İSTATİSTİK. Doç. Dr. Suat ŞAHİNLER Arş.Gör. Özkan GÖRGÜLÜ



Benzer belgeler
Regresyon ve Korelasyon Analizi. Regresyon Analizi

BEKLENEN DEĞER VE VARYANS

ÖRNEKLEME YÖNTEMLERİ ve ÖRNEKLEM GENİŞLİĞİ

İki veri setinin yapısının karşılaştırılması

Tahmin Edicilerin ve Test Đstatistiklerinin Simülasyon ile Karşılaştırılması

Tanımlayıcı İstatistikler (Descriptive Statistics) Dr. Musa KILIÇ

YER ÖLÇÜLERİ. Yer ölçüleri, verilerin merkezini veya yığılma noktasını belirleyen istatistiklerdir.

ÖLÇÜM, ÖLÇÜM HATALARI ve ANLAMLI RAKAMLAR

Tanımlayıcı İstatistikler

= k. Aritmetik Ortalama. Tanımlayıcı İstatistikler TANIMLAYICI İSTATİSTİKLER. Sınıflanmış Seriler İçin Aritmetik Ortalama

MERKEZİ EĞİLİM ÖLÇÜLERİ

Değişkenler Arasındaki İlişkiler Regresyon ve Korelasyon. Dr. Musa KILIÇ

Bir KANUN ve Bir TEOREM. Büyük Sayılar Kanunu

TABAKALI ŞANS ÖRNEKLEME

Giriş. Değişkenlik Ölçüleri İSTATİSTİK I. Ders 5 Değişkenlik ve Asimetri Ölçüleri. Değişkenlik. X i ve Y i aşağıdaki gibi iki seri verilmiş olsun:

ĐÇI DEKILER 1. TEMEL ĐSTATĐSTĐK KAVRAMLAR VE OTASYO LAR 1

Đst201 Đstatistik Teorisi I

BÖLÜM 3 YER ÖLÇÜLERİ. Doç.Dr. Suat ŞAHİNLER

Quality Planning and Control

TOBB Ekonomi ve Teknoloji Üniversitesi İKT351 Ekonometri I, Ara Sınavı

KONTROL KARTLARI 1)DEĞİŞKENLER İÇİN KONTROL KARTLARI

YILLIK ÜCRETLİ İZİN YÖNETMELİĞİ ( tarihli ve sayılı Resmi Gazete'de yayımlanmıştır.) BİRİNCİ BÖLÜM Amaç, Kapsam ve Dayanak

Mühendislikte Olasılık, İstatistik, Risk ve Güvenilirlik Altay Gündüz. Mühendisler için İstatistik Prof. Dr. Mehmetçik Bayazıt, Prof. Dr.

TALEP TAHMİNLERİ. Y.Doç.Dr. Alpagut YAVUZ

BÖLÜM 5 İKİ VEYA DAHA YÜKSEK BOYUTLU RASGELE DEĞİŞKENLER İki Boyutlu Rasgele Değişkenler

çözüm: 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.

Tanımlayıcı İstatistikler

HĐPERSTATĐK SĐSTEMLER

Tanımlayıcı İstatistikler

= İÇİNDEKİLER. E(X) = k Pascal (Negatif Binom) Dağılımı Hipergeometrik Dağılım N y=

1. GAZLARIN DAVRANI I

5.1 Olasılık Tarihi Temel Olasılık Kavramları

DEĞİŞİM ÖLÇÜLERİ 4. TAŞINMAZ GELİŞTİRME TEZSİZ YÜKSEK LİSANS PROGRAMI. Ünite: 4 DEĞİŞİM ÖLÇÜLERİ. Doç. Dr. Yüksel TERZİ İÇİNDEKİLER İÇİNDEKİLER

NİÇİN ÖRNEKLEME YAPILIR?

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

T.C. RECEP TAYYİP ERDOĞAN ÜNİVERSİTESİ İKTİSADİ VE İDARİ BİLİMLER FAKÜLTESİ İŞLETME BÖLÜMÜ SAYISAL YÖNTEMLER ANABİLİM DALI DERS NOTLARI

Doç. Dr. Mehmet AKSARAYLI

Kİ KARE ANALİZİ. Doç. Dr. Mehmet AKSARAYLI Ki-Kare Analizleri

Tanımlayıcı İstatistikler

Kİ-KARE TESTLERİ. şeklinde karesi alındığında, Z i. değerlerinin dağılımı ki-kare dağılımına dönüşür.

değerine bu matrisin bir girdisi(elemanı,bileşeni) denir. Bir sütundan (satırdan) oluşan bir matrise bir sütun (satır) matrisi denir.

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

Kİ-KARE TESTLERİ A) Kİ-KARE DAĞILIMI VE ÖZELLİKLERİ

Tahmin Edici Elde Etme Yöntemleri

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

ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI

ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI

Sayısal Türev Sayısal İntegrasyon İnterpolasyon Ekstrapolasyon. Bölüm Üç

İstatistik ve Olasılık

dir. Bir başka deyişle bir olayın olasılığı, uygun sonuçların sayısının örnek uzaydaki tüm sonuçların sayısına oranıdır.

İşletme İstatistiği. [Type the document subtitle] Ege Yazgan ve Yüce Zerey 10/21/2003

9. Ders. Đstatistikte Monte Carlo Çalışmaları

Korelasyon ve Regresyon

PARAMETRİK OLMAYAN HİPOTEZ TESTLERİ Kİ-KARE TESTLERİ

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

FİNANSAL YÖNETİM. Finansal Yönetim Örnek Sorular Güz Yrd. Doç. Dr. Rüstem Barış Yeşilay 1. Örnek. Örnek. Örnek. Örnek. Örnek

Tanımlayıcı İstatistikler

5.1 Olasılık Tarihi Temel Olasılık Kavramları

KUVVET SİSTEMLERİ KUVVET. Vektörel büyüklük. - Kuvvetin büyüklüğü - Kuvvetin doğrultusu - Kuvvetin uygulama noktası - Kuvvetin yönü. Serbest vektör.

III.4. YÜKSEK MERTEBE TAYLOR METODLARI. ( t)

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

İstatistik Nedir? Sistem-Model Kavramı

Tümevarım_toplam_Çarpım_Dizi_Seri. n c = nc i= 1 n ca i. k 1. i= r n. Σ sembolü ile bilinmesi gerekli bazı formüller : 1) k =

YÖNEYLEM ARAŞTIRMASI III. Dinamik Programlama. Örnek 3: Tıbbi Müdahale Ekiplerinin Ülkelere Dağıtımı

Polinom İnterpolasyonu

Sıklık Tabloları ve Tek Değişkenli Grafikler

İstatistik ve Olasılık

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

Bağıl Değerlendirme Sisteminin Simülasyon Yöntemi ile Test Edilmesi: Kilis 7 Aralık Üniversitesi Örneği

6. Uygulama. dx < olduğunda ( )

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

Açık Artırma Teorisi Üzerine Bir Çalışma

İSTATİSTİK DERS NOTLARI

Parametrik Olmayan İstatistik Çözümlü Sorular - 2

Doğrusal Korelasyon ve Regresyon

Olasılık, Rastgele Değişkenler ve İstatistik

Tek Yönlü Varyans Analizi (ANOVA)

TÜMEVARIM. kavrayabilmek için sonsuz domino örneği iyi bir modeldir. ( ) domino taşını devirmek gibidir. P ( k ) Önermesinin doğru olması halinde ( 1)

BÖLÜM 2 OLASILIK TEORİSİ

Sürekli Olasılık Dağılım (Birikimli- Kümülatif)Fonksiyonu. Yrd. Doç. Dr. Tijen ÖVER ÖZÇELİK

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

Zaman Skalasında Box-Cox Regresyon Yöntemi

Matematik olarak normal dağılım fonksiyonu. 1 exp X 2

ASAL ÇARPANLARINA AYIRMA ÇÖZÜMLÜ SORULAR

Operasyonel Risk İleri Ölçüm Modelleri

TÜRKİYE ŞEKERPANCARI ÜRETİMİNDE FAKTÖR TALEP ANALİZİ ( ) (TRANSLOG MALİYET FONKSİYONU UYGULAMASI) Yaşar AKÇAY 1 Kemal ESENGÜN 2

Önceki bölümde özetlenen Taylor metodlarında yerel kesme hata mertebesinin yüksek oluşu istenilen bir özelliktir. Diğer taraftan

denklemini sağlayan tüm x kompleks sayılarını bulunuz. denklemini x = 64 = 2 i şeklinde yazabiliriz. Bu son kompleks sayıları için x = 2iy

SOYUT CEBİR VE SAYILAR TEORİSİ

AMORTİSMAN MALİYETİ SAPTAMA YÖNTEMLERİ

Merkezi Eğilim (Yer) Ölçüleri

(DERS NOTLARI) Hazırlayan: Prof.Dr. Orhan ÇAKIR. Ankara Üniversitesi, Fen Fakültesi, Fizik Bölümü

OLASILIĞA GİRİŞ. Biyoistatistik (Ders 7: Olasılık) OLASILIK, TIP ve GÜNLÜK YAŞAMDA KULLANIMI

Asimetri ve Basıklık Ölçüleri Ortalamalara dayanan (Pearson) Kartillere dayanan (Bowley) Momentlere dayanan asimetri ve basıklık ölçüleri

Dr. AKIN PALA. Damızlık Değeri, genotipik değer, allel frekansları. Damızlık değeri hesabı. Damızlık değeri hesabı. Damızlık değeri hesabı

ÜNİTE. İSTATİSTİĞE GİRİŞ Doç.Dr.Suphi Özçomak İÇİNDEKİLER HEDEFLER TEMEL KAVRAMLAR

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

REGRESYON DENKLEMİNİN HESAPLANMASI Basit Doğrusal Regresyon Basit doğrusal regresyon modeli: .. + n gözlem için matris gösterimi,. olarak verilir.

Örnek A. Benzer tipteki 40 güç kaynağının dayanma süreleri aşağıdaki gibidir. Genişletilmiş frekans tablosu oluşturunuz;

Transkript:

İSTATİSTİK Doç. Dr. Suat ŞAHİNLER Arş.Gör. Özka GÖRGÜLÜ

Tavsye Edle Kayak Ktaplar Her öğrec keds tuttuğu düzel otlar.. Akar, M. ve S. Şahler, (997). İstatstk. Ç.Ü. Zraat Fakültes Geel Yayı No: 74, Ders Ktapları Yayı No: 7, ADANA.. İkz, F., H. Püskülcü, ve Ş. Ere, (996). İstatstğe Grş. E.Ü. Basımev, İZMİR. 3. Serper, Ö., (000). Uygulamalı İstatstk. Ezg Ktabev,, BURSA. Doç.Dr. Suat ŞAHİNLER

Bölüm TEMEL KAVRAMLAR Doç.Dr. Suat ŞAHİNLER 3

İstatstk,, değşk alamlarda kullaıla ve farklı taımları ola br kavramdır. Taım: : Belrl koularda toplaa sayısal değerler le ler sürüle br takım şekl, grafk ve tablolardır. Örek: Br ülkede br yılda meydaa gele ölüm sayısı, kaza sayısı, lkokula başlaya ve mezu ola öğrec sayısı, Türkye de yıllar tbar le tarım ve saay kesmde çalışaları sayısı, okuma yazma oraı le hracat ve thalattak durumu göstere br takım şekl ve grafkler Doç.Dr. Suat ŞAHİNLER 4

Taım: Temel matematkte ala blm dalıa verle addır. Bu yöde ele alıdığıda statstk, poztf blm esası ola deey veya deemeler plalama, gözlem yapma, verler toplama ve toplaa verler düzeleme, aalz etme, yorumlama, objektf ve doğru kararı verme le lgl blmsel tekk ve metotlar gelştre ve uygulaya br blm dalıdır. Gelştrle br statstk tekk ve yötem, zraatte olduğu kadar ekoom, tıp, eğtm veya byolojde de uygulaablr. Bu edele tüm araştırıcı veya blm adamları statstk tekk ve yötemler e azıda yakıda taımak ve belrl ölçüde blmek zorudadır. Doç.Dr. Suat ŞAHİNLER 5

Taım3: Şasa bağlı olarak elde edle ve öreklerde hesaplaa değerler geel adıdır. Dğer br fadeyle, br değer örekte hesaplaıyorsa bu değere statstk der. Doç.Dr. Suat ŞAHİNLER 6

İstatstkte Kullaıla Temel Kavramlar BİRİM(Üte):Br Br topluluğu oluştura ve celemeye kou ola obje yada breye brm der. Nüfus olayıda brm kş, devlette çalışalarda memur veya şç,, br tarla deemesde ya parsel ya da br tek btk keds, hastae olayıda hasta ve üversıte olayıda se ya öğretm elamaı yada öğrecdr. KARAKTER(Vasıf):Brm çeştl özellkler karakter olarak taımlaablr. Öreğ, üfus olayıda kş csyet, yaşı, boyu, öğrem durumu d vb., tarımda buğdayı çeşd, başaktak dae sayısı, dekara verm, btk boyu, yaprak geşlğ brer karakterdrler. İstatstk açıda tüm karakterler geel olarak kye ayrılır, bular; a)kaltatf (tel) karakterler b)kattatf (cel) karakterler Doç.Dr. Suat ŞAHİNLER 7

POPULASYON(yığı, ktle):bell karakterler ortak ola brmler oluşturduğu topluluğa populasyo der. Öreğ: hayva populasyou,, btk populasyou,, öğrec populasyou Populasyou oluştura brmler sayısı populasyo geşlğ olarak blr (N) ve araştırıcıı amacıa bağlı olarak küçüleblr veya büyüyeblr. Populasyoda üzerde çalışıla karakter veya karakterler bakımıda tüm obje veya breyler teker teker celemek çoğu zama mümkü değldr. Populasyodak breyler tümüü celemes sıırlaya faktörler; Zama, Malyet, İşçlk, Yasalar Buda dolayı, populasyou tümüü üzerde çalışılması yere oda bell yötemlerle alıa örek veya örekler üzerde çalışılır. Doç.Dr. Suat ŞAHİNLER 8

PARAMETRE:Populasyou Populasyou özellkler taımlaya değerlere parametre der. Populasyou özellkler belrte parametrelerde e öemller populasyou ortalaması (μ)( ve populasyou varyası (σ ) dır. ÖRNEK:İceleme kousu ola populasyoda br örekleme yötemyle populasyou temsl edeblecek büyüklükte alıa daha az sayıda brmler oluşturduğu topluluğa örek adı verlr. Ayrıca örek, araştırıcıı çalıştığı kou le lgl olarak deey veya gözlemler soucuda elde ettğ gözlemler topluluğudur şeklde de taımlaablr. Öreğ; br koyu sürüsüde rastgele alıa 50 koyu, br portakal bahçesde rastgele seçle 5 portakal ağacı brer örektrler. İSTATİSTİK:Öreğ özellkler taımlaya değerlere statstk adı verlr. Dğer br fadeyle, örekte hesaplaa değerlere statstk der. E öeml İstatstkler örek ortalaması( ) ve örek varyasıdır (S ). İstatstkler parametreler brer tahm değerdrler. Ya, μ ü, S se σ tahm değerdrler. Doç.Dr. Suat ŞAHİNLER 9

ÖRNEKLEME:Herhag br populasyoda öreğ seçmek ç uygulaa yötemler topluluğuma örekleme der. Populasyou temsl etmek amacıyla yapıla çeştl örekleme şekller vardır. Bularda e çok kullaıla ve e bast şas öreklemes veya tesadüf öreklemedr. Şas öreklemes esası, populasyou oluştura tüm brmler öreğe grme şaslarıı eşt tutulmasıdır. Populasyoda örek alırke dkkat etmes gereke hususlar. Temel Kavramlar a) Brm sayısıı geş tutmak : Brm sayısı e kadar geş tutulursa ulursa veya örektek brm sayısı () populasyodak brm sayısı (N) e kadar yaklaşırsa, öreklerde hesaplaa statstkler populasyo parametlere o kadar yaklaşmış olur.başka br deyşle statstkler güvelrlğ o orada artar.fakat buu para, zama ve elema darlığı gb etkeler sıırlar. b) Materyal ve araştırmaı kousu hakkıdablg sahb olmak: Araştırıcı üzerde çalıştığı kou hakkıda tam br blgye sahp olmalıdır.aks taktrde,uygulayacağı statstk yötem yalış belrleyeblr. c)brmler öreğe grmes rastgele yapmak: Araştırıcıı öreğ seçerke tamamıyla objektf ve yasız olablmes acak öreğ seçm rastgele yapmasıyla mümküdür. Doç.Dr. Suat ŞAHİNLER 0

Buraya kadar alatılalar Şekl. de özetlemştr. Temel Kavramlar Populasyo N Örekleme Örek (μ,σ ) (, S ) Yorumlama İstatstkler Parametreler Doç.Dr. Suat ŞAHİNLER

Değşke: Tekrarlaa br olayda her defasıda farklı değerler alable sembollere değşke der. Matematkte Değşke; deklem ve eştszlklerde bell koşulları sağlaya sayı ve olaylar lar topluluğuu göstere sembollerdr. Değşkeler geellkle alfabe X,Y,V,W,Z gb so harfleryle gösterlr.değşke aldığı değerler se o değşke küçük harf le sembolze edlrler.öreğ, X{,, 3,..., } Y{y,y,y 3,...,y } Z{z,z,z 3...,z } W{w,w,w 3...,w } Br değşke k tp değer alablr; Teork (mümkü) Değer: : Değşke alableceğ değerler tümüe mümkü değer der. X Not se X{0,,,,00},00} Gözlee Değer: : Değşke deeme, deey veya gözlem souda almış olduğu değerlere der. X 5 öğrec rec otu se X{77,65,44,99,5} Doç.Dr. Suat ŞAHİNLER

Ver Tpler: Değşke aldığı değerler br ölçü brmyle fade edlmş ola hale ver der ve gözlemde gözleme farklılık gösterr. Esas olarak statstkç veya araştırıcı şas değşkeler üzerde çalışır. ç Araştırıcı herşeyde öce üzerde çalıştığı şas değşke tp blmek zorudadır. Çükü uygulaacak statstk yötem değşke tpe göre farklılık gösterr. Geel olarak k tp şas değşke vardır; Kaltatf verler; ; sııfladırılable verler olup her sııfa düşe gözlem sayısı şeklde gösterlrler. Kattatf verler se; ; keskl ve sürekl olmak üzere ked çersde kye ayrılır. Keskl verler,, br brey sayma sayıları le fade edleble özellkler, sürekl verler se, br ölçüm veya tartım le ölçüleble özellkler yasıta verlerdr. Doç.Dr. Suat ŞAHİNLER 3

Tablo. Değşke tpler ve bazı özellkler. Temel Kavramlar Değşke Tpler Soru Tp Cevap Dağılış Şekl Kaltatf Parazt Var mı? Evet Hayır K-Kare( Kare(χ ) Kattatf Keskl Sürekl Kaç Yumurta? Yumurta ağırlığı e kadar?... adet gr Bom, Posso Normal Doç.Dr. Suat ŞAHİNLER 4

İstatstkte Kullaıla İşaretler: Σ grek alfabesde büyük harf sgmadır.. Matematk ve statstkte sayıları toplamı alamıa gelr. X {,, 3,..., } gb tae değer alıyorsa buları toplamı,,, 3,..., şeklde gösterlr. Öreğ; X{5,7,3,,8) se, 5 5 3 4 5 5 7 3 8 5 Olur. Doç.Dr. Suat ŞAHİNLER 5

Doç.Dr. Suat ŞAHİNLER Doç.Dr. Suat ŞAHİNLER 6 6 Temel Kavramlar 3 7 4 3 4 3... Br değşke kareler toplamıı buluması; Bu, değşke aldığı değerler ayrı ayrı kareler alıp toplamak suretyle buluur ve statstkte bua kısaca kareler toplamı der. Örek: Yukarıdak X değşkee at kareler toplamıı bulalım, 7 5 4 3 8 3 7 5 5 64 4 9 49 5 Olur.

Br değşke kareler toplamı(kt), o değşke toplamıı karese eşt değldr. Ya, ( ) Yukarıdak X değşke değerler ç bu durum; 5 ve 5 İd ve böylece; 5 5 Olur. İk değşke çarpımlar toplamı: X {,, 3,..., }ve Y{y,y,y 3,...,y } olsu. Bu durumda çarpımlar toplamı; 5 5... * * y * y * y y Doç.Dr. Suat ŞAHİNLER 7

Öreğ; X{5,7,3,,8) ve Y{4,,5,6,3} se, (5) çarpımlar toplamı 5 * y * y * y 3 * y3 4 * y4 5 * y5 0 4 5 4 85 5*4 7* 3*5 *6 8*3 İk değşke çarpımlar toplamı,değşkeler ayrı ayrı toplamlarıı çarpımıa eşt değldr. Ya, * y ( )*( y ) 5, y 0 y 85 Yukarıdak örek ç bu durum ve Olduğua göre; 85 500 olduğu açıkça görülür. 5 5 5 Doç.Dr. Suat ŞAHİNLER 8

Toplama İşaret (Σ)( ) Özellkler: a)x ve Y gb k değşke değerler kşer kşer toplamlarıı toplamı (farkı) bu k değşkee at değerler ayrı ayrı toplamlarıı toplamıa (farkıa) eşttr.ya, ( ± y ) ± y b)br değşkee at değerler br sabt sayı le çarpımıı toplamı, değşke aldığı değerler toplamıı o sabt le çarpımıa eşttr. k k c) Br sabt sayıı de e kadar toplamı, o sabt le çarpımıa eşttr. k k Doç.Dr. Suat ŞAHİNLER 9

Doç.Dr. Suat ŞAHİNLER 0

Doç.Dr. Suat ŞAHİNLER