AKT202 MATEMATİKSEL İSTATİSTİK II ÖDEV 2 ÇÖZÜMLERİ. için gerekli en küçük örneklem büyüklüğünü Neyman-Pearson teoremi yardımıyla saptayınız.

Benzer belgeler
4/16/2013. Ders 9: Kitle Ortalaması ve Varyansı için Tahmin

İSTATİSTİK DERS NOTLARI

İSTATİSTİKSEL TAHMİN. Prof. Dr. Levent ŞENYAY VIII - 1 İSTATİSTİK II

BİYOİSTATİSTİK İstatistiksel Tahminleme ve Hipotez Testlerine Giriş Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH

İSTATİSTİK 2. Tahmin Teorisi 07/03/2012 AYŞE S. ÇAĞLI.

HİPOTEZ TESTLERİ. İstatistikte hipotez testleri, karar teorisi olarak adlandırılır. Ortaya atılan doğru veya yanlış iddialara hipotez denir.

Bağımsızlık özelliğinden hareketle Ortak olasılık fonksiyonu (sürekli ise

2016 YILI I.DÖNEM AKTÜERLİK SINAVLARI RİSK ANALİZİ VE AKTÜERYAL MODELLEME. aşağıdaki seçeneklerden hangisinde verilmiştir? n exp 1.

ˆp x p p(1 p)/n. Ancak anakütle oranı p bilinmediğinden bu ilişki doğrudan kullanılamaz.

ÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ

Yrd.Doç.Dr.İstem Köymen KESER

İstatistik Ders Notları 2018 Cenap Erdemir BÖLÜM 5 ÖRNEKLME DAĞILIMLARI. 5.1 Giriş

TAHMİNLEYİCİLERİN ÖZELLİKLERİ Sapmasızlık 3.2. Tutarlılık 3.3. Etkinlik minimum varyans 3.4. Aralık tahmini (güven aralığı)

AKTÜERLK SINAVLARI OLASILIK VE STATSTK SINAVI ÖRNEK SORULARI. için. 01 olaslk younluk fonksiyonu aa daki seçeneklerden hangisinde yer.

EME 3117 SİSTEM SIMÜLASYONU. Girdi Analizi Prosedürü. Dağılıma Uyum Testleri. Dağılıma Uyumun Kontrol Edilmesi. Girdi Analizi-II Ders 9

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

İSTATİSTİKSEL HİPOTEZ TESTLERİ (t z testleri)

ANADOLU ÜNİVERSİTESİ. Hipotez Testleri. ENM317 Mühendislik İstatistiği Prof. Dr. Nihal ERGİNEL

AKT201 MATEMATİKSEL İSTATİSTİK I ÖDEV 6 ÇÖZÜMLERİ

Bir Rasgele Değişkenin Fonksiyonunun Olasılık Dağılımı

6. Uygulama. dx < olduğunda ( )

İşlenmemiş veri: Sayılabilen yada ölçülebilen niceliklerin gözlemler sonucu elde edildiği hali ile derlendiği bilgiler.

Hipotez Testleri. Parametrik Testler

: Boş hipotez, sıfır hipotezi : Alternatif hipotez

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

Ki- kare Bağımsızlık Testi

t Dağılımı ve t testi

NİÇİN ÖRNEKLEME YAPILIR?

4/4/2013. Ders 8: Verilerin Düzenlenmesi ve Analizi. Betimsel İstatistik Merkezsel Eğilim Ölçüleri Dağılım Ölçüleri Grafiksel Gösterimler

İSTATİSTİKSEL TAHMİNLEME VE HİPOTEZ TESTİ

x 2$, X nın bir tahminidir. Bu durumda x ile X arasındaki farka bu örnek için örnekleme hatası x nın örnekleme hatasıdır. X = x - (örnekleme hatası)

İstatistiksel Tahminleme. Güven Seviyesi. Verilerin yayılımı ( Örnek hacmi X = X / n Güven seviyesi (1 - )

5. Ders Yeterlilik. f(x 1 ; x 2 ; :::; x n ; ) = g (T (x 1 ; x 2 ; :::; x n ); ) h(x 1 ; x 2 ; :::; x n )

Normal Dağılımlı Bir Yığın a İlişkin İstatistiksel Çıkarım

ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI

ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI

ANADOLU ÜNİVERSİTESİ. ENM 317 Prof. Dr. Nihal ERGİNEL

ÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

Tahmin Edici Elde Etme Yöntemleri

Ders 9: Kitle Ortalaması ve Varyansı için Tahmin

ÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ

ÖRNEKLEME VE ÖRNEKLEME DAĞILIŞLARI

Hipotez Testleri. Mühendislikte İstatistik Yöntemler

f n dµ = lim gerçeklenir. Gösteriniz (Bu teorem Monoton yakınsaklık teoreminde yakınsaklık f n = f ve (f n ) monoton artan dizi

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

SBE 601 ARAŞTIRMA YÖNTEMLERİ, ARAŞTIRMA VE YAYIN ETİĞİ

t Dağılımı ve t testi

İstatistik ve Olasılık

Nokta ve Aralık Tahmini Merkezi Limit Teoremi Örneklem Dağılımı Hipotez Testlerine Giriş

Hipotez Testi ENM 5210 İSTATİSTİK VE YAZILIMLA UYGULAMALARI. Ders 4 Minitab da İstatiksel Çıkarım-I. Hipotez Testi. Hipotez Testi

ANADOLU ÜNİVERSİTESİ. ENM317 Mühendislik İstatistiği İSTATİSTİKSEL TAHMİN Prof. Dr. Nihal ERGİNEL

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

WEIBULL DAĞILIMI WEIBULL DAĞILIMI ANADOLU ÜNİVERSİTESİ

Merkezi Limit Teoremi

OLASILIK ve KURAMSAL DAĞILIMLAR

12. Ders Büyük Sayılar Kanunları. Konuya geçmeden önce DeMoivre-Stirling formülünü ve DeMoivre-Laplace teoremini hatırlayalım. DeMoivre, genel terimi,

GÜVEN ARALIKLARI ve İSTATİSTİKSEL ANLAMLILIK. Ankara Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı

İstatistik ve Olasılık

Örneklemden elde edilen parametreler üzerinden kitle parametreleri tahmin edilmek istenmektedir.

HİPOTEZ TESTLERİ VE GÜVEN ARALIKLARI

Diziler ve Seriler ÜNİTE. Amaçlar. İçindekiler. Yazar Prof.Dr. Vakıf CAFEROV

SÜREKLİ OLASILIK DAĞILIMI

ORTALAMA EŞĐTSĐZLĐKLERĐNE GĐRĐŞ

Parametrik Olmayan İstatistik. Prof. Dr. Cenk ÖZLER

İleri Diferansiyel Denklemler

7. Ders. Bazı Kesikli Olasılık Dağılımları

ARALIK TAHMİNİ (INTERVAL ESTIMATION):

DÖNEM I BİYOİSTATİSTİK, HALK SAĞLIĞI VE RUH SAĞLIĞI DERS KURULU Ders Kurulu Başkanı : Yrd.Doç.Dr. İsmail YILDIZ

İÇİNDEKİLER. Ön Söz Polinomlar II. ve III. Dereceden Denklemler Parabol II. Dereceden Eşitsizlikler...

Burçin Gonca OKATAN YÜKSEK LİSANS TEZİ İSTATİSTİK GAZİ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ AĞUSTOS 2007 ANKARA

ISTATISTIK VE OLASILIK SINAVI EKİM 2016 WEB SORULARI

EME 3117 SİSTEM SİMÜLASYONU. Üçgensel Dağılım. Sürekli Düzgün Dağılım. Sürekli Rassal Değişkenlerin Modellemesinde Kullanılan Dağılımlar

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

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

Tüm formülleri ve işlemlerinizi açıkça gösteriniz.

İSTATİSTİK II. Hipotez Testleri 1

3. Ders Parametre Tahmini Tahmin Edicilerde Aranan Özellikler

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

Analiz II Çalışma Soruları-2

( 1) ( ) işleminde etkisiz eleman e, tersi olmayan eleman t ise te kaçtır? a) 4/3 b) 3/4 c) -3 d) 4 e) Hiçbiri

H 0 : θ = θ 0 Bu sıfır hipotezi şunu ifade eder: Anakütle parametresi θ belirli bir θ 0

OLS Yönteminin Asimptotik (Büyük Örneklem) Özellikleri SIRADAN EN KÜÇÜK KARELER (OLS) Asimptotik Özellikler: Tutarlılık. Asimptotik Özellikler

SÜREKLĠ OLASILIK DAĞILIMLARI

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

Bölüm 5 Olasılık ve Olasılık Dağılışları. Doç.Dr. Suat ŞAHİNLER

İki veri setinin yapısının karşılaştırılması

EME 3105 SİSTEM SİMÜLASYONU. Girdi Analizi Prosedürü. Dağılıma Uyum Testleri. Dağılıma Uyumun Kontrol Edilmesi. Girdi Analizi-II Ders 9

ANADOLU ÜNİVERSİTESİ. ENM 317 MÜHENDİSLİK İSTATİSTİĞİ PARAMETRİK OLMAYAN TESTLER Prof. Dr. Nihal ERGİNEL

6 (saatte 6 müşteri aramaktadır), servis hızı ise. 0.6e

ÖRNEKLEME YÖNTEMLERİ ve ÖRNEKLEM GENİŞLİĞİ

Parametrik Olmayan İstatistik. Prof. Dr. Cenk ÖZLER

ĐŞLE 544 ĐSTATĐSTĐK ARA SINAV 11 Mayıs 2006

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

1. Tabanı 2a büyük eksenli, 2b küçük eksenli elips ile sınırlanan ve büyük eksene dik her kesiti kare olan cismin 16ab 2 hacmini bulunuz.

ISF404 SERMAYE PİYASALARI VE MENKUL KIYMETYÖNETİMİ

{ 1 3 5} { 2 4 6} OLASILIK HESABI

Tahmin teorisinde amaç örneklem (sample) bilgisine dayanarak anakütleye. (population) ilişkin çıkarsamalar yapmaktır. Bu çıkarsamalar örneklem

BİYOİSTATİSTİK. Uygulama 6. Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH

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

Transkript:

AKT0 MATEMATİKSEL İSTATİSTİK II ÖDEV ÇÖZÜMLERİ 1. σ = 4 varyası ile ormal dağılıma sahip bir kitlede büyüklüğüde bir rasgele öreklem seçilsi. H 0 : μ = 14 ve H s : μ = 16 hipotezleri içi 1. tür hata α = 0. 05 tir. β < 0. 05 olması içi gerekli e küçük öreklem büyüklüğüü Neyma-Pearso teoremi yardımıyla saptayıız. N(μ, σ ); H 0 : μ = μ 0, H s : μ = μ s (μ s > μ 0 ) ise X > K ike H 0 ret; K = μ 0 + z α σ 0 β:. tür hata H s doğru, H 0 kabul μ = 16 ve X K; K = 14 + 1.645 P(X K μ = 16) < 0.05 P ( X 14 + 1.645 μ σ 16 ) < 0.05 P(Z + 1.645) < 0.05 + 1.645 < 1.645 > 3.9 > 10.841 = 11. Ayı bilimeye varyasa sahip iki ormal dağılımda çekile 1 = 13 ve = 8 büyüklüğüdeki rasgele iki öreklem içi aşağıdaki değerler verilmiştir: X 1 = 80. 0 ; S 1 = 0. 04 X = 79. 98 ; S = 0. 031 Bua göre μ 1 μ içi 0.95 katsayısıdaki güve aralığıı buluuz. μ 1 μ i 0.95 güve aralığı: [(X 1 X ± t α/;1 + S X 1 X )] S X 1 X = S p 1 1 + 1 ; S p = ( 1 1)S 1 + ( 1)S ( 1 + ) S p = (13 1)(0.04) + (8 1)(0.031) (13 + 8 ) = 0.0007178 S p = 0.0679 μ 1 μ i 0.95 güve aralığı: [(80.0 79.98 ±.093(0.0679) 1 13 + 1 8 )] = (0.04 ± 0.05) = (0.0148; 0.065) 1 / 8

3. N(μ, 56) dağılımlı bir kitlede = 64 birimlik çekile rasgele öreklem içi X = 7 buluuyor. H 0 : μ = 75 ve H s : μ = 65 hipotezi içi 1. tür hata α = 0. 01 olarak verildiğie göre. tür hatayı ve güç değerii buluuz. N(μ, σ ); H 0 : μ = μ 0, H s : μ = μ s (μ s < μ 0 ) ise X < K ike H 0 ret; K = μ 0 z α σ 0 β:. tür hata H s doğru, H 0 kabul μ = 65 ve X K; K = 75.33 16 8 = 70.34 β = P(X K μ = 65) = P ( X μ σ 70.34 65 ) = P(Z.67) = 0.5 0.496 = 0.0038 Güç H s doğru, H 0 ret μ = 65 ve X < K; K = 75.33 16 8 = 70.34 β = P(X < K μ = 65) = P ( X μ σ < 70.34 65 ) = P(Z <.67) = 0.5 + 0.496 = 0.996 / 8

4. Ortalaması ve varyası bilimeye bir kitlede 1 = = 16 büyüklüğüde iki rasgele ve bağımsız öreklem çekilmiştir. Bu öreklemleri stadart sapmaları s 1 = 1. 96 ve s =. 13 olarak elde edilmiştir. Bua göre; a. İlk öreklemi kitle varyası içi % 95 güve katsayısıda güve aralığıı buluuz ve yorumlayıız. b. İki öreklemi kitle varyasları arasıda fark olup olmadığıı % 10 alamlılık düzeyide test ediiz ve yorumlayıız. a) P [ ( 1)S 1 < σ < ( 1)S 1 ] = 1 α χ α ; 1 χ 1 α ; 1 P ( 15(1.96 ) < σ < 15(1.96 ) ) = 0.95; χ χ 0.05;15 χ 0.05;15 = 7.488; χ 0.975;15 = 6.6 0.975;15 P(.096 < σ < 9.0) = 0.95 Kitle varyası 95 % olasılıkla.096 ile 9.0 arasıdadır. b) H 0 : σ 1 = σ ve H s : σ 1 σ F = S 1 S = 1.96.13 = 0.8467 < Fα ; = F 0,05;15;15 =.40 1 1; 1 H 0 hipotezi 90% olasılıkla reddedilemez yai kitle varyasları eşittir. 3 / 8

5. Bir sigorta şirketie bir haftada gele 150 hasarı 45 ii trafik hasarlarıda kayakladığı saptamıştır. p, tazmiat sebebii trafik hasarı olma olasılığıı gösteriyorsa % 95 güve katsayısıyla aşağıdaki hipotezi test ediiz ve yorumlayıız. H 0 : p = 0. 35 H s : p < 0. 35 Büyük öreklemler içi; 0 < p 0 3p 0 (1 p 0 ) < p 0 + 3p 0 (1 p 0 ) < eşitsizliği sağlaırsa z-test istatistiği kullaılır. 0 < 34.58 < 70.0 < 150 sağladığı içi; Z = p p 0 p 0(1 p 0 ) = z α = z 0,05 = 1.645 45 150 0.35 0.35(0.65) 150 = 1.8388 Z < z α olursa H 0 reddedilir. Z = 1.8388 > 1.645 = z α olduğuda H 0 hipotezi 95% olasılıkla reddedilemez yai tazmiat sebebii trafik hasarı olma olasılığıı 0.35 e eşit olduğu 95% olasılıkla söyleebilir. 4 / 8

6. Dahili su hasarlarıı iceleye bir ekspertiz şirketi sigortalılarıı hasarlarıı bildirmede e kadar geciktiklerii araştırmaktadır. Rasgele seçile 7 sigortalıı gerçekleşe hasarlarıı kaç gü sora bildirdiği aşağıdaki gibi saptamıştır. X i :, 4, 11, 3, 4, 6, 8 σ = 4 ise % 99 güve düzeyide kitle ortalaması içi güve aralığı oluşturuuz ve yorumlayıız (Kitlei ormal dağıldığı varsayılmaktadır). 7. Büyük bir toplulukta rasgele seçile 100 kişiye sigara içip içmedikleri sorulduğuda 5 evet cevabı alııyor. Bu toplulukta sigara içilmesi oraı içi %95 lik güve aralığı buluuz. p i α alamlılık düzeyi içi güve aralığı: P [ X X z (1 X ) α < p < X X + z (1 X ) α ] = 1 α X = 5 = 0.5, 1 X = 0.75 ve α = 0.05 içi z 100 0.05 = 1.96 olduğuda p i 0.95 güve aralığı: 0.5 1.96 0.5(0.75) 100 0.1651 < p < 0.3349 < p 0.5 + 1.96 0.5(0.75) 100 Yorum: Sigara içeleri gerçek oraı 95 % olasılıkla 0.1651 ile 0.3349 arasıdadır. 5 / 8

8. Belli bir kuş türüü rasgele 10 taesii gaga uzuluğu ölçülüyor. Ortalamasıı 5.68 cm, stadart sapmasıı 0.9 cm olduğu görülüyor. Populasyou ormal dağıldığı kabul edilerek bu tür kuşları ortalama gaga uzuluğu içi %95 lik güve aralığıı buluuz. = 10 < 30 olduğuda t dağılımı kullaılmalıdır. μ i 0.95 güve aralığı: [(X ± tα )] X = 5.68, S = 0.9 ve α = 0.05 içi t 0.05;9 =.6 olduğuda μ i 0.95 güve aralığı: ; 1 S 5.68.6 0.9 0.9 μ 5.68.6 10 10 5.476 μ 5.8874 Yorum: Kitle ortalaması 95 % olasılıkla 5.476 ile 5.8874 arasıdadır. 6 / 8

9. X 1, X,, X ; aşağıdaki olasılık yoğuluk foksiyoua sahip θ parametreli bir kitlede çekilmiş büyüklüğüde bir rasgele öreklem olsu. 1 f(x, θ) = { 1 θ, θ < x < 1 0, d. y. a. Z = X (1) 1 θ 1 i θ içi bir pivot olduğuu gösteriiz. b. Elde ettiğiiz pivot yardımı ile θ içi 1 α katsayılı bir güve aralığı elde ediiz (α = 0. 10). (i) Z, X i ve θ ı bir foksiyou ve (ii) Z i dağılımı θ da bağımsız ise Z, θ ı pivotudur. a) F(x, θ) = 1 x 0 dθ 1 θ = x θ ; θ < x < 1 1 θ g(x (1) ) = (1 x 1 (1) θ 1 θ ) 1 1 θ = (1 θ) (1 x (1)) 1 ; 0 < x (1) < 1 z = x (1) 1 (z(θ 1) + 1) = θ 1 h(z) = θ 1 x (1) = z(θ 1) + 1 d dz (1 θ) (1 z(θ 1) 1) 1 θ 1 = (1 θ) (z(1 θ)) 1 θ 1 0 f(x, θ) = 1 1 1 θ 1 θ 1 1 θ 1 = 1 θ 1 θ h(z) = (1 θ) z 1 (1 θ) 1 (1 θ) = z 1 ; 0 < z < 1 Z i oyf h(z); θ da bağımsız olduğu içi Z = X (1) 1 θ 1 b) P (q 1 < X (1) 1 < q θ 1 ) = 0.90 P(q 1 < Z < q ) = P(Z q ) 0.95 q P(Z q ) = z 1 dz 0 q 1 P(Z q 1 ) = z 1 dz P ( 0.05 0 = 0.95 q = 0.95 = 0.05 q 1 = 0.05 < X (1) 1 θ 1 < 0.95 ) = 0.90 P (1 + X (1) 1 < θ < 1 + X (1) 1 ) = 0.90 0.05 0.95 i θ içi bir pivottur. P(Z q 1 ) 0.05 = 0.90 7 / 8

10. H 0 : μ = 60 hipotezii H 1 : μ 60 karşıtıa göre 0.07 alamlılık düzeyide test etmek içi σ = 8 ola ormal dağılımda = 36 büyüklüğüde öreklem alımıştır. Karar kuralı: Y, (60 c, 60 + c) bölgesii dışıa düşerse H 0 hipotezi reddedilecektir olarak belirlemiş olsu. Bu bilgilerde yararlaarak, a. c i değerii buluuz. b. μ = 6 ike testi güç değerii hesaplayıız. a) 1 α = 0.10 = P(H 0 doğru, H 0 kabul) 0.93 = P(60 c Y 60 + c μ = 60) 60 c 60 60 + c 60 0.93 = P ( Z ) 0.93 = P( 0.75c Z 0.75c) 8/6 8/6 0.75c = 1.81 c.41 60 c Y 60 + c 57.59 Y 6.41 ise H 0 reddedilemez. b) 1 β = 0.95 = P(H 1 doğru, H 0 ret) = P(Y 6.41 μ = 6) + P(Y 57.59 μ = 6) 6.41 6 57.59 6 = P (Z ) + P (Z ) 8/6 8/6 = P(Z 0.3075) + P(Z 3.3075) = 0.5 0.117 + 0 = 0.3783 İYİ ÇALIŞMALAR 8 / 8