Üverstes Fe Blmler Esttüsü İstatstk Aablm Dalı Daışma : Doç
ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ NORMAL DAĞILIM VE NORMAL DAĞILIMLA İLGİLİ ÇIKARIMLAR Şeol ÇELİK İSTATİSTİK ANABİLİM DALI ANKARA 006 Her hakkı saklıdır ÖZET Yüksek Lsas Tez
DetaylıŞANS DEĞİŞKENLERİNİN BEKLENEN DEĞER VE MOMENTLERİ
BÖLÜ 3 ŞANS DĞİŞKNLRİNİN BKLNN DĞR ONTLRİ atematsel belet avamı şas oyulaıda doğmuştu. yalı bçmyle, b oyucuu azaableceğ mta le azama olasılığıı çapımıdı. Sözgelm büyü ödülü 4800TL olduğu b çelşte 0.000
DetaylıYayılma (Değişkenlik) Ölçüleri
Yayılma (Değşel) Ölçüler Br ver set taıma yada farlı ver set brbrde ayırt etme ç her zama yalızca yer ölçüler yeterl olmayablr. Dağılımları brbrde ayırt etmede ullaıla ve geellle artmet ortalama etrafıda
DetaylıHİPOTEZ TESTLERİ. İstatistikte hipotez testleri, karar teorisi olarak adlandırılır. Ortaya atılan doğru veya yanlış iddialara hipotez denir.
HİPOTEZ TETLERİ İstatistikte hipotez testleri, karar teorisi olarak adladırılır. Ortaya atıla doğru veya yalış iddialara hipotez deir. Öreği para hilesizdir deildiğide bu bir hipotezdir. Ortaya atıla iddiaya
DetaylıKuyruk Teorisi Ders Notları: Bazı Kuyruk Modelleri
Kuyruk Teorisi Ders Notları: Bazı Kuyruk Modelleri Mehmet YILMAZ mehmetyilmaz@ankara.edu.tr 10 KASIM 2017 5. HAFTA 2.7 M/M/1/ / sistemi için Bekleme zamanının dağılımı ( ) 1 T j rastgele değişkeni j. birimin
DetaylıAra Değer Hesabı (İnterpolasyon)
Ar Değer Hesbı İterpolso Ardeğer hesbı mühedsl problemlerde sılıl rşılşıl br şlemdr. İterpolso Ble değerlerde blmee rdeğer d değerler bulumsı şlemdr. Geel olr se br osouu 0,,, gb rı otlrd verle 0,,, değerler
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
DetaylıTanım : Bir rassal deney yapıldığında bir deneyin sonucu sadece iki sonuç içeriyorsa bu deneye Bernoulli deneyi denir.
BRNOULLİ DAĞILIMI Broulli dağılımı bir rassal dy yaıldığıda yalızca iyi öü olumlu-olumsuz başarılı-başarısız gibi sadc ii souç ld dildiğid ullaılır. Taım : Bir rassal dy yaıldığıda bir dyi soucu sadc ii
DetaylıBAZI YARIGRUP AİLELERİ ve YAPILARI İÇİN SONLULUK KOŞULLARI ve ETKİNLİK *
BAZI YARIGRUP AİLELERİ ve YAPILARI İÇİN SONLULUK KOŞULLARI ve ETKİNLİK * Fteess Codtos For Soe Segroup Fales ad Costructos ad Effcecy Basr ÇALIŞKAN Mateatk Aabl Dalı Hayrullah AYIK Mateatk Aabl Dalı ÖZET
DetaylıISF404 SERMAYE PİYASALARI VE MENKUL KIYMETYÖNETİMİ
8. HAFTA ISF404 SERMAYE PİYASALARI VE MENKUL KIYMETYÖNETİMİ PORTFÖY YÖNETİMİ II Doç.Dr. Murat YILDIRIM muratyildirim@karabuk.edu.tr Geleeksel Portföy Yaklaşımı, Bu yaklaşıma göre portföy bir bilim değil,
Detaylı0,1,..., n p polinomu bulma işlemine interpolasyon ve px ( )
Ç.Ü Fe Blmler Esttüsü Yl:29 Clt:2-1 İNTERPOLASYON VE KALAN TEORİSİ Iterpolto d Remder Theory Fge GÜLTÜRK Mtemt Ablm Dl Yusuf KARAKUŞ Mtemt Ablm Dl ÖZET Bu çlşmd İterpolsyo tmlmş, Lgrge İterpolsyo Formülü
DetaylıEME 3117 SİSTEM SİMÜLASYONU. Üçgensel Dağılım. Sürekli Düzgün Dağılım. Sürekli Rassal Değişkenlerin Modellemesinde Kullanılan Dağılımlar
9.0.06 Sürekli Rassal Değişkenlerin Modellemesinde Kullanılan Dağılımlar EME 7 SİSTEM SİMÜLASYONU Simulasyonda İstatistiksel Modeller (Sürekli Dağılımlar) Ders 5 Sürekli Düzgün Dağılım Sürekli Düzgün (Uniform)
DetaylıTanımlayıcı İstatistikler (Descriptive Statistics) Dr. Musa KILIÇ
Taımlayıcı İstatstkler (Descrptve Statstcs) Dr. Musa KILIÇ TANIMLAYICI ÖRNEK İSTATİSTİKLERİ YER ÖLÇÜLERİ (Frekas dağılışıı abss eksedek durumuu belrtr.) DEĞİŞİM ÖLÇÜLERİ ( Frekas dağılışıı şekl belrtr.).
DetaylıTanımlayıcı İstatistikler
Taımlayıcı İstatstkler Br veya brde azla dağılışı karşılaştırmak ç kullaıla ve ayrıca örek verlerde hareket le rekas dağılışlarıı sayısal olarak özetleye değerlere taımlayıcı statstkler der. Aalzlerde
Detaylı4. Ders Fisher informasyonu s f rdan büyük ve sonlu, yani 0 < I() < 1; R f(x; )dx (kesikli da¼g l mlarda R yerine P.
4. Ders tkilik Küçük varyasl olmak, tahmi edicileri vazgeçilmez bir özelli¼gidir. Bir tahmi edicii, yal veya yas z, küçük varyasl olmas isteir. Parametrei kedisi () veya bir foksiyou (g()) ile ilgili tahmi
DetaylıSAÜ. Mühendislik Fakültesi Endüstri Mühendisliği Bölümü DİFERENSİYEL DENKLEMLER Dönemi Karma Eğitim Ders Notları. Doç. Dr.
SAÜ. Mühedislik Fakültesi Edüstri Mühedisliği Bölümü DİFERENSİYEL DENKLEMLER 9- Döemi Karma Eğitim Ders Notları Doç. Dr. Cemaletti KUBAT .Çok Değişkeli Foksiolarda Talor-McLauri Açılımları, Ekstremum Noktalar..Talor-McLauri
DetaylıZaman Skalasında Box-Cox Regresyon Yöntemi
Dokuz Eylül Üverstes İktsad ve İdar Blmler Fakültes Dergs, Clt:7, Sayı:, Yıl:0, ss.57-70. Zama Skalasıda Bo-Co Regresyo Yötem Atlla Özur İŞÇİ Sbel PAŞALI GÖKTAŞ ATMACA 3 M. Nyaz ÇANKAYA 4 Özet Hata term
DetaylıNİÇİN ÖRNEKLEME YAPILIR?
İÇİ ÖREKEME YAPIIR? Zama Kısıdı Maliyeti Azaltma Hata Oraıı Azaltma Souca Ulaşma Hızı Doç.Dr. Ali Kemal ŞEHİRİOĞU Araş.Gör. Efe SARIBAY Örekleme Teorisi kousuu içide, Örekleme Tipleri populasyoda örek
Detaylı1. KODLAMA KURAMINA GİRİŞ 1
ÖNSÖZ Bu çalışmaı oluşumu esasıda emeğ, blgs ve sosuz desteğyle baa yol göstere değerl hocam Prof. Dr. Erol BALKANAY a; alayışı, desteğ ve atılarıda ötürü değerl hocam Yrd. Doç. Dr. Recep KORKMAZ a teşeürlerm
DetaylıBÖLÜM 3 YER ÖLÇÜLERİ. Doç.Dr. Suat ŞAHİNLER
BÖLÜM 3 YER ÖLÇÜLERİ İkici bölümde verileri frekas tablolarıı hazırlaması ve grafikleri çizilmesideki esas amaç; gözlemleri doğal olarak ait oldukları populasyo dağılışıı belirlemek ve dağılışı geel özelliklerii
Detaylı6.046J/18.401J DERS 9. Post mortem (süreç sonrası) Prof. Erik Demaine
Algoritmalara Giriş 6.046J/8.40J DERS 9 Rastgele yapılamış iili arama ağaçları Belee düğüm deriliği üseliği çözümleme Dışbüeyli öuramı Jese i eşitsizliği Üstel yüseli Post mortem (süreç sorası Pro. Eri
DetaylıBEKLENEN DEĞER VE VARYANS
BEKLEE DEĞER VE VARYAS.1. İadel ve adesz öreklemede tüm mümkü örekler.. Beklee değer.3. Varyas.4. İk değşke ortak dağılımı.5. İstatstksel bağımsızlık.6. Tesadüf değşkeler doğrusal kombasyolarıı beklee
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
Detaylı