MAK 210 SAYISAL ANALİZ
|
|
- Özgür Karakaya
- 8 yıl önce
- İzleme sayısı:
Transkript
1 MAK 210 SAYISAL ANALİZ BÖLÜM 6- İSTATİSTİK VE REGRESYON ANALİZİ Doç. Dr. Ali Rıza YILDIZ 1
2 İSTATİSTİK VE REGRESYON ANALİZİ Bütün noktalardan geçen bir denklem bulmak yerine noktaları temsil eden, yani noktalardaki gidişatı veya eğilimi gösterecek şekilde bir denklem bulma işlemine istatistikte regresyon analizi denir. Aşağıdaki şekilde interpolasyon ve regresyon arasındaki fark görülmektedir. y y İnterpolasyon x Regresyon x 2
3 Verilen noktaları temsil eden en iyi eğriyi bulma işleminde yaygın olarak kullanılan yöntem en küçük kareler yöntemidir. Bu yöntemde verilen noktalardaki ölçüm hatalarının normal dağılım gösterdiği kabul edilir. En küçük kareler yöntemi, oluşacak hataların kareleri toplamı minimum olacak şekilde bir eğri denklemi bulma esasına dayanır. Bu şekilde bulunacak bir denklem en az hatalı ve en muhtemel değeri verecek bir eğri denklemi olacaktır. Verilen noktalara eğri uydurma başlıca dört değişik şekilde yapılabilir : Lineer regresyon Nonlineer regresyon ve lineerleştirme Polinomial regresyon Çok değişkenli regresyon 3
4 TEMEL İSTATİSTİK Keyfi olarak değişen bir büyüklükteki değişimin eğilimini tayin etmek ve bu büyüklüğün verilen bir aralıkta kalma ihtimalini tahmin etme istatistiğin temel konularıdır. Medyan : Ölçüm değerleri küçükten büyüğe veya tersi yönde sıralandığında ortadaki ölçüm değerine denir. Ölçüm adedi çift ise ortadaki iki ölçüm değerinin ortalaması medyan olarak anılır. Aritmetik ortalama : Ölçüm değerlerinin toplamının ölçüm sayısına bölümü olup aşağıdaki gibi gösterilecektir. 4
5 y = 1 n n i=1 y i = y 1 + y 2 + y y n /n Harmonik ortalama : Ölçülen değerlerin terslerinin toplamını içeren bu ortalama y h = n n i=1 1 y i = n 1 y y y y n şeklinde hesaplanır. 5
6 Geometrik ortalama : Toplam yerine çarpımları içeren ve n y g = y i 1 n n = y1. y2. y3 yn i=1 olarak hesaplanan bir ortalamadır. Standart sapma : Ölçüm değerlerinin ortalama değer etrafındaki yayılımını gösterir. σ = S n 1 n S = y i y 2 i=1 6
7 Varyans: Verilen datanın ortalama etrafındaki dağılımını göstermek üzere kullanılan bir başka tanım standart sapmanın karesi olan varyans tanımıdır : n σ 2 = y i y 2 i=1 n 1 7
8 Lineer regresyon analizi REGRESYON ANALİZİ y a 1 = n x iy i x i y i n x 2 i x 2 i a 0 = y a 1 x y r = a 0 + a 1 x x i e i x x = n x i n n y = y i n Değerlerin bir doğru ile temsili i=1 i=1 8
9 İstatistiki analiz ve hata İstatistikte ölçüm değerlerinin ortalama değerden sapması standart sapma olarak adlandırılmıştı (Şekil1.a). y y σ σ Şekil1.a Ortalama değerden sapma x Şekil1.b En iyi doğrudan sapma x 9
10 Standart sapmaya benzer şekilde, bulunan regresyon eğrisinden datanın sapması tahmindeki standart hata olarak ifade edilir ve σ r = S r n 2 şeklinde tanımlanır. S ve S r arasındaki fark datayı ortalama bir değer yerine bir eğriyle temsil etmekte gerçeğe ne kadar yaklaşıldığını gösterir (Şekil1.b). Ancak bu fark yerine boyutsuzlaştırılmış hali daha sık kullanılır ve korelasyon katsayısı diye anılır. r 2 = S S r S y 10
11 S r = 0 ise (r = 1) regresyon analizi ile elde edilen doğru veya eğri denklemi datayı tam temsil ediyor yani verilen noktalardan geçiyor demektir. S r = S ise (r = 0) doğru veya eğri denklemi elde etmekle datayı temsilde herhangi bir düzelme olmamış demektir. Yukarıdaki şekilde görüldüğü gibi verilen data bulunan doğru civarında kümelenmiş olup data dar bir band içerisinde kalmaktadır. Dolayısıyla bulunan doğrunun ölçüm değerlerini iyi temsil ettiği söylenebilir. 11
12 Örnek 6.1: Aşağıdaki belli x değerlerine karşılık y ölçüm değerleri verildiğine göre bir regresyon doğrusunu bulunuz. Korelasyon katsayısını hesaplayarak sonucu yorumlayınız. x y Çözüm: aşağıda verilmiştir. Katsayıların hesabı için gerekli sayısal değerler tablo halinde 12
13 i x i y i x i y i x i n(7)
14 Bu tabloya göre ortalama değerler ve katsayılar x = 28 7 = 4, y = 24 7 = a 1 = (24) = , ve a 0 = x4 = şeklinde hesaplanır. Buna göre regresyon doğrusu elde edilir. Korelasyon katsayısı için y r = x S = y i y 2 =
15 S r = e i 2 = e i = y ri y i r 2 = S S r S = = r = 0.93 değerleri bulunur. Korelasyon katsayısı yüksek olduğundan bulunan doğru ile iyi bir temsil söz konusu olduğu söylenebilir. 15
16 Nonlineer regresyon ve lineerleştirme Verilen değerler doğrusal bir dağılım göstermiyorsa, noktaları temsil edecek bir eğri denklemi bulunmaya çalışılır. Bu amaçla kullanılabilecek nonlineer fonksiyonlar, daha ziyade üstel fonksiyon, kuvvet fonksiyonu, ters fonksiyon veya polinomlardır. Bunlardan ilk üçü lineerleştirilerek işlem basitçe lineer regresyon analizine ingirgenebilir. Öncelikli olarak bu tür fonksiyonlar ve lineerleştirilmeleri ele alınacak daha sonra polinomial regresyona geçilecektir. 16
17 a) Üstel fonksiyon ve lineerleştirme y y lny y r = a 1 e b 1x a 0 y r = a 0 + b 1 x x Üstel fonksiyonun lineerleştirilmesi x y r = a 1 e b 1x ln y r = ln a 1 + b 1 x ln y r = y r ve ln a 1 = a 0 tanımlarıyla y r = a 0 + b 1 x lineer denklem elde edilir. 17
18 b) Kuvvet fonksiyonu ve lineerleştirme y y logy y r = a 1 x b 1 x a 0 y r = a 0 + b 1 x log x Kuvvet fonksiyonun lineerleştirilmesi y r = a 1 x b 1 log y r = log a 1 + b 1 log x log y r = y r ve log a 1 = a 0 ve log x = x tanımlarıyla y r = a 0 + b 1 x lineer denklem elde edilir. 18
19 c) Ters fonksiyon ve lineerleştirme y y 1 y r = y r y r = a 1x b 1 + x a 0 y r = a 0 + b 1 x x x Ters fonksiyonun lineerleştirilmesi y r = a 1x b 1 + x 1 y r = b 1 a 1 x + 1 a 1 1 y r = y r, b 1 a 1 = b 0, 1 a 1 = a 0 ve 1 x = x tanımlarıyla y r = a 0 + b 1 x lineer denklem elde edilir. 19
20 Örnek 6.2: (0,1),(1,2) ve (2,6) noktaları verildiğine göre bu değerlere uygun üstel bir eğri denklemi bulunuz. Çözüm: Verilen değerlerden hareketle üstel fonksiyon ve lineerleştirilmesine ait gerekli parametreler hesaplanarak aşağıda tablo halinde verilmiştir. x i y i y i x i y i x i
21 y r = a 1 e b 1x y r = a 0 + b 1 x b 1 = n x iy i x i y i n x 2 i x 2 i = (2.4847) = ortalama değerler x i = 1 ve y i = ile a 0 = y b 1 x = katsayısı bulunur. Buna göre lineer denklem y r = x olur. Üstel fonksiyonu elde etmek için ln a 1 = a 0 tanımından ters dönüşümle a 1 = e a 0 = ve buna göre y r = 0.934e üstel fonksiyonu elde edilir. 21
22 Polinomial regresyon analizi Verilen n adet datayı temsil etmek üzere m. dereceden (m < n) bir polinom y r = a 0 + a 1 x + a 2 x a m x m bulunabilir. Bu denkleme ait katsayıların bulunmasında en küçük kareler yöntemi kullanılacaktır. Hataların kareleri toplamı olan n S r = (y i a 0 a 1 x i a 2 x i 2 a m x i m ) 2 i=1 İfadesinin minimum olması için her katsayıya göre türevinin sıfır olması şartından, 22
23 S r a 0 = 0 a 0 n + a 1 x i + a 2 x i a m x i m = y i S r a 1 = 0 a 0 x i + a 1 x i 2 + a 2 x i a m x i m+1 = x i y i S r a 2 = 0 a 0 x i 2 + a 1 x i 3 + a 2 x i a m x i m+2 = x i 2 y i.... S r a m = 0 a 0 x i m + a 1 x i m+1 + a 2 x i m a m x i 2m = x i m y i veya aşağıdaki gibi matris formunda yazılabilir : 23
24 n x i x i 2 x i m y i x i x i 2 x i x i x i x i. m m+1 m+2 x i x i x i x i m+1 x i m+2 x i 2m a 0 a 1 a 2 a m = x i y i x 2 i y i x m i y i Buradaki m + 1 lineer denklem çözülürek, m + 1 bilinmeyen (a 0, a 1,, a m ) katsayılar elde edilir. Ayrıca, Tahminin standart hatası: σ r = S r n (m+1) 24
25 S = y i y 2 Korelasyon katsayısı : r 2 = S S r S ifadelerinden bulunabilir. Örnek 6.3: Aşağıdaki noktaları temsil eden 2. dereceden bir polinom bulunuz. x i y i
26 Çözüm: Problemde 6 nokta verilmiş olduğuna göre n = 6, m = 2 dir. Polinomun katsayılarını hesaplayacağımız denklemler için gerekli hesaplamalar ; x i = 15 x i 4 = 979 y i = x i y i = x i 2 = 55 x i 2 y i = x i 3 = 225 x = 2.5 y =
27 ve bu değerler ile lineer denklem sistemi; 6a a a 2 = a a a 2 = a a a 2 = olur. Bu denklem sistemi uygun bir yöntemle çözülürse aranan katsayılar a 0 = a 1 = a 2 = olarak elde edilir. Buna göre regresyon polinomu y r = x x 2 bulunur. Hata durumuna bakılırsa 27
28 σ r = S r n (m + 1) = = 1.12 r 2 = r = = olarak hesaplanır ki bulunan bu yüksek korelasyon katsayısı nedeniyle polinomun verilen datayı iyi temsil ettiği söylenebilir. 28
29 Örnek 6.4: SAE 10W numaralı yağın değişik sıcaklıklarda ölçülen viskozitesi aşağıdaki tabloda verilmiştir. Viskozitenin (μ) sıcaklık (T) ile değişimini veren μ = ae b T formunda bir denklem bulunuz. T( C) μ(pa. s) Çözüm: Verilen denklemi lineerleştirmek mümkündür. Her tarafın logaritmasını alarak ve yeni parametreler tanımlayarak b T μ = ae lnμ = lna + b T 29
30 y = a 0 + bx y = lnμ a 0 = lna x = 1 T Bu dönüşümde x in sonsuz olmaması için mutlak sıcaklıklar kullanılabilir. Buna göre gerekli y ve x değerleri için aşağıdaki tablo oluşturulabilir. Bu değerlere göre katsayılar T( C) μ y = lnμ x = 1 T xy x E E E E-06 = E-05 30
31 b = n x iy i x i y i n x i 2 x i 2 = ( )( ) x = 5119 a 0 = y bx = = olarak elde edilir. Aranan denklemin lineer formu y = x ve ters dönüşümle a 0 = lna = lna a = 4.32x10 9 b T μ = ae μ üstel ifade elde edilir. = 4.32x T e 31
MAK 210 SAYISAL ANALİZ
MAK 210 SAYISAL ANALİZ BÖLÜM 5- SONLU FARKLAR VE İNTERPOLASYON TEKNİKLERİ Doç. Dr. Ali Rıza YILDIZ MAK 210 - Sayısal Analiz 1 İNTERPOLASYON Tablo halinde verilen hassas sayısal değerler veya ayrık noktalardan
DetaylıMAK 210 SAYISAL ANALİZ
MAK 210 SAYISAL ANALİZ BÖLÜM 7- SAYISAL TÜREV Doç. Dr. Ali Rıza YILDIZ 1 GİRİŞ İntegral işlemi gibi türev işlemi de mühendislikte çok fazla kullanılan bir işlemdir. Basit olarak bir fonksiyonun bir noktadaki
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık KORELASYON ve REGRESYON ANALİZİ Doç. Dr. İrfan KAYMAZ Tanım Bir değişkenin değerinin diğer değişkendeki veya değişkenlerdeki değişimlere bağlı olarak nasıl etkilendiğinin istatistiksel
DetaylıYrd. Doç. Dr. A. Burak İNNER
Yrd. Doç. Dr. A. Burak İNNER Kocaeli Üniversitesi Bilgisayar Mühendisliği Yapay Zeka ve Benzetim Sistemleri Ar-Ge Lab. http://yapbenzet.kocaeli.edu.tr Regresyon o EnKüçük Kareler Yöntemi Doğru Uydurma
DetaylıÖrnek. Aşağıdaki veri setlerindeki X ve Y veri çiftlerini kullanarak herbir durumda X=1,5 için Y nin hangi değerleri alacağını hesaplayınız.
Örnek Aşağıdaki veri setlerindeki X ve Y veri çiftlerini kullanarak herbir durumda X=1,5 için Y nin hangi değerleri alacağını hesaplayınız. i. ii. X 1 2 3 4 1 2 3 4 Y 2 3 4 5 4 3 2 1 Örnek Aşağıdaki veri
DetaylıKübik Spline lar/cubic Splines
Kübik spline lar önceki metodların aksine bütün data noktalarına tek bir fonksiyon/eğri uydurmaz. Bunun yerine her çift nokta için ayrı ayrı üçüncü dereceden polinomlar uydurur. x i noktasından geçen soldaki
DetaylıANADOLU ÜNİVERSİTESİ REGRESYON KATSAYILARININ GÜVEN ARALIĞI = + REGRESYON KATSAYILARININ GÜVEN ARALIĞI
ANADOLU ÜNİVERSİTESİ Deney Tasarımı ve Regresyon Analizi Regresyonda Güven Aralıkları ve Hipotez Testleri Doç. Dr. Nihal ERGİNEL-2015 REGRESYON KATSAYILARININ GÜVEN ARALIĞI + in güven aralığı : i-) n 30
DetaylıRegresyon ve İnterpolasyon. Rıdvan YAKUT
Regresyon ve İnterpolasyon Rıdvan YAKUT Eğri Uydurma Yöntemleri Regresyon En Küçük Kareler Yöntemi Doğru Uydurma Polinom Uydurma Üstel Fonksiyonlara Eğri Uydurma İnterpolasyon Lagrange İnterpolasyonu (Polinomal
DetaylıHATA VE HATA KAYNAKLARI...
İÇİNDEKİLER 1. GİRİŞ... 1 1.1 Giriş... 1 1.2 Sayısal Analizin İlgi Alanı... 2 1.3 Mühendislik Problemlerinin Çözümü ve Sayısal Analiz... 2 1.4 Sayısal Analizde Bilgisayarın Önemi... 7 1.5 Sayısal Çözümün
Detaylı0.04.03 Standart Hata İstatistikte hesaplanan her istatistik değerin mutlaka hatası da hesaplanmalıdır. Çünkü hesaplanan istatistikler, tahmini bir değer olduğu için mutlaka hataları da vardır. Standart
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
DetaylıMAK 210 SAYISAL ANALİZ
MAK 210 SAYISAL ANALİZ BÖLÜM 8- SAYISAL İNTEGRASYON 1 GİRİŞ Mühendislikte sık karşılaşılan matematiksel işlemlerden biri integral işlemidir. Bilindiği gibi integral bir büyüklüğün toplam değerinin bulunması
Detaylı4. HAFTA BLM323 SAYISAL ANALİZ. Okt. Yasin ORTAKCI.
4. HAFTA BLM33 SAYISAL ANALİZ Okt. Yasin ORTAKCI yasinortakci@karabuk.edu.tr Karabük Üniversitesi Uzaktan Eğitim Uygulama ve Araştırma Merkezi BLM33 DOĞRUSAL OLMAYAN (NONLINEAR) DENKLEM SİSTEMLERİ Mühendisliğin
DetaylıMAK 210 SAYISAL ANALİZ
MAK 210 SAYISAL ANALİZ BÖLÜM 4- LİNEER OLMAYAN DENKLEMLERİN ÇÖZÜMÜ Doç. Dr. Ali Rıza YILDIZ MAK 210 - Sayısal Analiz 1 LİNEER OLMAYAN DENKLEMLERİN ÇÖZÜMÜ Matematikte veya hidrolik, dinamik, mekanik, elektrik
DetaylıElemanter fonksiyonlarla yaklaşım ve hata
Elemanter fonksiyonlarla yaklaşım ve hata Prof. Dr. Erhan Coşkun Karadeniz Teknik Üniversitesi, Fen Fakültesi Matematik Bölümü Kasım, 2018 e 5 Kasım, 2018 1 / 48 Elemanter fonksiyonlarla yaklaşım ve hata
Detaylıfonksiyonu için in aralığındaki bütün değerleri için sürekli olsun. in bu aralıktaki olsun. Fonksiyonda meydana gelen artma miktarı
10.1 Türev Kavramı fonksiyonu için in aralığındaki bütün değerleri için sürekli olsun. in bu aralıktaki bir değerine kadar bir artma verildiğinde varılan x = x 0 + noktasında fonksiyonun değeri olsun.
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:
DetaylıHOMOGEN OLMAYAN DENKLEMLER
n. mertebeden homogen olmayan lineer bir diferansiyel denklemin y (n) + p 1 (x)y (n 1) + + p n 1 (x)y + p n (x)y = f(x) (1) şeklinde olduğunu ve bununla ilgili olan n. mertebeden lineer homogen denlemin
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,
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
DetaylıCEVAPLAR. n = n 1 + n 2 + n 3 + n 4 + n 5 + n 6 + n 7 = = 11 dir.
T C S D Ü M Ü H E N D İ S L İ K F A K Ü L T E S İ - M A K İ N A M Ü H E N D İ S L İ Ğ İ B Ö L Ü M Ü MAK-307 OTM317 Müh. İstatistik İstatistiği ÖĞRENCİNİN: ADI - SOYADI ÖĞRETİMİ NOSU İMZASI 1.Ö 2.Ö A B
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
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
DetaylıZAMAN SERİLERİNDE REGRESYON ANALİZİ
ZAMAN SERİLERİNDE REGRESYON ANALİZİ 1 1. GİRİŞ Trent, serinin genelinde yukarıya ya da aşağıya doğru olan hareketlere denmektedir. Bu hareket bazen düz bir doğru şeklinde olmaktadır. Bu tür harekete sahip
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
DetaylıBölüm 9 KÖK-YER EĞRİLERİ YÖNTEMİ
Bölüm 9 KÖK-YER EĞRİLERİ YÖNTEMİ Kapalı-döngü denetim sisteminin geçici-durum davranışının temel özellikleri kapalı-döngü kutuplarından belirlenir. Dolayısıyla problemlerin çözümlenmesinde, kapalı-döngü
Detaylı2. REGRESYON ANALİZİNİN TEMEL KAVRAMLARI Tanım
2. REGRESYON ANALİZİNİN TEMEL KAVRAMLARI 2.1. Tanım Regresyon analizi, bir değişkenin başka bir veya daha fazla değişkene olan bağımlılığını inceler. Amaç, bağımlı değişkenin kitle ortalamasını, açıklayıcı
DetaylıElemanter Fonksiyonlarla Yaklaşım ve Hata
Bölüm 5 Elemanter Fonksiyonlarla Yaklaşım ve Hata Bu bölümde önelikle verilen bir ayrık veri kümesi için standart ve ağırlıklıen küçük kareler yöntemi ile en uygun yaklaşım polinomunun nasıl belirleneeğini
DetaylıİÇİNDEKİLER. Bölüm 2 CEBİR 43
İÇİNDEKİLER ÖNSÖZ III Bölüm 1 SAYILAR 13 1.1 Doğal Sayılar 15 1.1.1. Tek ve Çift Sayılar 15 1.1.2. Asal Sayılar 15 1.1.3 Doğal Sayıların Özellikleri 15 1.1.4 Doğal Sayılarda Özel Toplamlar 16 1.1.5. Faktöriyel
DetaylıİKİNCİ DERECEDEN BİR BİLİNMEYENLİ DENKLEMLER,, olmak üzere 2. ÜNİTE. İKİNCİ DERECEDEN DENKLEMLER, EŞİTSİZLİKLER ve FONKSİYONLAR
- 1-2 ÜNİTE İKİNCİ DERECEDEN DENKLEMLER, EŞİTSİZLİKLER ve FONKSİYONLAR ÖĞRENME ALANI CEBİR İKİNCİ DERECEDEN BİR BİLİNMEYENLİ DENKLEMLER,, olmak üzere Şeklindeki açık önermelere, ikinci dereceden bir bilinmeyenli
DetaylıÇOKLU REGRESYON MODELİ. Bir bağımlı değişkene etki eden çok sayıda bağımsız değişkeni analize dahil ederek çoklu regresyon modeli uygulanabilir.
ÇOKLU REGRESYON MODELİ Bir bağımlı değişkene etki eden çok sayıda bağımsız değişkeni analize dahil ederek çoklu regresyon modeli uygulanabilir. Y=b 1 + b X + b X + u Y=b 1 + b X + b X +...+ b k X k + u
Detaylı3 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI
ÖNSÖZ İÇİNDEKİLER III Bölüm 1 İSTATİSTİK ve SAYISAL BİLGİ 11 1.1 İstatistik ve Önemi 12 1.2 İstatistikte Temel Kavramlar 14 1.3 İstatistiğin Amacı 15 1.4 Veri Türleri 15 1.5 Veri Ölçüm Düzeyleri 16 1.6
DetaylıJeodezide Yaklaşım Yöntemleri: Enterpolasyon ve Kollokasyon
Jeodezide Yöntemleri: ve Lisansüstü Ders Notları Yrd. Doç. Dr. Aydın ÜSTÜN Selçuk Üniversitesi Fen Bilimleri Enstitüsü e-posta: austun@selcuk.edu.tr Konya, 2007 A. Üstün yöntemleri 1 / 28 Bir soruyu ya
DetaylıÜSTEL DÜZLEŞTİRME YÖNTEMİ
ÜSEL DÜLEŞİRME YÖNEMİ ÜSEL DÜLEŞİRME YÖNEMİ Bu bölüme kadar anlatılan yöntemler zaman içinde değişmeyen parametre varsayımına uygun serilerin tahminlerinde kullanılmaktaydı. Bu tür seriler deterministik
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
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.
DetaylıYrd. Doç. Dr. A. Burak İNNER
Yrd. Doç. Dr. A. Burak İNNER Kocaeli Üniversitesi Bilgisayar Mühendisliği Yapay Zeka ve Benzetim Sistemleri Ar-Ge Lab. http://yapbenzet.kocaeli.edu.tr Doğrusal Ara Değer Hesabı Lagrance Polinom İnterpolasyonu
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
DetaylıKorelasyon, Korelasyon Türleri ve Regresyon
Korelasyon, Korelasyon Türleri ve Regresyon İçerik Korelasyon Korelasyon Türleri Korelasyon Katsayısı Regresyon KORELASYON Korelasyon iki ya da daha fazla değişken arasındaki doğrusal ilişkiyi gösterir.
DetaylıÖrnek 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
Soru : f(x) = log x 4 5 fonksiyonunun tanım aralığını bulunuz? a x = b eşitliğinde a ve b belli iken x i bulmaya logaritma işlemi denir. Üstel fonksiyon bire bir ve örten olduğundan ters fonksiyonu vardır.
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?
DetaylıBir Normal Dağılım Ortalaması İçin Testler
Bir Normal Dağılım Ortalaması İçin Testler İÇERİK o Giriş ovaryansı Bilinen Bir Normal Dağılım Ortalaması İçin Hipotez Testler P-değerleri: II. Çeşit hata ve Örnekleme Büyüklüğü Seçimi Örnekleme Büyüklüğü
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
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
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
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
DetaylıYrd. Doç. Dr. A. Burak İNNER
Yrd. Doç. Dr. A. Burak İNNER Kocaeli Üniversitesi Bilgisayar Mühendisliği Yapay Zeka ve Benzetim Sistemleri Ar-Ge Lab. http://yapbenzet.kocaeli.edu.tr DOĞRUSAL OLMAYAN (NONLINEAR) DENKLEM SİSTEMLERİ Mühendisliğin
DetaylıAppendix B: Olasılık ve Dağılım Teorisi
Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Notları Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix B: Olasılık ve Dağılım
DetaylıYTÜ İktisat Bölümü EKONOMETRİ I Ders Notları
Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix B: Olasılık ve Dağılım Teorisi
DetaylıYTÜ İktisat Bölümü EKONOMETRİ I Ders Notları
Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix B: Olasılık ve Dağılım Teorisi
Detaylı2012 LYS MATEMATİK SORU VE ÇÖZÜMLERİ Niyazi Kurtoğlu
.SORU 8 sayı tabanında verilen (5) 8 sayısının sayı tabanında yazılışı nedir?.soru 6 3 3 3 3 4 6 8? 3.SORU 3 ise 5? 5 4.SORU 4 5 olduğuna göre, ( )? 5.SORU (y z) z(y ) y z yz bulunuz. ifadesinin en sade
DetaylıBÖLÜNMÜŞ FARKLAR (DİVİDED DİFFERENCES)
BÖLÜNMÜŞ FARKLAR (DİVİDED DİFFERENCES) Lagrange ve Neville yöntemlerinin bazı olumsuz yanları vardır: İşlem sayısı çok fazladır (bazı başka yöntemlere kıyasla) Data setinde bir nokta ilavesi veya çıkartılması
Detaylı11. HAFTA BLM323 SAYISAL ANALİZ. Okt. Yasin ORTAKCI.
11. HAFTA BLM323 SAYISAL ANALİZ Okt. Yasin ORTAKCI yasinortakci@karabuk.edu.tr Karabük Üniversitesi Uzaktan Eğitim Uygulama ve Araştırma Merkezi 2 İNTERPOLASYON Deney sonuçları veya benzer çalışmalar için
DetaylıMerkezi Eğilim ve Dağılım Ölçüleri
Merkezi Eğilim ve Dağılım Ölçüleri Soru Öğrencilerin derse katılım düzeylerini ölçmek amacıyla geliştirilen 16 soruluk bir test için öğrencilerin ilk 8 ve son 8 soruluk yarılardan aldıkları puanlar arasındaki
Detaylı2(1+ 5 ) b = LYS MATEMATİK DENEMESİ. işleminin sonucu kaçtır? A)2 5 B)3 5 C)2+ 5 D)3+ 5 E) işleminin sonucu kaçtır?
017 LYS MATEMATİK DENEMESİ Soru Sayısı: 50 Sınav Süresi: 75 ı 1. 4. (1+ 5 ) 1+ 5 işleminin sonucu kaçtır? A) 5 B)3 5 C)+ 5 işleminin sonucu kaçtır? D)3+ 5 E)1+ 5 A) B) 1 C) 1 D) E) 3. 4 0,5.16 0,5 işleminin
DetaylıÖrneklemden elde edilen parametreler üzerinden kitle parametreleri tahmin edilmek istenmektedir.
ÇIKARSAMALI İSTATİSTİKLER Çıkarsamalı istatistikler, örneklemden elde edilen değerler üzerinde kitleyi tanımlamak için uygulanan istatistiksel yöntemlerdir. Çıkarsamalı istatistikler; Tahmin Hipotez Testleri
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
DetaylıŞekilde görülen integralin hesaplanmasında, fonksiyonun her verilen bir noktası için kümülatif alan hesabı yapılır.
NÜMERİK İNTEGRASYON Şekilde görülen integralin hesaplanmasında, onksiyonun her verilen bir noktası için kümülati alan hesabı yapılır. Nümerik integrasyonda, integralin analitik değerine, çeşitli yöntemlerle
DetaylıÖĞRENME ALANI TEMEL MATEMATİK BÖLÜM TÜREV. ALT ÖĞRENME ALANLARI 1) Türev 2) Türev Uygulamaları TÜREV
- 1 - ÖĞRENME ALANI TEMEL MATEMATİK BÖLÜM TÜREV ALT ÖĞRENME ALANLARI 1) Türev 2) Türev Uygulamaları TÜREV Kazanım 1 : Türev Kavramını fiziksel ve geometrik uygulamalar yardımıyla açıklar, türevin tanımını
DetaylıÇEV 2006 Mühendislik Matematiği (Sayısal Analiz) DEÜ Çevre Mühendisliği Bölümü Doç.Dr. Alper ELÇĐ
Giriş ÇEV 2006 Mühendislik Matematiği (Sayısal Analiz) DEÜ Çevre Mühendisliği Bölümü Doç.Dr. Alper ELÇĐ Sayısal Analiz Nedir? Mühendislikte ve bilimde, herhangi bir süreci tanımlayan karmaşık denklemlerin
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:.
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
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
DetaylıKorelasyon ve Regresyon
Korelasyon ve Regresyon Korelasyon- (lineer korelasyon) Açıklayıcı (Bağımsız) Değişken x çalışma zamanı ayakkabı numarası İki değişken arasındaki ilişkidir. Günlük sigara sayısı SAT puanı boy Yanıt (Bağımlı)
DetaylıMEB YÖK MESLEK YÜKSEKOKULLARI PROGRAM GELİŞTİRME PROJESİ. 1. Matematik ile ilgili temel kavramları açıklayabilme.
PROGRAMIN ADI DERSIN ADI DERSİN İŞLENECEĞİ YARIYIL HAFTALIK DERS SAATİ DERSİN SÜRESİ AMAÇLAR 1. Matematik ile ilgili temel kavramları açıklayabilme. MUHASEBE PROGRAMI MATEMATİK 1. Yıl I. Yarıyıl 3 (Teori:
DetaylıKORELASYON VE REGRESYON ANALİZİ. Doç. Dr. Bahar TAŞDELEN
KORELASYON VE REGRESYON ANALİZİ Doç. Dr. Bahar TAŞDELEN Günlük hayattan birkaç örnek Gelişim dönemindeki bir çocuğun boyu ile kilosu arasındaki ilişki Bir ailenin tükettiği günlük ekmek sayısı ile ailenin
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,
DetaylıNedensel Modeller Y X X X
Tahmin Yöntemleri Nedensel Modeller X 1, X 2,...,X n şeklinde tanımlanan n değişkenin Y ile ilgili olmakta; Y=f(X 1, X 2,...,X n ) şeklinde bir Y fonksiyonu tanımlanmaktadır. Fonksiyon genellikle aşağıdaki
DetaylıSONLU FARKLAR GENEL DENKLEMLER
SONLU FARKLAR GENEL DENKLEMLER Bir elastik ortamın gerilme probleminin Airy gerilme fonksiyonu ile formüle edilebilen halini göz önüne alalım. Problem matematiksel olarak bölgede biharmonik denklemi sağlayan
Detaylıbiçimindeki ifadelere iki değişkenli polinomlar denir. Bu polinomda aynı terimdeki değişkenlerin üsleri toplamından en büyük olanına polinomun dereces
TANIM n bir doğal sayı ve a 0, a 1, a 2,..., a n 1, a n birer gerçel sayı olmak üzere, P(x) = a 0 + a 1 x + a 2 x 2 +... + a n 1 x n 1 +a n x n biçimindeki ifadelere x değişkenine bağlı, gerçel (reel)
DetaylıAERODİNAMİK KUVVETLER
AERODİNAMİK KUVVETLER Prof.Dr. Mustafa Cavcar Anadolu Üniversitesi, Sivil Havacılık Yüksekokulu, 26470 Eskişehir Bir uçak üzerinde meydana gelen aerodinamik kuvvetlerin bileşkesi ( ); uçağın etrafından
DetaylıBİRİNCİ BÖLÜM SAYILAR
İÇİNDEKİLER BİRİNCİ BÖLÜM SAYILAR 1.1 Tamsayılarda İşlemler... 2 1.1.1 Tek, Çift ve Ardışık Tamsayılar... 5 1.2 Rasyonel Sayılar... 6 1.2.1 Kesirlerin Birbirine Çevrilmesi... 7 1.2.2 Kesirlerin Genişletilmesi
DetaylıMAK 210 SAYISAL ANALİZ
MAK 210 SAYISAL ANALİZ BÖLÜM 1- GİRİŞ Doç. Dr. Ali Rıza YILDIZ 1 Mühendislikte, herhangi bir fiziksel sistemin matematiksel modellenmesi sonucu elde edilen karmaşık veya analitik çözülemeyen denklemlerin
DetaylıDoç. Dr. Dilek ALTAŞ İSTATİSTİKSEL ANALİZ
I Doç. Dr. Dilek ALTAŞ İSTATİSTİKSEL ANALİZ II Yayın No : 2845 Teknik Dizisi : 158 1. Baskı Şubat 2013 İSTANBUL ISBN 978-605 - 377 868-4 Copyright Bu kitabın bu basısı için Türkiye deki yayın hakları BETA
DetaylıPERGEL YAYINLARI LYS 1 DENEME-6 KONU ANALİZİ SORU NO LYS 1 MATEMATİK TESTİ KAZANIM NO KAZANIMLAR
2013-2014 PERGEL YAYINLARI LYS 1 DENEME-6 KONU ANALİZİ SORU NO LYS 1 MATEMATİK TESTİ A B KAZANIM NO KAZANIMLAR 1 1 / 31 12 32173 Üslü İfadeler 2 13 42016 Rasyonel ifade kavramını örneklerle açıklar ve
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
Detaylı3. TAHMİN En Küçük Kareler (EKK) Yöntemi 1
3. TAHMİN 3.1. En Küçük Kareler (EKK) Yöntemi 1 En Küçük Kareler (EKK) yöntemi, regresyon çözümlemesinde en yaygın olarak kullanılan, daha sonra ele alınacak bazı varsayımlar altında çok aranan istatistiki
DetaylıIİSTATIİSTIİK. Mustafa Sezer PEHLI VAN
IİSTATIİSTIİK Mustafa Sezer PEHLI VAN İstatistik nedir? İstatistik, veri anlamına gelir, İstatistik, sayılarla uğraşan bir bilim dalıdır, İstatistik, eksik bilgiler kullanarak doğru sonuçlara ulaştıran
DetaylıİSTATİSTİK ÖRNEK SORULARI
1. Aşağıda gruplandırılmış seri verilmiştir. (n) 0-10 den az 5 10-20 den az 6 20-30 den az 9 30-40 den az 11 40-50 den az 4 50-60 den az 3 TOPLAM 38 İSTATİSTİK ÖRNEK SORULARI a) Mod değerini bulunuz? (15
Detaylı1. BÖLÜM Polinomlar BÖLÜM II. Dereceden Denklemler BÖLÜM II. Dereceden Eşitsizlikler BÖLÜM Parabol
ORGANİZASYON ŞEMASI . BÖLÜM Polinomlar... 7. BÖLÜM II. Dereceden Denklemler.... BÖLÜM II. Dereceden Eşitsizlikler... 9. BÖLÜM Parabol... 5 5. BÖLÜM Trigonometri... 69 6. BÖLÜM Karmaşık Sayılar... 09 7.
DetaylıMatris Cebiriyle Çoklu Regresyon Modeli
Matris Cebiriyle Çoklu Regresyon Modeli Hüseyin Taştan Mart 00 Klasik Regresyon Modeli k açıklayıcı değişkenden oluşan regresyon modelini her gözlem i için aşağıdaki gibi yazabiliriz: y i β + β x i + β
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
DetaylıSAYISAL ÇÖZÜMLEME Yrd. Doç. Dr. Adnan SONDAŞ Sayısal Çözümleme
SAYISAL ÇÖZÜMLEME Yrd. Doç. Dr. Adnan SONDAŞ asondas@kocaeli.edu.tr 0262-303 22 58 1 SAYISAL ÇÖZÜMLEME 1. Hafta SAYISAL ANALİZE GİRİŞ 2 AMAÇ Mühendislik problemlerinin çözüm aşamasında kullanılan sayısal
DetaylıTaylor Serisi. Şekil 16. HMS Leviathan. Şekil 17. Taylor serisi ana formu
... Taylor Serisi Taylor serisi (,). yüzyılın başlarında David Taylor tarafından yüksek hızlı ve çift pervaneli savaş gemisi formlarında kullanılmak üzere geliştirilmiştir. Serinin ana formu yılında inşa
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
DetaylıProf. Dr. Mahmut Koçak.
i Prof. Dr. Mahmut Koçak http://fef.ogu.edu.tr/mkocak/ ii Bu kitabın basım, yayım ve satış hakları Kitabın yazarına aittir. Bütün hakları saklıdır. Kitabın tümü ya da bölümü/bölümleri yazarın yazılı izni
DetaylıİÇİNDEKİLER ÖNSÖZ Bölüm 1 KÜMELER Bölüm 2 SAYILAR
İÇİNDEKİLER ÖNSÖZ III Bölüm 1 KÜMELER 11 1.1. Küme 12 1.2. Kümelerin Gösterimi 13 1.3. Boş Küme 13 1.4. Denk Küme 13 1.5. Eşit Kümeler 13 1.6. Alt Küme 13 1.7. Alt Küme Sayısı 14 1.8. Öz Alt Küme 16 1.9.
DetaylıHatalar ve Bilgisayar Aritmetiği
Hatalar ve Bilgisayar Aritmetiği Analitik yollardan çözemediğimiz birçok matematiksel problemi sayısal yöntemlerle bilgisayarlar aracılığı ile çözmeye çalışırız. Bu şekilde Sayısal yöntemler kullanarak
DetaylıANALİTİK YÖNTEMLERİN DEĞERLENDİRİLMESİ. Doç.Dr. Mustafa ALTINIŞIK ADÜTF Biyokimya AD 2004
ANALİTİK YÖNTEMLERİN DEĞERLENDİRİLMESİ Doç.Dr. Mustafa ALTINIŞIK ADÜTF Biyokimya AD 2004 1 Laboratuvarlarda yararlanılan analiz yöntemleri performans kalitelerine göre üç sınıfta toplanabilir: -Kesin yöntemler
Detaylı1: DENEYLERİN TASARIMI VE ANALİZİ...
İÇİNDEKİLER Bölüm 1: DENEYLERİN TASARIMI VE ANALİZİ... 1 1.1. Deneyin Stratejisi... 1 1.2. Deneysel Tasarımın Bazı Tipik Örnekleri... 11 1.3. Temel Kurallar... 16 1.4. Deneyleri Tasarlama Prensipleri...
Detaylı8.Konu Vektör uzayları, Alt Uzaylar
8.Konu Vektör uzayları, Alt Uzaylar 8.1. Düzlemde vektörler Düzlemdeki her noktası ile reel sayılardan oluşan ikilisini eşleştirebiliriz. Buna P noktanın koordinatları denir. y-ekseni P x y O dan P ye
DetaylıBiyoistatistiğin Tanımı Biyoistatistikte Kullanılan Terimler Değişken Tipleri Parametre ve İstatistik Tanımlayıcı İstatistikler
Biyoistatistiğin Tanımı Biyoistatistikte Kullanılan Terimler Değişken Tipleri Parametre ve İstatistik Tanımlayıcı İstatistikler Doç. Dr. Ertuğrul ÇOLAK Eskişehir Osmangazi Üniversitesi Tıp Fakültesi Biyoistatistik
DetaylıMAK1010 MAKİNE MÜHENDİSLİĞİ BİLGİSAYAR UYGULAMALARI
.. MAK MAKİNE MÜHENDİSLİĞİ BİLGİSAYAR UYGULAMALARI Polinom MATLAB p=[8 ] d=[ - ] h=[ -] c=[ - ] POLİNOMUN DEĞERİ >> polyval(p, >> fx=[ -..9 -. -.9.88]; >> polyval(fx,9) ans =. >> x=-.:.:.; >> y=polyval(fx,;
DetaylıİM 205-İnşaat Mühendisleri için MATLAB. Irfan Turk Fatih Üniversitesi,
İM 205-İnşaat Mühendisleri için MATLAB Irfan Turk Fatih Üniversitesi, 2013-14 Konular 1) İnterpolasyon 2) Polinom Fonksiyonu 3) Sayısal İntegral Fonksiyonları 4) Sayısal İntegral Alma 5) Diferansiyel Denklemleri
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
DetaylıTek Değişkenli Optimizasyon OPTİMİZASYON. Gradient Tabanlı Yöntemler. Bisection (İkiye Bölme) Yöntemi
OPTİMİZASYON Gerçek hayatta, çok değişkenli optimizasyon problemleri karmaşıktır ve nadir olarak problem tek değişkenli olur. Bununla birlikte, tek değişkenli optimizasyon algoritmaları çok değişkenli
Detaylıİkinci Mertebeden Lineer Diferansiyel Denklemler
A(x)y + B(x)y + C(x)y = F (x) (5) Denklem (5) in sağ tarafında bulunan F (x) fonksiyonu, I aralığı üzerinde sıfıra özdeş ise, (5) denklemine lineer homogen; aksi taktirde lineer homogen olmayan denklem
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
Detaylısayısının tamkare olmasını sağlayan kaç p asal sayısı vardır?(88.32) = n 2 ise, (2 p 1
TAM KARELER 1. Bir 1000 basamaklı sayıda bir tanesi dışında tüm basamaklar 5 tir. Bu sayının hiçbir tam sayının karesi olamayacağını kanıtlayınız. (2L44) Çözüm: Son rakam 5 ise, bir önceki 2 olmak zorunda.
DetaylıŞekil 7.1 Bir tankta sıvı birikimi
6 7. DİFERENSİYEL DENKLEMLERİN SAYISAL ÇÖZÜMLERİ Diferensiyel denklemlerin sayısal integrasyonunda kullanılabilecek bir çok yöntem vardır. Tecrübeler dördüncü mertebe (Runge-Kutta) yönteminin hemen hemen
Detaylı