Olasılık Tanımı KALİTE KONTROL. Temel Olasılık ve İstatistik. İçindekiler Giriş
|
|
- Serkan Hikmet
- 5 yıl önce
- İzleme sayısı:
Transkript
1 KALİTE KONTROL Temel Olasılık ve İstatistik İçindekiler Giriş Olasılık Tanımı Data Çeşitleri Data Özellikleri Görsel (visually) Data Tanımı -- Sayısal Data Tanımı Bilgi Edinimi (Take-Away Knowledge) İçindekiler Özet Anahtar Terimler Uygulamalar Referanslar Ek A.: Windows kullanımı Ek A.: Minitab Programına Giriş Ek A.: Grafiklerde Minitab kullanımı, istatistik ve normal olasılık tasviri Bölüm sonunda öğreneceklerimiz: Olasılık Tanımı Değişken Data Ölçümü ve Özellik Tanımı Görsel Data Gösterimi Sayısal Veri Metodu Tanımı Değişkenlik Ölçümü Olarak Standart Sapmanın Açıklanması Normal Dağılım Altında Olasılık hesaplaması Giriş Bu bölümde: Sayısal olasılık sonuçları ve populasyon veya prosesten elde edilen verilerin incelenmesi. Karşılaşılan data çeşitleri ve bunların nasıl sınıflandırıldığı. Görsel veri gösterimi metotları. -- Veri tanımı için sayısal ölçümlerin hesaplanması. Olasılık Tanımı Olasılığın üç temel tanımı vardır: Klasik tanım, Nispi sıklık (relative frequency) tanımı, ve Bayes teoremi tanımı (burada bahsedilmedi). konularına bakılacak
2 Olasılığın Klasik Tanımı Olasılığın klasik tanımında şayet bir deneyin N tane eşit olasılıklı ve birbirinden bağımsız sonucu varsa, ve bu sonuçların n tanesi A olayının olma ihtimalini belirtiyorsa, A olayının olabilme olasılığı P(A) = n/n n = A olayının oluşma ihtimalini gösteren deneysel sonuçların miktarı, ve N = Deneysel sonuçların toplam miktarı. Örneğin, bir zarı attığımızda eşit olasılıklı birbirinden bağımsız sayıdan biri çıkar:,,,, veya, dolayısıyla N =. Şayet zar üzerindeki çift sayıların çıkma olasılığını arıyorsak (, veya ), Buna göre; n = ve çift sayı çıkma olasılığı; P(çift) = / = 0.0 Olasılığın Nispi Sıklık Tanımı Olasılığın nispi sıklık tanımında şayet bir deney birçok kez yapılırsa (örneğin k defa) daha sonra A olayının olma olasılığı; P(A) = k/m k = yapılan deneyler sırasında A olayının gerçekleştiği miktar, ve M = yapılan deneyler sırasında A olayının maksimum olabileceği miktar. Örneğin, bir zarın defa atıldığını düşünelim ve 0097 defa, veya sayıları çıkmış olsun. Sonuç olarak,olasılığın nispi sıklık tanımına göre bir zarı attığımızda çift sayı gelme olasılığı; P(Çift) = 0,097/00,000 = Olasılığın klasik tanımı ile nispi sıklık tanımlarında bir zarın çift sayı gelme olasılığı ayrı ayrı hesaplamalar sonucunda farklılıklar göstermiştir Nispi Sıklık Olasılıkları ve Analitik Çalışmalar Analitik çalışmalar proses özelliklerini tarif etmek amacıyla yürütülür.fakat proses özelliklerinin geçmişi, şu andaki durumu ve gelecekteki durumu vardır; bundan dolayı klasik olasılığın hesaplanabileceği belirli hatlar bulunmamaktadır. Proses özellikleriyle alakalı olasılıklar mutlaka deneysel sonuçlar kullanılarak elde edilmelidir ve sonuç olarak mutlaka nispi sıklık olasılığında olmalıdır.
3 Data Çeşitleri Herhangi bir ürün, servis, proses,kişi veya makine hakkında toplanan bilgilerin tümüne data denir. Data iki şekilde sınıflandırılır: Nitelik (attribute) datası Değişken (ölçüm) datası Nitelik Datası -- Nitelik Datasının Kullanıldığı Yerler: ve servis gibi şeylerin değişik kategorilere sınıflandırılmasında (örneğin, bir ürünün standartlara göre UYGUN veya UYGUN DEĞİL olması gibi ) kullanılır. Belirtilen kategoriye uyan ürünlerin miktarının veya toplam ürün içerisindeki oranının belirtilmesinde kullanılır.(örneğin, herhangi bir ürün kümesindeki hatalı ürün oranı). Her bir üründe oluşabilecek şeylerin sayımında kullanılır.(örneğin her bir üründeki hata (kusur) miktarı). Dört Kategoride Toplanan 00 teki Sendika Şikayetlerinin Sınıflandırılması Şikayet Sayısı Şikayet Derecesi Kategori. Derece. Derece. Derece. Derece Şikayet Sayısı 8 Şikayet Oranı 8/ = 0.7 / = 0.09 / = 0.09 / = 0.09 Değişken (Ölçüm) Datası, servis veya proses özelliklerinin ölçümlerinde, ve Sayısal verilerin hesaplanmasında ve iki veya daha değişken dataların ölçümlerinde kullanılır
4 Analitik Çalışmalar Analitik çalışmalarda tüm olayların sayılması veya gözlemlenmesi imkansızdır.çünkü analitik çalışmalar geçmişteki gözlemleri, şuandaki verileri ve gelecekte oluşacak verileri içermektedir, fakat gelecekte oluşabilecek verilerin ölçümü yapılamaz. İşlemekte olan bir prosesle ilgilendiğimiz için gelecekte proseste oluşabilecek verileri tanımlamak istiyoruz. Teker teker sayma çalışmalarından (enumerative study) farklıdır, çünkü sınırlarımızı bilmiyoruz (gelecekte oluşabilecek veriler ölçülemez) ve bunlarda oluşacak hataları sayısal veri haline dökemeyiz. Analitik çalışmalar sırasındaki tüm çıkardığımız sonuçlar model seçimindeki (veri toplama) çevresel durumlara bağlıdır; çünkü aynı çevresel durumu (ortamı) bir daha hiçbir zaman sağlayamazsın. Böyle bir problemdeki bilgi toplama işi hiçbir zaman tamamlanamaz. Datanın Görsel Tanımı Tablo Gösterimi Frekans Dağılımı. Tablo gösteriminde frekans dağılımı bize olayın kaç defa ve hangi sıklıkta gerçekleştiği tablolar halinde gösterir. Nitelik Verilerinin Tablo Gösterimi Ölçüm Datalarının (Üst Tablo) ve Nitelik Datalarının (Alt Tablo) Tablo Gösterimi
5 Frekans Gösterim Kısıtlamaları Belirttiğimiz frekans gösteriminde verilerin elde edildiği zaman dilimi hakkında herhangi bir bilgi belirtilmemektedir. Süreç içerisinde ele aldığımız veri kümesinin analitik çalışmasında, frekans gösterimi zamanla oluşan trend hareketlerini gösteremez. Veri eksikliği önemli bir eksiklik olabilir. Grafiksel Gösterim Veriler genellikle grafik halinde gösterilir. Frekans dağılımdaki ölçüm (değişkenleri) verileri frekans poligonlarında veya histogramlarda gösterilir. Nitelik verilerinin frekans dağılımı çubuk grafikle (bar chart) gösterilmiştir. Tüm bu gösterimlerde, grup aralıkları yatay eksen (x) üzerinde, ve mutlak ve nispi sıklık değerleri düşey eksen (y) üzerinde gösterilmiştir. Koşu Grafiği (Run Chart): Analitik Çalışmalarda Zaman Dağılımının (Time-Ordering) Önemi. Zamanlı Ölçüm Verilerinin Grafiksel Gösterimi Analitik çalışmalarda bizler prosesimizde işlemin bir adım sonra nasıl hareket edeceği yani zamanla oluşacak trendlerin ve diğer örneklerin nasıl değişkenlik gösterebileceğini belirtmeye çalışıyoruz. Hareket grafiğinde bu işlem, belirtilen değerler düşey eksende zaman değerleri ise yatay eksende yazılarak gösterilmiştir.
6 Merkez Eğilim Ölçüleri Aritmetik Ortalama Medyan (Orta Değer ) Mod Aritmetik Ortalama (mean) Değişken veri özelliklerinin temelini teşkil eden şeylerin ifade edilmesinde ortak olarak kullanılan sayısal gösterim biçimi aritmetik ortalama veya (mean) ortalamadır: Gözlenen değerlerin tümü toplanarak gözlem sayısına bölündüğünde elde edilen değere aritmetik ortalama denir. Verilerin teker teker elde edildiği çalışmalarda şayet verilere bir grup oluşturuyorsa, bu verilerin ortalamasına grup ortalaması denir ve m ile gösterilir. Bu grup içerisinden x aldığımız herhangi bir veri kümesinin (sample) ortalaması x ise şeklinde gösterilir ve x- bar diye okunur. Böylece bundan sonra işlemlerimizde m veya kullanacağız. Analitik çalışmada, herhangi populasyon ortalaması yok (bir sonraki aşamadaki veriler henüz yok) ve bundan dolayı populasyon ortalamasından bahsedemeyiz. Kümelenmiş alt grupların ortalaması (örneğin günlük üretimden dört öğe) x şeklinde gösterildi, proses ortalamasını hesaplamak için alt gruplarında kendi aralarında ortalamasını hesapladığımızda bunu x (x bar-bar şeklinde okunuyor) ile gösteririz. Örneklem küme ortalaması hesaplanması şeklindedir. x x = n n değişken veri sayısını belirtmektedir.
7 Şayet n tane veri ile oluşturduğumuz alt grupların ortalamalarını hesapladığımızda proses ortalamamızı alt grupların ortalaması olarak hesaplayabiliriz. x = x Number of subgroups x 8.8 x = = =.0 alt grup say ıay 8 Medyan (Orta Değer) Elimizdeki verileri artan değerler halinde dizdiğimizde ortadaki değere medyan (orta değer) verir. Şayet veri sayısı çift sayı ise ortadaki iki verinin aritmetik ortalaması medyanı verir. Medyan ortadaki değerdir, dolayısıyla verilerin %0 sinin değeri medyandan küçük olmalıdır. Medyan veriler içerisindeki uçdeğer (örneğin verilerimiz,, şeklinde giderken birden bu sayısının 0 vb çok yüksek sayı çıkması gibi ) sayılardan ortalamanın etkilendiği gibi etkilenmez. Analitik Çalışmalarda Medyan ın Yorumu (Yanıltıcı Olabilir) Veri kümesi içerisindeki uçdeğer sayıların medyanın hesaplanmasında herhangi bir etkisi olmaz. Analitik çalışmalarda bizler prosesin kendisiyle ilgilendiğimiz için veri kümesi içerisindeki uçdeğer sayılar analizimiz için kritik faktör olabilir.veri kümesi içerisindeki uçdeğer sayılar bize prosesimizde yanlış bir şeylerin gittiğini belirtir ve düzeltmemiz için ikazda bulunur. Medyan ölçümü gibi uçdeğer verilerden etkilenmeyen yöntemler analitik çalışmalarda prosesimizde yanlış giden şeyleri görmemiz açısından kullanmamız lazımdır. The Mod Herhangi bir dağılımın mod değeri dağılım içerisinde en fazla tekrarlanan veridir veya frekans poligonunda veya histogramda bulunan en yüksek veridir. Mod da medyan gibi veri kümesi içerisindeki uçdeğer sayılardan etkilenmez. Frekans dağılımı içerisinde sadece bir veri en yüksek değerli ise bu tip dağılımlara tek modlu (unimodel) dağılım denir. Şayet iki tane eşit ve en yüksek veri varsa bu tip dağılımlara çift modlu dağılım denir. Medyan gibi mod unda önemli özelliklerinden biri uçdeğer sayılardan etkilenmemesidir. Uçdeğer sayılardan etkilenen prosesimizin analitik çalışmalarında mod ikaz edici mahiyette kullanılabilir. 7
8 Oran (The Proportion) p = x/n x örneklemdeki hatalı ürün miktarı ve n örneklemdeki toplam ürün miktarını belirtmektedir. Buna göre, p = 8/8 = 0. Değişkenlik (variability) Ölçümü Tüm populasyon ve proseslerin uygun olarak belirtilen hassasiyet ölçülerine göre bazı değişkenlik derecesi vardır, populasyon veya prosesteki tüm birimler eşit (aynı ) değillerdir. Bundan dolayı bizlerin sadece veri kümesinin merkezi eğilimini (central tendency) değil aynı zamanda değişkenlik derecesini belirtebilmemiz lazımdır. Bu tip değişkenlikleri ölçümleyebilmenin iki iki farklı yöntemi vardır:. Dağılım (range). Standart sapma Dağılım (The Range) Analitik çalışmaların veri kümesinin dağılımın hesaplanmasının en kolay yöntemidir;veri kümesi içerisindeki sayılarının en büyüğü ile en küçüğü arasındaki fark olarak tanımlanmıştır: R = x max -x min x Üç üretim prosesinden alınan ağırlık (gram) değerleri Range Proses A Proses B Proses C Standart Sapma Dağılım ölçümü olarak kullanılan standart sapma veri kümesi içerisindeki tüm verilerin teker teker ortalama değerden olan uzaklıklarının (farklarının) hesaplanmasıyla elde edilir. Veriler arasındaki fark ne kadar büyük olursa standart sapma o kadar büyük, veriler ne kadar birbirine benzer yani aralarındaki fark az ise standart sapma o kadar küçük olacaktır. Standart Sapma Standart sapma aşağıdaki gibi hesapianır: σ = (x - μ) N 8
9 Standart Sapma Teker teker sayma ve analitik çalışmaların her ikisinde de n gözlemli bir veri grubunun (veya alt grubun) standart sapmasını hesaplarız.grup (örneklem) standart sapması diye tanımlanır ve s ile gösterilir. (x - x) s = n Üç üretim prosesinden alınan ağırlık (gram) değerleri x s Prose sa Prose sb Prose sc Şekil ölçümleri Veri kümemiz (örneklem) içerisindeki değerlerin nasıl bir grafik oluşturduğunu belirtmek için iki yöntem kullanılır. Skewness (Çarpıklık ) Kurtosis Şekil Ölçümleri Skewness (Çarpıklık) Skewness (çarpıklık), veya veri kümesinin oluşturduğu grafiğin simetri olmaması Skewness (çarpıklık) ın sayısal olarak ölçümü, Pearson un skewness (çarpıklık) katsayısı formülü aşağıdaki gibidir: ( x - M ) Skewness = e p s Skewness = 0 Skewness > 0 Skewness < 0 Şekil Ölçümleri Skewness (Çarpıklık) Skewness (çarpıklık) ı gösterebilmenin diğer bir yöntemi de dağılım grafiğinin uzantılarının incelenmesiyle olur. Simetrik bir dağılımda (grafiğin her iki uzantısı da birbirine eşit olan dağılım) skewness (çarpıklık) katsayısı sıfır olacaktır.. Skewed (çarpık) dağılımlarda (grafiğin her iki uzantısındaki frekans değerleri arasındaki fark büyük skewness (çarpıklık) katsayısı büyük olacaktır. Şekil Ölçümü Kurtosis Peakedness veya kurtosis. Dağılım grafiğindeki verilerin çoğu grafiğin orta kısmında birikmiş ve yan kollarda fazla birikmemişse (yani grafik yukarı doğru sivrilmiş ve yan kollarda fazla genişlik yoksa) Kurtosis değeri büyüktür, eğer grafiğimizin yüksekliği kısa ve kolları uzun ise Kurtosis katsayısı küçüktür. Kurtosis değerinin hesaplanması: (x - x) Kurtosis = ns - 9
10 Standart Sapmanın Yorumu Standart sapmanın yorumu, bir dağılımın ortalama değerinden belirtilen k standart sapma kadar alan içinde kalan veri oranının belirlenmesiyle yapılabilir.(?) Bu oran direkt dağılım grafiğinin fonksiyonunun verir. Standart sapmayı yorumlayabilmek için analitik çalışmada dağılım sabit (stable) olmalıdır (değişkenliğe sebep olan nedenler ortak olmalıdır). Data dağılımı üzerine dört klasik senaryo (yorum vardır: normal (zil biçiminde) dağılım Sağa çarpık (grafik için) dağılım Sola çarpık dağılım belirsiz dağılım. Normal Dağılım Bu tip veriler normal dağılımlıdır. Rasgele bir veri noktasının ortalamanın k kadar standart sapması içerisinde olabilme olasılığının bulunması durumunu belirtir: k = P(μ -σ < X < μ + σ) =.8 k = P(μ -σ < X < μ + σ) =.9 k = P(μ -σ < X < μ + σ) =.997 Skewed Dağılım (Sağ veya Sol). P( Bu tip veriler tek modludur (sağa veya sola çarpık). Rasgele seçilen bir verinin ortalamadan k standart sapması kadar olan alan içinde bulunabilme olasılığını belirten Camp-Meidel eşitsizliği aşağıdaki gibidir: - kσ < X < μ + kσ) - μ [ ]. k Denklemleri özetlersek; k = P(μ -σ < X < μ + σ) - (/[.] ) = 0. k = P(μ -σ < X < μ + σ) - (/[.] ) = k = P(μ -σ < X < μ + σ) - (/[.] ) = 0.90 diyebiliriz Belirsiz Dağılım Data dağılımının bilinmediği durumlarda Rasgele seçilen bir verinin ortalamadan k standart sapması kadar olan alan içinde bulunabilme olasılığı, k olsun, Chebychev s eşitsizliğinde aşağıdaki gibi belirtilmiştir: P(μ -kσ < X < μ + kσ) - (/k ) Dnklemleri özetlersek: k = P(μ -σ < X < μ + σ) - (/ ) = k = P(μ -σ < X < μ + σ) - (/ ) = k = P(μ -σ < X < μ + σ) - (/ ) = şeklinde belirtebiliriz 0
11 Normal Dağılım Hakkında Detaylar Biz genellikle X rastgele değişkeninin belirtilen iki değer arasında veya herhangi bir değerin altında veya üstünde kalma olasılığını normal dağılım kullanarak yapabilmeyi isteriz. Örneğin aşağıdaki μ ortalamalı ve σ standart sapmalı normal dağılım grafiğinde seçilen herhangi bir X değerinin belirtilen x ve x değerleri arasında olma olasılığı gösterilmektedir.
JEODEZİK VERİLERİN İSTATİSTİK ANALİZİ. Prof. Dr. Mualla YALÇINKAYA
JEODEZİK VERİLERİN İSTATİSTİK ANALİZİ Prof. Dr. Mualla YALÇINKAYA Karadeniz Teknik Üniversitesi, Harita Mühendisliği Bölümü Trabzon, 2018 VERİLERİN İRDELENMESİ Örnek: İki nokta arasındaki uzunluk 80 kere
DetaylıTemel 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
Detaylı13. Olasılık Dağılımlar
13. Olasılık Dağılımlar Mühendislik alanında karşılaşılan fiziksel yada fiziksel olmayan rasgele değişken büyüklüklerin olasılık dağılımları için model alınabilecek çok sayıda sürekli ve kesikli fonksiyon
DetaylıÖrnek 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
DetaylıTEMEL İSTATİSTİKİ KAVRAMLAR YRD. DOÇ. DR. İBRAHİM ÇÜTCÜ
TEMEL İSTATİSTİKİ KAVRAMLAR YRD. DOÇ. DR. İBRAHİM ÇÜTCÜ 1 İstatistik İstatistik, belirsizliğin veya eksik bilginin söz konusu olduğu durumlarda çıkarımlar yapmak ve karar vermek için sayısal verilerin
DetaylıCopyright 2004 Pearson Education, Inc. Slide 1
Slide 1 Bölüm 2 Verileri Betimleme, Keşfetme, ve Karşılaştırma 2-1 Genel Bakış 2-2 Sıklık Dağılımları 2-3 Verilerin Görselleştirilmesi 2-4 Merkezi Eğilim Ölçüleri 2-5 Değişimin Ölçülmesi 2-6 Nispi Sabitlerin
DetaylıMühendislikte İstatistik Yöntemler
.0.0 Mühendislikte İstatistik Yöntemler İstatistik Parametreler Tarih Qma.3.98 4..98 0.3.983 45 7..984 37.3.985 48 0.4.986 67.4.987 5 0.3.988 45.5.989 34.3.990 59.4.99 3 4 34 5 37 6 45 7 45 8 48 9 5 0
DetaylıBÖLÜM 5 MERKEZİ EĞİLİM ÖLÇÜLERİ
1 BÖLÜM 5 MERKEZİ EĞİLİM ÖLÇÜLERİ Gözlenen belli bir özelliği, bu özelliğe ilişkin ölçme sonuçlarını yani verileri kullanarak betimleme, istatistiksel işlemlerin bir boyutunu oluşturmaktadır. Temel sayma
DetaylıTANIMLAYICI İSTATİSTİKLER
TANIMLAYICI İSTATİSTİKLER Tanımlayıcı İstatistikler ve Grafikle Gösterim Grafik ve bir ölçüde tablolar değişkenlerin görsel bir özetini verirler. İdeal olarak burada değişkenlerin merkezi (ortalama) değerlerinin
DetaylıYrd. Doç. Dr. Fatih TOSUNOĞLU Erzurum Teknik Üniversitesi Mühendislik Fakültesi İnşaat Mühendisliği Bölümü
Mühendislikte İstatistiksel Yöntemler Yrd. Doç. Dr. Fatih TOSUNOĞLU Erzurum Teknik Üniversitesi Mühendislik Fakültesi İnşaat Mühendisliği Bölümü 1 Araştırma sonuçlarının açıklanmasında frekans tablosu
DetaylıVERİ SETİNE GENEL BAKIŞ
VERİ SETİNE GENEL BAKIŞ Outlier : Veri setinde normal olmayan değerler olarak tanımlanır. Ders: Kantitatif Yöntemler 1 VERİ SETİNE GENEL BAKIŞ Veri setinden değerlendirme başlamadan çıkarılabilir. Yazım
DetaylıDers 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)
DetaylıBÖLÜM 9 NORMAL DAĞILIM
1 BÖLÜM 9 NORMAL DAĞILIM Normal dağılım; 'normal dağılım eğrisi (normaly distribution curve)' ile kavramlaştırılan hipotetik bir evren dağılımıdır. 'Gauss dağılımı' ya da 'Gauss eğrisi' olarak da bilinen
Detaylı8.Hafta. Değişkenlik Ölçüleri. Öğr.Gör.Muhsin ÇELİK. Uygun değişkenlik ölçüsünü hesaplayıp yorumlayabilecek,
İSTATİSTİK 8.Hafta Değişkenlik Ölçüleri Hedefler Bu üniteyi çalıştıktan sonra; Uygun değişkenlik ölçüsünü hesaplayıp yorumlayabilecek, Serilerin birbirlerine değişkenliklerini yorumlayabileceksiniz. 2
DetaylıTanımlayıcı İstatistikler. Yrd. Doç. Dr. Emre ATILGAN
Tanımlayıcı İstatistikler Yrd. Doç. Dr. Emre ATILGAN 1 Tanımlayıcı İstatistikler Yer Gösteren Ölçüler Yaygınlık Ölçüleri Merkezi Eğilim Ölçüleri Konum Ölçüleri 2 3 Aritmetik Ortalama Aritmetik ortalama,
DetaylıSürekli 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
DetaylıİSTATİSTİK MHN3120 Malzeme Mühendisliği
İSTATİSTİK MHN3120 Malzeme Mühendisliği CBÜ - Malzeme Mühendisliği Bölümü Ofis: Mühendislik Fakültesi A Blok Ofis no:311 Tel: 0 236 2012404 E-posta :emre.yalamac@cbu.edu.tr YARDIMCI KAYNAKLAR Mühendiler
DetaylıProf.Dr.İhsan HALİFEOĞLU
Prof.Dr.İhsan HALİFEOĞLU FREKANS DAĞILIMLARINI TANIMLAYICI ÖLÇÜLER Düzenlenmiş verilerin yorumlanması ve daha ileri düzeydeki işlemler için verilerin bütününe ait tanımlayıcı ve özetleyici ölçülere ihtiyaç
DetaylıVERİ KÜMELERİNİ BETİMLEME
BETİMLEYİCİ İSTATİSTİK VERİ KÜMELERİNİ BETİMLEME Bir amaç için derlenen verilerin tamamının olduğu, veri kümesindeki birimlerin sayısal değerlerinden faydalanarak açık ve net bir şekilde ilgilenilen özellik
DetaylıİÇİNDEKİLER. BÖLÜM 1 Değişkenler ve Grafikler 1. BÖLÜM 2 Frekans Dağılımları 37
İÇİNDEKİLER BÖLÜM 1 Değişkenler ve Grafikler 1 İstatistik 1 Yığın ve Örnek; Tümevarımcı ve Betimleyici İstatistik 1 Değişkenler: Kesikli ve Sürekli 1 Verilerin Yuvarlanması Bilimsel Gösterim Anlamlı Rakamlar
DetaylıBÖLÜM 6 MERKEZDEN DAĞILMA ÖLÇÜLERİ
1 BÖLÜM 6 MERKEZDEN DAĞILMA ÖLÇÜLERİ Gözlenen belli bir özelliği, bu özelliğe ilişkin ölçme sonuçlarını yani verileri kullanarak betimleme, istatistiksel işlemlerin bir boyutunu oluşturmaktadır. Temel
DetaylıDAĞILMA YADA DEĞİ KENLİK ÖLÇÜLERİ (MEASURE OF DISPERSION) Prof.Dr.A.KARACABEY Doç.Dr.F.GÖKGÖZ
DAĞILMA YADA DEĞİ KENLİK ÖLÇÜLERİ (MEASURE OF DISPERSION) 1 AMAÇ... Mevcut veri seti için bulunan merkezi eğilim ölçüsünün yorumlamak Birden fazla veri seti için dağılımlar arası kıyaslama yapabilmek amaçlarıyla
DetaylıA t a b e y M e s l e k Y ü k s e k O k u l u İstatistik Sunum 4 Öğr.Gör. Şükrü L/O/G/O KAYA www.sukrukaya.org www.themegallery.com 1 Yer Ölçüleri Yer ölçüleri, verilerin merkezini veya yığılma noktasını
DetaylıORTALAMA ÖLÇÜLERİ. Ünite 6. Öğr. Gör. Ali Onur CERRAH
ORTALAMA ÖLÇÜLERİ Ünite 6 Öğr. Gör. Ali Onur CERRAH Araştırma sonucunda elde edilen nitelik değişkenler hakkında tablo ve grafikle bilgi sahibi olunurken, sayısal değişkenler hakkında bilgi sahibi olmanın
DetaylıDers 9: Kitle Ortalaması ve Varyansı için Tahmin
Ders 9: Kitle Ortalaması ve Varyansı için Tahmin Kitle ve Örneklem Örneklem Dağılımı Nokta Tahmini Tahmin Edicilerin Özellikleri Kitle ortalaması için Aralık Tahmini Kitle Standart Sapması için Aralık
DetaylıVerilerin Özetlenmesinde Kullanılan Sayısal Yöntemler
Verilerin Özetlenmesinde Kullanılan Sayısal Yöntemler Merkezi Eğilim Ölçüleri Merkezi eğilim ölçüsü, bir veri setindeki merkezi, yada tipik, tek bir değeri ifade eder. Nicel veriler için, reel sayı çizgisindeki
DetaylıTest İstatistikleri AHMET SALİH ŞİMŞEK
Test İstatistikleri AHMET SALİH ŞİMŞEK İçindekiler Test İstatistikleri Merkezi Eğilim Tepe Değer (Mod) Ortanca (Medyan) Aritmetik Ortalama Merkezi Dağılım Dizi Genişliği (Ranj) Standart Sapma Varyans Çarpıklık
DetaylıHipotez Testleri. Mühendislikte İstatistik Yöntemler
Hipotez Testleri Mühendislikte İstatistik Yöntemler Hipotez Testleri Parametrik Testler ( z ve t testleri) Parametrik Olmayan Testler (χ 2 Testi) Hipotez Testleri Ana Kütle β( µ, σ ) Örnek Kütle b ( µ
Detaylıİstatistik ve Olasılığa Giriş. İstatistik ve Olasılığa Giriş. Ders 3 Verileri Sayısal Ölçütlerle İfade Etme. Verileri Sayısal Ölçütlerle İfade Etme
İstatistik ve Olasılığa Giriş Robert J. Beaver Barbara M. Beaver William Mendenhall Presentation designed and written by: Barbara M. Beaver İstatistik ve Olasılığa Giriş Ders 3 Verileri Sayısal Ölçütlerle
DetaylıLAÜ FEN EDEBĐYAT FAKÜLTESĐ PSĐKOLOJĐ BÖLÜMÜ PSK 106 ĐSTATĐSTĐK YÖNTEMLER I BAHAR DÖNEMĐ TELAFĐ SINAVI SORULARI
LAÜ FEN EDEBĐYAT FAKÜLTESĐ PSĐKOLOJĐ BÖLÜMÜ PSK 106 ĐSTATĐSTĐK YÖNTEMLER I 2015-2016 BAHAR DÖNEMĐ TELAFĐ SINAVI SORULARI Tarih/Saat/Yer: 20.06.16/15:00-16:30/AS010 Instructor: Prof. Dr. Hüseyin Oğuz Öğrenci
DetaylıNicel / Nitel Verilerde Konum ve Değişim Ölçüleri. BBY606 Araştırma Yöntemleri 2013-2014 Bahar Dönemi 13 Mart 2014
Nicel / Nitel Verilerde Konum ve Değişim Ölçüleri BBY606 Araştırma Yöntemleri 2013-2014 Bahar Dönemi 13 Mart 2014 1 Konum ölçüleri Merkezi eğilim ölçüleri Verilerin ortalamaya göre olan gruplanması nasıl?
DetaylıBiyoistatistiğe Giriş: Temel Tanımlar ve Kavramlar DERS I VE II
Biyoistatistiğe Giriş: Temel Tanımlar ve Kavramlar DERS I VE II İstatistik Nedir? İstatistik kelimesi farklı anlamlar taşımaktadır. Bunlar; Genel anlamda; üretim, tüketim, nüfus, sağlık, eğitim, tarım,
DetaylıSıklık Tabloları, BASİT ve TEK değişkenli Grafikler Ders 3 ve 4 ve 5
Sıklık Tabloları, BASİT ve TEK değişkenli Grafikler Ders 3 ve 4 ve 5 Sıklık Tabloları Veri dizisinde yer alan değerlerin tekrarlama sayılarını içeren tabloya sıklık tablosu denir. Tek değişken için çizilen
DetaylıBİYOİSTATİSTİK Merkezi Eğilim ve Değişim Ölçüleri Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH
BİYOİSTATİSTİK Merkezi Eğilim ve Değişim Ölçüleri Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH Ege Üniversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr 1 İstatistik
DetaylıÖRNEKLEME DAĞILIŞLARI VE TAHMİNLEYİCİLERİN ÖZELLİKLERİ
ÖRNEKLEME DAĞILIŞLARI VE TAHMİNLEYİCİLERİN ÖZELLİKLERİ TEMEL KAVRAMLAR PARAMETRE: Populasyonun sayısal açıklayıcı bir ölçüsüdür ve anakütledeki tüm elemanlar dikkate alınarak hesaplanabilir. Ana kütledeki
DetaylıİÇİNDEKİLER ÖN SÖZ...
İÇİNDEKİLER ÖN SÖZ... v GİRİŞ... 1 1. İSTATİSTİK İN TARİHÇESİ... 1 2. İSTATİSTİK NEDİR?... 3 3. SAYISAL BİLGİDEN ANLAM ÇIKARILMASI... 4 4. BELİRSİZLİĞİN ELE ALINMASI... 4 5. ÖRNEKLEME... 5 6. İLİŞKİLERİN
DetaylıBİYOİSTATİSTİK 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
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
DetaylıBölüm 3 Merkezi Konum (Eğilim) Ölçüleri. Giriş Veri kümesi. Ortalamalar iki grupta incelenir. A. Duyarlı olan ortalama. B. Duyarlı olmayan ortalama
GM-220 MÜH. ÇALIŞ. İSTATİSTİKSEL YÖNTEMLER Bölüm 3 Merkezi Konum (Eğilim) Ölçüleri Yrd. Doç. Dr. Safa KARAMAN 1 2 Giriş Veri kümesi Verileri betimlemenin ve özetlemenin bir diğer yolu da verilerin bir
DetaylıGruplanmış 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
DetaylıNİCELİKSEL KONTROL GRAFİKLERİ
NİCELİKSEL KONTROL GRAFİKLERİ Prof. Dr. Nihal ERGİNEL Anadolu Üniversitesi X BİRİMLER VE HAREKETLİ DEĞİŞİM ARALIĞI KONTROL GRAFİĞİ X- Birimler Kontrol Grafiği n= birimlik örnekler alınır. Üretim hızı oldukça
DetaylıFREKANS VERİLERİ. Prof.Dr. Levent ŞENYAY III - 1
3 FREKANS VERİLERİ 3.1. Frekans Tablolarının Düzenlenmesi 3.2. Frekans poligonu 3.3. Frekans tablosu hazırlama 3.4. Frekans Histogramı 3.5. Frekans eğrisi tipleri 3.6. Diğer İstatistiksel Grafik Gösterimler
DetaylıGÜVEN ARALIKLARI ve İSTATİSTİKSEL ANLAMLILIK. Ankara Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı
GÜVEN ARALIKLARI ve İSTATİSTİKSEL ANLAMLILIK Ankara Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı Kestirim Pratikte kitle parametrelerinin doğrudan hesaplamak olanaklı değildir. Bunun yerine
DetaylıSÜREKLĠ OLASILIK DAĞILIMLARI
SÜREKLĠ OLASILIK DAĞILIMLARI Sayı ekseni üzerindeki tüm noktalarda değer alabilen değişkenler, sürekli değişkenler olarak tanımlanmaktadır. Bu bölümde, sürekli değişkenlere uygun olasılık dağılımları üzerinde
DetaylıLAÜ FEN EDEBĐYAT FAKÜLTESĐ PSĐKOLOJĐ BÖLÜMÜ PSK 106 ĐSTATĐSTĐK YÖNTEMLER I BAHAR DÖNEMĐ DÖNEM SONU SINAV SORULARI
LAÜ FEN EDEBĐYAT FAKÜLTESĐ PSĐKOLOJĐ BÖLÜMÜ PSK 106 ĐSTATĐSTĐK YÖNTEMLER I 2015-2016 BAHAR DÖNEMĐ DÖNEM SONU SINAV SORULARI Tarih/Saat/Yer: 15.06.16/09:00-10:30/AS115-116-117 Instructor: Prof. Dr. Hüseyin
DetaylıLAÜ FEN EDEBĐYAT FAKÜLTESĐ PSĐKOLOJĐ BÖLÜMÜ PSK 106 ĐSTATĐSTĐK YÖNTEMLER I BAHAR DÖNEMĐ BÜTÜNLEME SINAVI SORULARI
LAÜ FEN EDEBĐYAT FAKÜLTESĐ PSĐKOLOJĐ BÖLÜMÜ PSK 106 ĐSTATĐSTĐK YÖNTEMLER I 2015-2016 BAHAR DÖNEMĐ BÜTÜNLEME SINAVI SORULARI Tarih/Saat/Yer: 24.06.16/11:00-12:30/AS010 Instructor: Prof. Dr. Hüseyin Oğuz
DetaylıMIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009
MIT OpenCourseWare http://ocw.mit.edu 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 Bu materyale atıfta bulunmak ve kullanım koşulları için http://ocw.mit.edu/terms sayfasını ziyaret ediniz.
DetaylıBÖLÜM 1 GİRİŞ: İSTATİSTİĞİN MÜHENDİSLİKTEKİ ÖNEMİ
BÖLÜM..AMAÇ GİRİŞ: İSTATİSTİĞİ MÜHEDİSLİKTEKİ ÖEMİ Doğa bilimlerinde karşılaştığımız problemlerin birçoğunda olaydaki değişkenlerin değerleri bilindiğinde probleme kesin ve tek bir çözüm bulunabilir. Örneğin
DetaylıMerkezi Yığılma ve Dağılım Ölçüleri
1.11.013 Merkezi Yığılma ve Dağılım Ölçüleri 4.-5. hafta Merkezi eğilim ölçüleri, belli bir özelliğe ya da değişkene ilişkin ölçme sonuçlarının, hangi değer etrafında toplandığını gösteren ve veri grubunu
DetaylıKONU2 MERKEZİ EĞİLİM ÖLÇÜLERİ EĞİLİM ÖLÇÜLERİ ANALİTİK ORTALAMALAR ANALİTİK OLMAYAN MERKEZİ. Aritmetik ortalama **Medyan(median)
KONU2 MERKEZİ EĞİLİM ÖLÇÜLERİ 1 MERKEZİ EĞİLİM ÖLÇÜLERİ ANALİTİK ORTALAMALAR Bir örneklemde mevcut olan tüm veriler hesaba katılır. ANALİTİK OLMAYAN MERKEZİ EĞİLİM ÖLÇÜLERİ Bir örneklemdeki verilerin bir
DetaylıİSTATİSTİK EXCEL UYGULAMA
İSTATİSTİK EXCEL UYGULAMA EXCEL UYGULAMA Bu bölümde Excel ile ilgili temel bilgiler sunulacak ve daha sonra İstatistiksel Uygulamalar hakkında bilgi verilecektir. İşlenecek Konular: Merkezi eğilim Ölçüleri
DetaylıMerkezi eğilim ölçüleri ile bir frekans dağılımının merkezi belirlenirken; yayılma ölçüleri ile değişkenliği veya yayılma düzeyini tespit eder.
Yayılma Ölçütleri Merkezi eğilim ölçüleri ile bir frekans dağılımının merkezi belirlenirken; yayılma ölçüleri ile değişkenliği veya yayılma düzeyini tespit eder. Bir başka ifade ile, bir veri setinin,
DetaylıENM 5210 İSTATİSTİK VE YAZILIMLA UYGULAMALARI. Ders 2 Merkezi Eğilim Ölçüleri
ENM 5210 İSTATİSTİK VE YAZILIMLA UYGULAMALARI Ders 2 Merkezi Eğilim Ölçüleri Basit Seriler Elde edilecek ham verilerin küçükten büyüğe doğru sıralanması ile elde edilen serilere basit seri denir ÖRNEK:
DetaylıGenel 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
DetaylıDeney Dizaynı ve Veri Analizi Ders Notları
Deney Dizaynı ve Veri Analizi Ders Notları Binom dağılım fonksiyonu: Süreksiz olaylarda, sonuçların az sayıda seçenekten oluştuğu durumlarda kullanılır. Bir para atıldığında yazı veya tura gelme olasılığı
DetaylıSÜREKLİ OLASILIK DAĞILIŞLARI
SÜREKLİ OLASILIK DAĞILIŞLARI Sürekli verilerin göstermiş olduğu dağılışa sürekli olasılık dağılışı denir. Sürekli olasılık dağılışlarının fonksiyonlarına yoğunluk fonksiyonu denilmekte ve bu dağılışlarla
DetaylıDeğer Frekans
Veri Rasgelelik içeren olgulardan elde edilen ölçüm (gözlem) değerlerine istatistiksel veri veya kısaca veri (data) diyelim. Verilerin deneyler sonucu veya doğal şartlarda olguları gözlemekle elde edildiğini
DetaylıGenel olarak test istatistikleri. Merkezi Eğilim (Yığılma) Ölçüleri Merkezi Dağılım (Yayılma) Ölçüleri. olmak üzere 2 grupta incelenebilir.
3.SUNUM Genel olarak test istatistikleri Merkezi Eğilim (Yığılma) Ölçüleri Merkezi Dağılım (Yayılma) Ölçüleri olmak üzere 2 grupta incelenebilir. 2 Merkezi Eğilim Ölçüleri, belli bir özelliğe ya da değişkene
Detaylırasgele değişkeninin olasılık yoğunluk fonksiyonu,
3.6. Bazı Sürekli Dağılımlar 3.6.1 Normal Dağılım Normal dağılım hem uygulamalı hem de teorik istatistikte kullanılan oldukça önemli bir dağılımdır. Normal dağılımın istatistikte önemli bir yerinin olmasının
DetaylıKonum ve Dağılım Ölçüleri. BBY606 Araştırma Yöntemleri Güleda Doğan
Konum ve Dağılım Ölçüleri BBY606 Araştırma Yöntemleri Güleda Doğan Konum ölçüleri Merkezi eğilim ölçüleri Verilerin ortalamaya göre olan gruplanması nasıl? Yakın, uzak? Sıklık dağılımlarının karşılaştırılması
DetaylıProf.Dr.İhsan HALİFEOĞLU
Prof.Dr.İhsan HALİFEOĞLU Örnek: Aşağıda 100 yetişkine ilişkin kolesterol değerlerini sınıflandırılarak aritmetik ortalamasını bulunuz (sınıf aralığını 20 alınız). 2 x A fb C 229.5 n 40 20 100 221.5 3 Örnek:.
DetaylıKARŞILAŞTIRMA İSTATİSTİĞİ, ANALİTİK YÖNTEMLERİN KARŞILAŞTIRILMASI, BİYOLOJİK DEĞİŞKENLİK. Doç.Dr. Mustafa ALTINIŞIK ADÜTF Biyokimya AD 2005
KARŞILAŞTIRMA İSTATİSTİĞİ, ANALİTİK YÖNTEMLERİN KARŞILAŞTIRILMASI, BİYOLOJİK DEĞİŞKENLİK Doç.Dr. Mustafa ALTINIŞIK ADÜTF Biyokimya AD 2005 1 Karşılaştırma istatistiği Temel kavramlar: Örneklem ve evren:
DetaylıRASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI. Yrd. Doç. Dr. Emre ATILGAN
RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI Yrd. Doç. Dr. Emre ATILGAN 1 RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI Olasılığa ilişkin olayların çoğunluğunda, deneme sonuçlarının bir veya birkaç yönden incelenmesi
DetaylıBÖLÜM 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
DetaylıHatalar Bilgisi ve İstatistik Ders Kodu: Kredi: 3 / ECTS: 5
Ders Kodu: 0010070021 Kredi: 3 / ECTS: 5 Yrd. Doç. Dr. Serkan DOĞANALP Necmettin Erbakan Üniversitesi Harita Mühendisliği Bölümü Konya 07.01.2015 1 Giriş 2 Giriş Matematiksel istatistiğin konusu yığın
DetaylıENM 5210 İSTATİSTİK VE YAZILIMLA UYGULAMALARI. Nokta Grafikleri. Ders 2 Minitab da Grafiksel Analiz-II Tanımlayıcı İstatistikler
ENM 5210 İSTATİSTİK VE YAZILIMLA UYGULAMALARI Nokta Grafikleri Nokta grafikleri örnek veri dağılımlarını değerlendirmek ve karşılaştırmak için kullanılır. Bir nokta grafiği örneklem verilerini gruplandırır
DetaylıARALIK TAHMİNİ (INTERVAL ESTIMATION):
YTÜ-İktisat İstatistik II Aralık Tahmini I 1 ARALIK TAHMİNİ INTERVAL ESTIMATION): Nokta tahmininde ilgilenilen anakütle parametresine ilişkin örneklem bilgisinden hareketle tek bir sayı üretilir. Bir nokta
DetaylıBİYOİSTATİSTİK. Ödev Çözümleri. Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH
BİYOİSTATİSTİK Ödev Çözümleri Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH Ege Üniversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr Ödev 1 Çözümleri 2 1. Bir sonucun
DetaylıBİYOİSTATİSTİK Bazı Olasılık Dağılışları Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH
BİYOİSTATİSTİK Bazı Olasılık Dağılışları Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH Ege Üniversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr 1 Uygulamalı bilim
DetaylıOlasılık bir diğer ifadeyle bir olayın meydana gelme şansının sayısal ifadesidir. Örnekler:
OLASILIK Populasyon hakkında bilgi sahibi olmak amacı ile alınan örneklerden elde edilen bilgiler bire bir doğru olmayıp hepsi mutlaka bir hata payı taşımaktadır. Bu hata payının ortaya çıkmasının sebebi
DetaylıKazanımlar. 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
DetaylıUygulama 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,
DetaylıMATE211 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
DetaylıOluşturulan evren listesinden örnekleme birimlerinin seçkisiz olarak çekilmesidir
Bilimsel Araştırma Yöntemleri Prof. Dr. Şener Büyüköztürk Doç. Dr. Ebru Kılıç Çakmak Yrd. Doç. Dr. Özcan Erkan Akgün Doç. Dr. Şirin Karadeniz Dr. Funda Demirel Örnekleme Yöntemleri Evren Evren, araştırma
DetaylıDENEY 0. Bölüm 1 - Ölçme ve Hata Hesabı
DENEY 0 Bölüm 1 - Ölçme ve Hata Hesabı Amaç: Ölçüm metodu ve cihazına bağlı hata ve belirsizlikleri anlamak, fiziksel bir niceliği ölçüp hata ve belirsizlikleri tespit etmek, nedenlerini açıklamak. Genel
DetaylıÖRNEKLEME TEORİSİ. Prof.Dr.A.KARACABEY Doç.Dr.F.GÖKGÖZ
ÖRNEKLEME TEORİSİ 1 Bir popülasyonu istatistiksel açıdan incelemek ve işlemler yapabilmek için popülasyon içerisinden seçilen örneklemlerden yararlandığımızı söylemiştik. Peki popülasyonun istatistiksel
Detaylıİçindekiler. Ön Söz... xiii
İçindekiler Ön Söz.................................................... xiii Bölüm 1 İstatistiğe Giriş....................................... 1 1.1 Giriş......................................................1
DetaylıMerkezi Limit Teoremi
Örnekleme Dağılımı Merkezi Limit Teoremi Şimdiye kadar normal dağılıma uygun olan veriler ile ilgili örnekler incelendi. Çarpıklık gösteren veriler söz konusu olduğunda ne yapılması gerekir? Hala normal
DetaylıDers 1 Minitab da Grafiksel Analiz-I
ENM 5210 İSTATİSTİK VE YAZILIMLA UYGULAMALARI Ders 1 Minitab da Grafiksel Analiz-I İstatistik Nedir? İstatistik kelimesi ilk olarak Almanyada devlet anlamına gelen status kelimesine dayanılarak kullanılmaya
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık Ders 2: Prof. Dr. İrfan KAYMAZ Tanım İnceleme sonucu elde edilen ham verilerin istatistiksel yöntemler kullanılarak özetlenmesi açıklayıcı istatistiği konusudur. Açıklayıcı istatistikte
DetaylıProbability Density Function (PDF, Sürekli fonksiyon)
Varyans Bir serideki her elemanın ortalamadan farklarının karelerinin toplamının, serideki eleman sayısına bölümü ile elde edilir. Standart Sapma Varyansın kareköküdür. Eğer birçok veri ortalamaya yakın
DetaylıBölüm 3. Tanımlayıcı İstatistikler
Bölüm 3 Tanımlayıcı İstatistikler 1 Tanımlayıcı İstatistikler Bir veri setini tanımak veya birden fazla veri setini karşılaştırmak için kullanılan ve ayrıca örnek verilerinden hareket ile frekans dağılışlarını
DetaylıQuality Planning and Control
Quality Planning and Control END 3618 KALİTE PLANLAMA VE KONTROL Prof. Dr. Mehmet ÇAKMAKÇI Dokuz Eylül Üniversitesi Endüstri Mühendisliği Anabilim Dalı 1 İstatistiksel Proses Kontrol Kontrol Kartları Kontrol
DetaylıİSTATİSTİKSEL PROSES KONTROLÜ
İSTATİSTİKSEL PROSES KONTROLÜ ZTM 433 KALİTE KONTROL VE STANDARDİZASYON PROF: DR: AHMET ÇOLAK İstatistiksel işlem kontrolü (İPK), işlemle çeşitli istatistiksel metotların ve analiz sapmalarının kullanımını
DetaylıVERİLERİ ÖZETLEME. Prof.Dr. Levent ŞENYAY III - 1
3 VERİLERİ ÖZETLEME 3.. Frekans Tablolarının Düzenlenmesi 3.2. Frekans poligonu 3.3. Frekans tablosu hazırlama 3.4. Frekans Histogramı 3.5. Frekans eğrisi tipleri 3.6. Diğer İstatistiksel Grafik Gösterimler
Detaylıİstatistik Nedir? Ders 1 Minitab da Grafiksel Analiz-I ENM 5210 İSTATİSTİK VE YAZILIMLA UYGULAMALARI. İstatistiğin Konusu Olan Olaylar
ENM 5210 İSTATİSTİK VE YAZILIMLA UYGULAMALARI İstatistik Nedir? İstatistik kelimesi ilk olarak Almanyada devlet anlamına gelen status kelimesine dayanılarak kullanılmaya başlanmıştır. Ders 1 Minitab da
DetaylıDENİZ HARP OKULU TEMEL BİLİMLER BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ
DENİZ HARP OKULU TEMEL BİLİMLER BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ Dersin Adı Kodu Sınıf/Y.Y. Ders Saati (T+U+L) Kredi AKTS OLASILIK VE İSTATİSTİK FEB-222 2/ 2.YY 3+0+0 3 3 Dersin Dili Dersin Seviyesi
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık Ders 2: Prof. Dr. İrfan KAYMAZ Tanım İnceleme sonucu elde edilen ham verilerin istatistiksel yöntemler kullanılarak özetlenmesi açıklayıcı istatistiği konusudur. Açıklayıcı istatistikte
Detaylıİstatistik Dersi Çalışma Soruları Arasınav(Matematik Müh. Bölümü-2014)
İstatistik Dersi Çalışma Soruları Arasınav(Matematik Müh. Bölümü-2014) S-1) Bir otoyol üzerinde radarla hız kontrolü yapan, polis ekipler tarafından tespit edilen tane aracın hızları aşağıdaki tabloda
Detaylı3)Aşağıdaki tabloda gruplandırılmış bir veri kümesi bulunmaktadır. Bu veri kümesinin mutlak ortalamadan sapması aşağıdakilerden hangisidir?
İSTATİSTİK SORU VE CEVAPLARI 1)Tabloda 500 kişinin sahip oldukları akıllı telefon markalarını gösteren bilgiler verilmiştir.bu tabloda ki bilgileri yansıtan daire grafiği aşağıdakilerden hangisidir? TELEFON
Detaylıİstatistik Nedir? İstatistiğin Önemi Nedir? Tanımlayıcı ve Çıkarımcı İstatistik ttitik Tanımlayıcı İstatistik Türleri Çıkarımcı İstatistiğin i iği
İSTATİSTİK E GİRİŞ TEMEL KAVRAMLAR İstatistik Nedir? İstatistiğin Önemi Nedir? Tanımlayıcı ve Çıkarımcı İstatistik ttitik Tanımlayıcı İstatistik Türleri Çıkarımcı İstatistiğin i iği Elemanlarıl AMAÇ İstatistiğe
DetaylıÖrnek...4 : İlk iki sınavında 75 ve 82 alan bir öğrencinin bu dersin ortalamasını 5 yapabilmek için son sınavdan kaç alması gerekmektedir?
İSTATİSTİK Bir sonuç çıkarmak ya da çözüme ulaşabilmek için gözlem, deney, araştırma gibi yöntemlerle toplanan bilgiye veri adı verilir. Örnek...4 : İlk iki sınavında 75 ve 82 alan bir öğrencinin bu dersin
DetaylıYANLILIK. Yanlılık örneklem istatistiği değerlerinin evren parametre değerinden herhangi bir sistematik sapması olarak tanımlanır.
AED 310 İSTATİSTİK YANLILIK Yanlılık örneklem istatistiği değerlerinin evren parametre değerinden herhangi bir sistematik sapması olarak tanımlanır. YANLILIK Yanlı bir araştırma tasarımı uygulandığında,
DetaylıRastgele 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
DetaylıRASGELE 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
DetaylıBÖLÜM 3 KURAMSAL ÇATI VE HİPOTEZ GELİŞ
BÖLÜM 3 KURAMSAL ÇATI VE HİPOTEZ GELİŞ İŞTİRME Araştırma rma SüreciS 1.Gözlem Genel araştırma alanı 3.Sorunun Belirlenmesi Sorun taslağının hazırlanması 4.Kuramsal Çatı Değişkenlerin açıkça saptanması
DetaylıAnkara Üniversitesi, SBF İstatistik 2 Ders Notları Prof. Dr. Onur Özsoy 1
Ankara Üniversitesi, SBF İstatistik 2 Ders Notları Prof. Dr. Onur Özsoy 1 Population Belirli bir konudaki verilerin tamamıdır. Örnek Populasyonun belirli bir kesitidir. Parametre Populasyonla ilgili tanımsal
DetaylıOLASILIK ve KURAMSAL DAĞILIMLAR
OLASILIK ve KURAMSAL DAĞILIMLAR Kuramsal Dağılımlar İstatistiksel çözümlemelerde; değişkenlerimizin dağılma özellikleri, çözümleme yönteminin seçimi ve sonuçlarının yorumlanmasında önemlidir. Dağılma özelliklerine
DetaylıFaktöriyel: 1'den n'ye kadar olan tüm pozitif tamsayıların çarpımına, biçiminde gösterilir. Aynca; 0! = 1 ve 1!=1 1 dir. [Bunlar kabul değildir,
14. Binom ve Poisson olasılık dağılımları Faktöriyeller ve kombinasyonlar Faktöriyel: 1'den n'ye kadar olan tüm pozitif tamsayıların çarpımına, n! denir ve n! = 1.2.3...(n-2).(n-l).n biçiminde gösterilir.
DetaylıMAK 210 SAYISAL ANALİZ
MAK 210 SAYISAL ANALİZ BÖLÜM 6- İSTATİSTİK VE REGRESYON ANALİZİ Doç. Dr. Ali Rıza YILDIZ 1 İSTATİSTİK VE REGRESYON ANALİZİ Bütün noktalardan geçen bir denklem bulmak yerine noktaları temsil eden, yani
Detaylı