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



Benzer belgeler
MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

Tablo (2): Atıştırma Sayısı ve Günlük Sınav Sayısı Atıştırma Sınav Sayısı (X)

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

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

PARAMETRİK OLMAYAN İSTATİSTİKSEL TEKNİKLER

Ders 4: Rastgele Değişkenler ve Dağılımları

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

Tesadüfi Değişken. w ( )

İstatistik 1. Bölüm 5 Olasılık Teorisi ve Kesikli Olasılık Dağılımları. Ankara Üniversitesi SBF, GYY

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

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

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

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

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

İstatistik ve Olasılık

Olasılık bir diğer ifadeyle bir olayın meydana gelme şansının sayısal ifadesidir. Örnekler:

SÜREKLİ RASSAL DEĞİŞKENLER

Dr. Mehmet AKSARAYLI

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

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

İleri Diferansiyel Denklemler

rasgele değişkeninin olasılık yoğunluk fonksiyonu,

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

1-2 - * Bu Ders Notları tam olarak emin olmamakla birlikte yıllarına aiitir.tekrardan Sn.Hakan Paçal'a çoook tsk ederiz...

BAYES ÖĞRENMESİ BİLECİK ÜNİVERSİTESİ. Araş. Gör. Nesibe YALÇIN. Yapay Zeka-Bayes Öğrenme

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

ALIŞTIRMALAR. Sayısal Bilginin Özetlenmesi:

İSTATİSTİK. Hafta 7.2 Kesikli Olasılık Dağılımları Poisson Dağılımı. Yrd. Doç. Dr. H. İbrahim CEBECİ

2016 YILI AKTÜERLİK SINAVLARI: İSTATİSTİK OLASILIK

Kesikli ġans DeğiĢkenleri Ġçin; Olasılık Dağılımları Beklenen Değer ve Varyans Olasılık Hesaplamaları

Kosullu Olasılık & Bayes Teoremi

Örnek 1: 2 x = 3 x = log 2 3. Örnek 2: 3 2x 1 = 2 2x 1 = log 3 2. Örnek 3: 4 x 1 = 7 x 1 = log 4 7. Örnek 4: 2 x = 3 2 x 2 = 3

GAZİ ÜNİVERSİTESİ, İ.İ.B.F, İSTATİSTİK VE OLASILIĞA GİRİŞ I, UYGULAMA SORULARI. Prof. Dr. Nezir KÖSE

SINAV İLE İLGİLİ AÇIKLAMA

BİLİŞİM TEKNOLOJİLERİ İÇİN İŞLETME İSTATİSTİĞİ

İleri Diferansiyel Denklemler

Matematik Ders Notları. Doç. Dr. Murat Donduran

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

İleri Diferansiyel Denklemler

İleri Diferansiyel Denklemler

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

1) Toplam gelir fonksiyonu olarak verildiğine göre marjinal gelir fonksiyonu MG aşağıdakilerden hangisidir? A) ** B) C) D) E)

MAT 101, MATEMATİK I, ARA SINAV 13 KASIM (10+10 p.) 2. (10+10 p.) 3. ( p.) 4. (6x5 p.) TOPLAM

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

Olasılık teorisi, matematiğin belirsizlik taşıyan olaylarla ilgilenen bir dalıdır. Bu bilim dalı rasgele değişkenleri inceler.

ĐŞLE 544 ĐSTATĐSTĐK ARA SINAV 11 Mayıs 2006

EME Sistem Simülasyonu. Giriş. Olasılık Dağılımı. Rassal Degiskenler

ĐST 474 Bayesci Đstatistik

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

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

kişi biri 4 kişilik, üçü ikişer kişilik 4 takıma kaç farklı şekilde ayrılabilir? (3150)

Dr. Mehmet AKSARAYLI OLASILIK. Ders 3 / 1

Ders 4: Olasılık Aksiyomları ve Bazı Olasılık Kuralları

2. (x 1 + x 2 + x 3 + x 4 + x 5 ) 10 ifadesinin açılımında kaç terim vardır?

Math 103 Lineer Cebir Dersi Final Sınavı

STOKİYOMETRİ: SABİT ORANLAR YASASI


İSTANBUL ATATÜRK FEN LİSESİ MATEMATİK YARIŞMASI /03/ :00 12:00

Ders 3: Olasılık Aksiyomları ve Bazı Olasılık Kuralları

DENEY 1 - SABİT HIZLA DÜZGÜN DOĞRUSAL HAREKET

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

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

MIT Açık Ders Malzemeleri Bu materyallerden alıntı yapmak veya Kullanım Koşulları hakkında bilgi almak için

Final Sınavı. Güz 2005

FINANS TEORISI WEB EKIM 2017

Olasılık bir olayın meydana gelme şansının sayısal ifadesidir. Örnekler:

SIMÜLASYON DERS SORUMLUSU: DOÇ. DR. SAADETTIN ERHAN KESEN. Ders No:5 Rassal Değişken Üretimi

A (B C) = {4, 5, 6} {2, 3, 4, 6, 7} = {4, 6} ; ve (A B) (A C) = {4, 6} {6} = {4, 6}. 6. Dağıtıcı yasayı Venn şeması yoluyla doğrulayınız.

BASIN KİTAPÇIĞI ÖSYM

HARİTA TEKNİKERİ TANIM

GÜZ DÖNEMİ ARASINAV SORULARI. 1. Sayısal çözümleme ve fonksiyonu tanımlayarak kullanıldığı alanları kısaca açıklayınız?

ÖZEL EGE LİSESİ EGE BÖLGESİ OKULLAR ARASI 16. MATEMATİK YARIŞMASI 9.SINIF ELEME SINAVI TEST SORULARI

İSTATİSTİK 2. Hipotez Testi 21/03/2012 AYŞE S. ÇAĞLI.

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

2. REGRESYON ANALİZİNİN TEMEL KAVRAMLARI Tanım

Üstel ve Logaritmik Fonksiyonlar

Kuyruk Teorisi Ders Notları: Bazı Kuyruk Modelleri

Örnek. Aşağıdaki veri setlerindeki X ve Y veri çiftlerini kullanarak herbir durumda X=1,5 için Y nin hangi değerleri alacağını hesaplayınız.

THE ENGLISH SCHOOL GİRİŞ SINAVI Süre: 1 saat ve 30 dakika

EVREN, ÖRNEK, TEMSİLİYET. Prof. Mustafa Necmi İlhan

İleri Diferansiyel Denklemler

Transkript:

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.

14.30 Sınav I Bahar 2009 Açıklamalar: Bu, kitapların ve notların kapalı olduğu bir sınav olacaktır. Hesap makinası kullanabilirsiniz. Lütfen önce sınavı baştan sona okuyarak anlaşılmayan yerleri sorunuz ve sorulara harcayacağınız zamanı ayarlayınız. Hesaplama hatalarının yapılması durumunda kısmı puan almak için lütfen yaptığınız bütün işlemleri gösteriniz. Sınavı bitirmek için aşağı yukarı 85 dakikanız var. İyi şanslar. 1 (20 Puan) Kısa sorular, Doğru, yanlış, belirsiz? her zaman kısa bir açıklama yapınız ya da basit bir karşı örnek geliştiriniz. (a) Eğer X ve Y bağımsız ise, o zaman rasgele X ve Y değişkenlerin bileşik dağılımı f XY (x,y) nin desteği dikdörtgendir. (b) Sürekli bir p.d.f hiçbir zaman 1 den büyük bir değer alamaz. (c) Aşağıdaki fonksiyon bir rasgele değişkenin c.d.f. sidir: (d) (c) deki fonksiyon bir kesikli rasgele değişkenin c.d.f.sidir. 2. (15 Puan) İki havayolu şirketi, Sun Express v Commuter Jet, ABD nin dört büyük havaalanında hizmet vermektedirler. Bu havayollarının her birisinin güvenirliliği ile ilgileniyoruz ve elimizde aşağıdaki her bir şehirden rötarlı uçuşun (20 dakika veya daha fazla) olasılıklarının verisi var.

(a) bu sayılar verili iken, ve diğer her şey sabit iken, hangi şirket daha iyi bir kayda sahiptir? Bir web sitesi bütün havayolları için zamanda kalkış oranlarını rapor eder. Bu oranlar rasgele seçilen bir uçuş için bir eksi rötar olasılığı olarak tanımlanır. Bu dört şehrin herhangi birinden yapılan her bir uçuş eşit olasılıkla seçilebilir. (b) Her iki havayolu şirketi için zamanında kalkış oranını hesaplamak için toplam olasılık kanununu kullanınız. Sonuçlarınıza göre, eğer sadece web sitesindeki bilgiye kullansaydınız, hangi hava yolu şirketini tercih ederdiniz? (c) (a) daki cevabınızla (b) dekini nasıl bağdaştırırsınız? Koşullu ve koşullu olmayan olasılık açısından ilişkiyi tartışınız. Sınıftaki örnek ile paralellikler kurmakta serbestsiniz. 3. (15 Puan) (a) Varsayalım ki aşağıdaki gibi bir fonksiyonumuz, f XY (x,y) nin iki rasgele değişken olan X ve Y nin uygun bir bileşik p.d.f si olabilmesi için c ne olmak zorundadır? c nin gerçek değerinin verildiği varsayımı altında, X ve Y bağımsız mı? (b) Şimdi problemi çok az değiştirelim: varsayalım ki (x, y) planında g XY (x,y) nin desteğini çiziniz (yani fonksiyonun kesin pozitif olduğu alanda). g XY (x,y) nin bir p.d.f olabilmesi için şimdi b ne olmak zorundadır? X ile Y hala bağımsız mı? Niye veya Niye değil? 4. ( 30 puan) 1890 nın Alaska Altına Hücumu sırasında bir madencisiniz. Ormanda bir dere boyunca bir arazi parçasını gözlemliyorsunuz ve orada altın bulma ihtimalinizin olup olmadığını belirlemek istiyorsunuz. Kasabaya koşup arazinin kullanmana izin veren resmi kaydı

yaptırmak pahalıya mal olacaktır, bu nedenle en azında %60 olasılıkla yer altında altın bulacağınızdan emin olmak istiyorsunuz. G incelediğiniz belli arazi parçasında altın bulunma olayı olsun, ve varsayalım ki elinizde daha fazla bilgi olmadan, altın bulma olasılığı P(G) = 0.1 dır. Vahşi doğada geçen yıllardan sonra, bakılması gereken önemli işaretler olduğunu öğrendiniz: Eğer altın varsa, toprağın altındaki taşlar normalden daha siyahtır, çalıların kökleri daha kısadır, o yerde bulduğunuz Amerikan üzümü(turna yemişi) daha tatlıdır ve karşılaştığınız ilk Amerikan geyiği kuyruğunu sağa doğru sallar. Eğer altın yoksa, bu işaretlerden herhangi birini yine de belli bir olasılıkla gözlemleyebilirsiniz, yani spesifik olmak gerekirse: Altının olup olmamasından ayrı olarak, kanıt işaretleri birbirinden bağımsızdır. Açık olmak gerekirse, eğer yukarıdaki işaretlerden ikisinin tutmadığını gözlemlerseniz, arazide kesin olarak altın yoktur ve başka yere gitmeniz gerekir. Ancak vahşi bir rekabet vardır: diğer madencilerde aynı bölgeyi araştırmaktadırlar ve arazi tapu dairesine ilk gelen ve harcını ödeyene verilir. Dolaysıyla vereceğiniz kararı mümkün olan en az kanıta dayandırmak zorundasınız, ve altın olduğundan yeterli düzeyde emin olunca da çok hızlı bir şekilde tapu dairesine gitmelisiniz, yani P(G B) 0.6 olur olmaz, (a) Bayes kanunu belirtiniz. P(G B) için P(G) ve L = oranına bağlı bir formül geliştiriniz. L de P(G B) artıyor mu, azalıyor mu? (b) Tabloda listelenmiş her bir farklı işaret için L yi hesaplayınız. Bağımsızlık varsayımı altında, işaretlerin karışımı için L oranını nasıl hesaplarsınız? Yani B = siyah taşlar ve kısa kökler gibi. (c) L değerleri veri iken, hangi sırayla farklı işaretleri kontrol etmelisiniz? Eğer arazide altın varsa, P(G B) 0.6 dan önce en az kaç işareti kontrol etmek zorundasınız? Şimdi ileriye sararak 2009 yılına gelelim, kuzey Kanada da altın arayan çokuluslu bir maden şirketinde baş maden arayıcısı olduğunuz varsayalım. N farklı noktada sondalama yapabilirsiniz ve laboratuvarda toprak numunelerini analiz ettirebilirsiniz. Verili bir numunede, altın varsa kimyasal bir analiz p olasılıkla pozitif sonuç vermektedir.

Eğer altın yoksa, pozitif bir sonucun olasılığı 1-p dir. Test N örnek arasında bağımsızdır. B = N örnekten x tanesi pozitif sonuç verdi olayı tanımlı olsun. (d) N ve x e bağlı olarak, P(B G) olasılığı nedir? L(N, x) = oranını nedir? (e) Varsayalım ki p = 0.8, ve 12 örnekten 4 ünde pozitif test sonucu elde ettik. L(14, 4) nedir? (a) daki cevabınıza göre olay sonrası (posterior) P(G B) nedir? (f) Varsayalım ki x örnek için pozitif ve x + 4 için negatif test sonucu elde ettik (yani toplam örneklem sayısı 2x + 4 tür). Cevabınız (e) dekinden nasıl farklılık gösterirdi? 5. (10 Puan) izleyen ifade doğru, yanlış, belirsiz mi?: Eğer P(A B) > P(A) ve P(A C) > P(A) ise, o zaman P(A BC) > P(A). Her bir 4 sonucun olasılığını belirten ve A, B, ve C olaylarını tanımlayan S = {s 1, s 2, s 3, s 4 } uzayını kullanarak basit bir sayısal karşı örnek geliştiriniz.