Đst201 Đstatistik Teorisi I

Benzer belgeler
Bir KANUN ve Bir TEOREM. Büyük Sayılar Kanunu

Tahmin Edicilerin ve Test Đstatistiklerinin Simülasyon ile Karşılaştırılması

BEKLENEN DEĞER VE VARYANS

6. Uygulama. dx < olduğunda ( )

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

BÖLÜM 2 OLASILIK TEORİSİ

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

Parametrik Olmayan İstatistik Çözümlü Sorular - 2

9. Ders. Đstatistikte Monte Carlo Çalışmaları

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

Polinom İnterpolasyonu

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

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

Zaman Skalasında Box-Cox Regresyon Yöntemi

GENELLEŞTİRİLMİŞ BULANIK KÜMELER. Mehmet Şahin Gaziantep Üniversitesi, Matematik Bölümü, 27310, Gaziantep

RANKI 2 OLAN SERBEST LIE CEBİRLERİNİN OTOMORFİZM GRUPLARININ SUNUMLARI 1 Reports Of Free Groups Otomorfizm Rank 2 Lie Algebras

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

İki veri setinin yapısının karşılaştırılması

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

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

5.1 Olasılık Tarihi Temel Olasılık Kavramları

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

ÖNSÖZ. 2) Evde yapabileceklerinizi yapıp, laboratuar kılavuzundaki yerleri doldurun (!!! işaretli yerler).

ĐÇI DEKILER 1. TEMEL ĐSTATĐSTĐK KAVRAMLAR VE OTASYO LAR 1

Regresyon ve Korelasyon Analizi. Regresyon Analizi

Tanımlayıcı İstatistikler (Descriptive Statistics) Dr. Musa KILIÇ

ÖRNEKLEME YÖNTEMLERİ ve ÖRNEKLEM GENİŞLİĞİ

Tahmin Edici Elde Etme Yöntemleri

Genelleştirilmiş Ortalama Fonksiyonu ve Bazı Önemli Eşitsizliklerin Öğretimi Üzerine

ÖLÇÜM, ÖLÇÜM HATALARI ve ANLAMLI RAKAMLAR

Temel Yapılar: Kümeler, Fonksiyonlar, Diziler ve Toplamlar

5.1 Olasılık Tarihi Temel Olasılık Kavramları

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

TOBB Ekonomi ve Teknoloji Üniversitesi İKT351 Ekonometri I, Ara Sınavı

Quality Planning and Control

ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ

ÖZET Yüksek Lsas Tez NORMAL DAĞILIM VE NORMAL DAĞILIMLA İLGİLİ ÇIKARIMLAR Şeol ÇELİK Akara Üverstes Fe Blmler Esttüsü İstatstk Aablm Dalı Daışma : Doç

MERKEZİ EĞİLİM ÖLÇÜLERİ

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

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

Ölçme Hataları ve Normal Dağılım

ÇUKUROVA ÜNĐVERSĐTESĐ FEN BĐLĐMLERĐ ENSTĐTÜSÜ

Bir Rasgele Değişkenin Fonksiyonunun Olasılık Dağılımı

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

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 =

BAĞINTI VE FONKSİYON

PORTFÖY OPTİMİZASYONUNDA ORTALAMA MUTLAK SAPMA MODELİ VE MARKOWITZ MODELİNİN KULLANIMI VE İMKB VERİLERİNE UYGULANMASI

SOYUT CEBİR VE SAYILAR TEORİSİ

7. Ders. Bazı Kesikli Olasılık Dağılımları

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

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

T.C. SELÇUK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ

ISF404 SERMAYE PİYASALARI VE MENKUL KIYMETYÖNETİMİ


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

Değişkenler Arasındaki İlişkiler Regresyon ve Korelasyon. Dr. Musa KILIÇ

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 )

Kuyruk Teorisi Ders Notları: Bazı Kuyruk Modelleri

2.2. Fonksiyon Serileri

Rasgele sayıda bağımlı aktüeryal risklerin beklenen değeri için alt ve üst sınırlar

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

(3) Eğer f karmaşık değerli bir fonksiyon ise gerçel kısmı Ref Lebesgue. Ref f. (4) Genel karmaşık değerli bir fonksiyon için. (6.

ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI

ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI

Ders 2: Küme Teorisi, Örnek Uzay, Permütasyonlar ve Kombinasyonlar

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

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

Sayısal Türev Sayısal İntegrasyon İnterpolasyon Ekstrapolasyon. Bölüm Üç

UYUM ĐYĐLĐĞĐ TESTĐ. 2 -n olup. nin dağılımı χ dir ve sd = (k-1-p) dir. Burada k = sınıf sayısı, p = tahmin edilen parametre sayısıdır.

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

Bilgisayarla Görüye Giriş

1. GRUPLAR. 2) Aşağıdaki kümelerin verilen işlem altında bir grup olup olmadığını belirleyiniz.

BAZI YARIGRUP AİLELERİ ve YAPILARI İÇİN SONLULUK KOŞULLARI ve ETKİNLİK *

Tanımlayıcı İstatistikler

Yrd. Doç. Dr. İhsa KARABULUT u daışmalığıda, Begül ARKANT tarafıda hazırlaa bu çalışma 3/07/008 tarhde aşağıdak jür tarafıda oy brlğ le Akara Üverstes

Açık Artırma Teorisi Üzerine Bir Çalışma

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

6. NORMAL ALT GRUPLAR

SOYUT CEBİR II Bahar Dönemi

Tanımlayıcı İstatistikler

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

Tanımlayıcı İstatistikler

n ile gösterilir. 0) + ( n 1) + ( n 2) + + ( n n) =2n Örnek...4 : ( 8 3) = ( 8 Örnek...5 : ( 7 5) + ( 7 6) + ( 8 7) + ( 9 8) + ( 10

4. Ders Fisher informasyonu s f rdan büyük ve sonlu, yani 0 < I() < 1; R f(x; )dx (kesikli da¼g l mlarda R yerine P.

( KÜME LİSTE, ORTAK ÖZELLİK, ŞEMA YÖNTEMİ ELEMAN SAYISI BOŞ, SONLU, SONSUZ KÜME ALT KÜME VE ÖZELLİKLERİ ) ... BOŞ KÜME. w w w. m a t b a z.

TÜMEVARIM DİZİ - SERİ

n ile gösterilir. 0) + ( n 1) + ( n 2) + + ( n n) =2n Örnek...4 : ( 8 3) = ( 8 Örnek...5 : ( 7 5) + ( 7 6) + ( 8 7) + ( 9 8) + ( 10

6. BÖLÜM VEKTÖR UZAYI VEKTÖR UZAYI VEKTÖR UZAYLARI

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

Çok Aşamalı Sıralı Küme Örneklemesi Tasarımlarının Etkinlikleri Üzerine Bir Çalışma

Filbert Matrislerinin Normları İçin Alt ve Üst Sınırlar. The Upper and Lower Bounds For Norms of Filbert Matrices

GERC EL ANAL IZ H useyin IRMAK

Tanımlayıcı İstatistikler

Rasgele Değişken Üretme Teknikleri

Olasılık, Rastgele Değişkenler ve İstatistik

TEKNOLOJİ BAĞIMLI YAŞAMIN MATEMATİKSEL DESENLERİ-I

Transkript:

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 oluşturmak. DERSĐN ÖĞRENĐM HEDEFLERĐ Olasılık Dağılımları KZNILN BĐLGĐ Olasılık uzayları, rasgele değşkeler ve dağılım foksyoları, rasgele değşkeler döüşümler, üretc foksyolar, bazı olasılık dağılımları, rasgele değşke dzlerde yakısamalar. KZNILN BECERĐ Đstatstksel souç çıkarımda gerekl ola temel kavramları öğrelmş olması ve kullaılablr hale gelmes. ÖĞRETĐM YÖNTEMĐ Teork ders alatımı ve problem çözümü, gerçek ve saal deeyler. RÇ-GEREÇ Ktap, ders otları, kşsel deey malzemeler, blgsayar vs. ÖLÇME VE DEĞERLENDĐRME ra sıav, ödevler ve döem sou sıavı. DERS PLNI VE ĐÇERĐĞĐ. Hafta Sgma-cebr, Borel cebr, Olasılık uzayları 2. Hafta Rasgele değşke, rasgele değşkeler dağılım foksyoları. Keskl rasgele değşkeler ve olasılık foksyoları. Sürekl rasgele değşkeler ve olasılık yoğuluk foksyoları. 3. Hafta Rasgele vektörler. Keskl rasgele vektörler ve olasılık foksyoları. Sürekl rasgele vektörler ve olasılık yoğuluk foksyoları. Marjal ve koşullu dağılımlar. Rasgele değşkeler bağımsızlığı. 4. Hafta Döüşümler. Rasgele değşkeler beklee değer, varyası ve mometler. Üretc foksyolar, momet çıkara foksyo, karakterstk foksyo. Beklee değer vektörü, varyas-kovaryas matrs, korelasyo matrs. Koşullu beklee değer. 5. Hafta Bazı keskl olasılık dağılımları; Düzgü, Beroull, Bom, Geometrk, Negatf Bom, Posso, Hpergeometrk 6. Hafta Bazı sürekl dağılımlar; Düzgü, Gamma, Üstel, K-Kare, Beta, Normal, Log- Normal, Cauchy, Webull, t ve F dağılımları, k boyutlu ormal dağılım 7. Hafta Rasgele değşke dzlerde yakısamalar, büyük sayılar kauları ve merkez lmt teoremler DERSĐN VERĐLMESĐNDE YRRLNILCK KYNKLR kdez, F. (200) Olasılık ve Đstatstk, Nobel Ktabev. 2 Öztürk, F. (993) Matematksel Đstatstk, kara Üverstes Fe Fakültes Yayıları, No:0. 3 Öztürk, F. (20) Olasılık ve Đstatstğe Grş, Gaz Ktabev. 4 kd,y. (200) Matematksel Đstatstğe Grş, Gaz Ktabev. 5 Hogg, R.V., Crag,.T. (978) Itroducto to Mathematcal Statstcs, New York, Macmlla. 6 Casella, G. (200) Statstcal Iferece. Pacfc Grove, Calf. : Wadsworth. Sıavlar E az br ara sıav ve döem sou sıavı yazılı olarak yapılacaktır. Döem ç verle ödevler ara sıav otu le brlkte değerledrmeye alııp vze otuu oluşturacaktır. Geçme otu=0.4xvze otu+0.60xdöem sou otu.

Grş Đstatstk edr? Bu soru ve cevabıı zamala aklıızda olgulaşıp yerl yere oturacağıı brc sııfta Olasılık ve Đstatstğe Grş dersde söylemştk. Şmd kc sııftasıız. Rasgelelk, Olasılık Ölçüsü, Rasgele Değşke, Dağılım Foksyou, Beklee Değer, Varyas gb brçok kavramı öğredz. Parametre Tahm ve Hpotez Test koularıa grş yapıp, Đstatstk öğrem başlıca amacı ola Ver alz e dokuduuz. Đstatstk öğreme serüvez ayı kavramlara br üst basamakta bakılması ve bu kavramları pekştrlmes le devam edecektr. Üçücü sııfta Đstatstk deze dalacaksıız. Hazırlıklı olmaız gerekl. Lafı uzatmada hazırlamaya başlayalım..ders Kümeler Cebr, σ-cebr ve Borel Cebr Küme kavramı matematğ br temel kavramıdır. Kümeler,B,C,D, gb büyük harflerle gösterlr. Üzerde çalıştığımız kümey geellkle Ω harf le gösterp, boş olmadığıı varsayacağız., B Ω olmak üzere, B \ { ω : ω B ve ω } = kümese ı B ye göre tümleye der. Ω \ kümese kısaca ı tümleye der. ı tümleye le göstereceğz. I br ds kümes olmak üzere, = { ω : I ç ω } I I { ω : ç ω } = I olduğuu hatırlatalım ( I = ç Ω ı altkümeler br ( ) (alt lmt) kavramları aşağıdak gb taımlaır. = k = lmsup k = I = = kabul edlmektedr). I dzs ç lmsup (üst lmt) ve lmf lm f = k = = Eğer lm sup lm f dz lmt der ve bu lmt kısaca lm k = = se ( ) dzse yakısak ve kümese bu olarak gösterlr.

Kümeler br ( ) dzs ç 2...... olduğuda, bu dzye arta ve 2...... olduğuda azala dyelm (altküme-öz altküme, arta-azalmaya, azala-artmaya ayrımlarıı yapmayalım). Her k durumda dzye mooto dyelm. rta dzler ç = = lm ve azala dzler ç = = lm dır. Boş olmaya br küme altkümelerde oluşa kümeye sııf der. Sııfları U,B gb el yazısı harflerle göstereceğz. R reel sayıları kümes, ( a, b) = { x R : a < x < b} olmak üzere B ₁ = {( a, b) : a < b, a, b R} [ a, b] = { x R : a x b} olmak üzere B ₂ = {[ a, b] : a b, a, b R} ( a, b] = { x R : a < x b} olmak üzere B ₃ = {( a, b] : a < b, a, b R} [ a, b) = { x R : a x < b} olmak üzere B ₄ = {[ a, b) : a < b, a, b R} (, a) = { x R : x < a} olmak üzere B 5 = {(, a) (, a] = [ x R : x a} olmak üzere B 6 = {(, a] ( a, ) = { x R : x > a} olmak üzere B 7 = {( a, ) [ a, ) = { x R : x a} olmak üzere B 8 = {[ a, ) kümeler R üzerde brer sııftır. R keds de (, + ) aralığı olarak 8 B = düşüülürse, R dek bütü aralıkları kümes ola { R} kümes, R üzerde br sııftır. Taım: Br Ω kümes altkümelerde oluşa br C sııfı, ) ΩC, ) C kümes ç C, ), B C B C özellklere sahpse C sııfıa Ω da br cebr der. Taım: Br Ω kümes altkümelerde oluşa br U sııfı, ) ΩU, ) U kümes ç C, ) U ( ) de her dzs ç U, özellklere sahpse U sııfıa Ω da br σ-cebr der. =

Cebrler, elemaları kümeler ola sııflar olmak üzere, brleşm, kesşm ve tümleme şlemler solu kez uygulamasıa göre kapalıdırlar. Br σ-cebr brleşm, kesşm ve tümleme şlemler sosuz kez uygulamasıa göre kapalıdır. Her σ -cebr br cebrdr, acak ters doğru değldr. Örek: Ω sosuz elemalı br küme olmak üzere, Ω ı solu elemalı altkümelerde oluşa D = { : Ω, solu sayıda elemaa sahp} sııfı br cebr değldr. C= { : Ω, veya solu sayıda elemaa sahp} sııfı br cebrdr, acak br σ-cebr değldr. Örek: Ω= R =(-,) ç C = { : B B B {, R} veya ayrık solu tae B B B {, R} ç = } sııfı br cebrdr. 3 6 7 3 6 7 B,B,B 6 3 7 de brer tae elema aşağıdak gb brer aralıktır. = R (-,0], (,2], (4, )C olmak üzere, C sııfı bu gb ayrık aralıkları solu taes brleşm bçmde ola kümeler le ve R de oluşa sııftır. C sııfıı br cebr olduğu kolayca gösterleblr. C sııfı br σ-cebr değldr. Öreğ, a, b R, a < b ve (-,0] (,2] (4, ) ] ( ] ( 0 2 3 4 sııfıda açık aralıklar yoktur. a, b, =, 2, C ç a, b ( a, b) = = C dır. C Br cebr arta dzler lmt altıda kapalı se br σ-cebrdr. Buu spatlamaya çalışalım.c arta dzler lmt altıda kapalı, ya C dek kümeler her ( B ) dzs ç B B2... B... lm B = B C olsu. Cebr le σ-cebr taımlarıda lk k özellk ayı olduğuda, C de herhag br ( ) dzs ç C olduğuu göstermekle bu dda spatlamış olacaktır. = B =, =,2,3,... = =

ç B B2... B... ve lm B = B C olmak üzere, = C dr. C br σ-cebrdr. Buula brlkte, = = B olduğuda = = Cebr azala dzler lmt altıda kapalı Cebr arta dzler lmt altıda kapalı öermes de göz öüe alıırsa, azala dzler lmt altıda kapalı ola cebr de br σ-cebrdr. Bu öerme doğru olduğuu görelm. ( ) C br cebr ve azala dzler lmt altıda kapalı olsu. ( ) dzs C de arta, ya 2...... dzs C de azala olduğuda lm = olsu. O zama, ( ) C dır. Cebr taımıdak kc özellkte, = = = lm C = = dr. ( ) C br cebr ve arta dzler lmt altıda kapalı olsu. ( ) dzs C de azala, ya 2...... dzs C de arta olduğuda lm = olsu. O zama, ( ) C dır. Cebr taımıdak kc özellkte, = = = lm C = = dr. Kısaca, mooto dzler lmt altıda kapalı ola cebrler ayı zamada brer σ-cebrdr. Ω solu sayıda elemaa sahp olduğuda her cebr ayı zamada br σ- 2 cebrdr. Ω ı elema sayısı olduğuda Ω üzerde 2 tae sııf oluşturulablr. Bularda bazıları cebr, bazıları cebr değldr. Ω sosuz elemalı olduğuda, Ω üzerde sosuz tae sııf ve sosuz tae cebr le σ- cebr oluşturulablr ( a Ω ç, { a },{ a}, Ω sııfı br σ-cebrdr). Br Ω { } kümes üzerde oluşturula {, Ω } ve { : Ω } sııfları brer σ-cebr, dolayısıyla cebrdr. U sııfı Ω üzerde br σ-cebr olmak üzere, {, Ω} U { : Ω} dır. Br Ω kümes üzerde oluşturulablecek e küçük σ-cebr {, Ω } ve e büyük σ-cebr Ω ı kuvvet kümesdr. Buradak sıralama altküme ( ) bağıtısıa göredr ve br kısm sıralamadır (bütü σ-cebrler küçükte büyüğe doğru dzlemez).

Ω kümes üzerde cebr (σ-cebr) olmaya br sııfıı kapsaya br e-küçük cebr (σ-cebr) vardır. sııfıı kapsaya e küçük σ-cebr σ ( ) le gösterlr. R reel sayılar kümesdek ( a, b) = { x R : a < x < b} açık aralıkları oluşturduğu B₁( R ) = {( a, b) : a < b, a, b R } sııfı br σ-cebr değldr. çık aralıkları sııfıı kapsaya (açık aralıkları doğurduğu) e küçük σ-cebre Borel cebr der ve B veya B ( R) le gösterlr. Kapalı aralıkları doğurduğu e küçük σ-cebr de Borel cebr dr. Esasıda B= σ (B ), =,2,...,8 dr. Reel sayıları sıralı -l ler kümes, { a a a a } R = R R... R= (,,..., ) : R, =,2,..., olmak üzere, a = ( a, a2,..., a), b = ( b, b2,..., b ) R ve a < b ( a < b, =, 2,..., ) ç, ( a, b) = ( a, b ) ( a2, b2 )... ( a, b ) = {( x, x2,..., x ) : x R, a < x < b, =,2,..., } kümese R de açık dkdörtge der. çık dkdörtgeler ( ) B₁( R ) = { a, b : a < b, a, b R } kümes br σ-cebr değldr. B₁( R ) y kapsaya e küçük σ-cebre R de Borel cebr der ve B( R ) le gösterlr. ralıklardak duruma bezer şeklde, [ a, b] = [ a, b ] [ a, b ]... [ a, b ] = {( x, x,..., x ) : x R, a x b, =,2,..., } 2 2 2 kapalı dkdörtgeler sııfıı kapsaya e küçük σ-cebr ye B( R ) dr.