You are on page 1of 160

I.

STATSTK VE OLASILIK
Do. Dr. rfan Yolcubal Kocaeli niversitesi Jeoloji Mh. Blm

Ders Kitab
Statistical analysis of Geological data (Koch G. S., ve Link, R. F., 1980. Dover Publications) A data-based approach to statistics (Iman, R. L., 1994) Basic statistics for Business and Economics (Lind, D. A., and Mason, R. D., 1997) statistik Analiz Metotlar (Prof. Dr. Bilge Aloba)

DEERLENDRME
Devam zorunlu (% 70) 2 Snav (Ara vize + Final) dev Grup almas OK dev kopyalamak yasak

DERS PROGRAMI
Data toplama ve sunum ekilleri
rnek vs. Poplasyon kavramlar Data toplama teknikleri Data sunum ekilleri
Pasta diyagramlar Histogramlar Bar grafikler Kmlatif rlatif sklk grafikleri Dalm grafikleri (X-Y)

Datalarn Deerlendirilmesi
Tarifsel istatistik
Analitik ve analitik olmayan ortalamalar standart sapma, varyans, standart hata, gvenilirlik aral vb

DERS PROGRAMI devam


Olaslk ve Olaslk dalmlar (Probability density functions)
Binom Logaritmik Normal Poisson

Tahmin ve Hipotez testi


t-test z-testi Varyans analizi (ANOVA)

Korelasyon ve Regresyon Linear regresyon Jeolojide rnekleme ve jeolojik datalardaki deikenlik

STATSTK NEDR?
statistik ksaca, data analizini kapsayan matematik biliminin alt bir daldr.
Datalarn toplanmas, derlenmesi, zetlenmesi,sunumu, analizi ve ayn zamanda verilerden geerli bir sonu karlmas istatistik dalnn balca ilgi alanlardr.

STATSTN UYGULAMA ALANI


statistiksel metotlar, Jeolojide olduu gibi, modern yaamn byk bir alannda da, datalarn deerlendirilmesinde ve analizinde yaygn bir ekilde kullanlmaktadr.
Japon rnlerini dnyada popler yapan kalite-kontrol tekniklerinin uygulanmasnda Ozon tabakasndaki incelmenin tahmininde Nfus saymnda TOP 40 hit listesinin belirlenmesinde Hava tahminlerinde TV reytinglerin belirlenmesinde Kiisel bilgisayarnzdaki paralarn performanslarnn gelitirilmesinde Seim tahminlerinde Risk analizinde Ve daha bir ok alanda

STATSTK TRLER
Tarifsel (Descriptive) istatistik: nmerik verileri derlemek, dzenlemek, ve zetlemek iin kullanlan prosedrler Tmevarmsal (Inferential) istatistik: rneklemeye dayanarak bir poplasyon hakknda bilgi elde etmek iin kullanlan metotlar

DATALARIN TOPLANMASI: Kavramlar


rnek (Sample) : nceleme yaplan poplasyonun bir blm Poplasyon: Hakknda bilgi edinilmeye allan birimlerin ( kiiler, nesneler, deneysel sonular, vb. gibi) toplamn oluturmakta.

Deiken Trleri
Kantitatif (Quantitative) Deiken:
Saysal lekte ifade edilir. Miktar hakknda bilgi verir. Hesabnzdaki bakiye, pilin mr, snftaki rencilerin says vb.

Kualitatif (Qualitative)Deiken :
Nmerik olmayan deikenlerdir. Doum yeri, gz rengi, rk, vb

Deikenlerin Snflandrlmas

DATA TOPLANMASI
rneklemeye gemeden nce inceleme yaplan poplasyonun iyi bir ekilde belirlenmesi gerekmektedir. Uygun rnekleme teknii ve protokol: Toplanan rneklerin incelenen poplasyonu tam anlamyla yanstmas gerekmektedir.

DATA TOPLANMASI
Tm poplasyonu incelemek (Saym) yerine neden rneklemeyi kullanyoruz?
Dk maliyet Zaman Dikkatlice alnm rnekler baz durumlarda bir saymdan daha doru bilgi verebilir. Baz durumlarda imkansz olabilir. rnlerin yok edilerek test ediliinden rnekleme tek bana yeterli olabilir.

RNEKLEME PLANININ AMAI


Yksek kalite: Toplanan verilerin doruluk derecesi Savunabilirlik: Plann geerlilii ile ilgili dokmantasyonun mevcut olmas Tekrarlanabilirlik: rnekleme plann takip ederek verilerin tekrar retilebilmesi Temsil edici olmas: ncelenen poplasyonu tamamyla temsil etmesi Faydal olmas: Toplanan veriler plann amacna ulamasnda kullanlabilir olmas

RNEKLEME PLANI
rnekleme plannn hazrlannda rneklerin nerede ve ne zaman alnacana karar vermek gerekmektedir. rneklerin says, lokasyonu, ve zaman rnekleme btesini amadan istatistiksel olarak geerli bir rnek almaya yeterli olmaldr. Bunu salamak iin uygun bir rnekleme stratejisi belirlemek gerekmektedir.

RNEKLEME EKLLER
Rasgele (Random): Her rnein ayn saydaki gzlemde eit olaslkla olarak seilebilmesi Sistematik: Karara dayal (Judgemental):

RNEKLEME EKLLERNE BR RNEK

Karara dayal

Rasgele

Sistematik

rnekleme Hatas (Sampling Error)


statistiksel anlamda hatadan ziyade rneklerin birbirlerinden olan doal deikenliklerini temsil etmektedir. Tm toplanan rneklerde bir tane ortak zellik bulunmakta: rneklerin hibirisinin tamamyla tm poplasyonu temsil etmemesi Dolaysyla, rneklemeye dayal tahminler ile poplasyonun gerek karakteristii arasnda daima farkllk olacaktr.

VER GRAFKLEME TRLER


Pasta diyagramlar (Pie Charts) Bar grafikler Histogramlar Kartezyen (X-Y) grafikleri Frekans Dalm grafikleri

Pasta Diyagramlar
Farkl yada kantitatif datalarn oran yada yzde ekilde sunulmasnda kullanlr.

10

BAR GRAFKLER

Dey bar grafikleri:niversite mezunu erkek ve bayanlarn ya gruplarna gre gelir dalmn gsteren bar grafiklerine bir rnek

11

X-Y GRAFKLER

II. VERLERN ORGANZE EDLMES VE SUNULMASI

12

Tasnif
Bir kitlenin veya grubun zelliklerine gre yapsn ortaya karabilmek amacyla, elde edilen bilgileri bir vasf veya vasflar bakmndan eitli klara ayrarak ayn kk ait birimleri kmeler halinde bir araya getirme ilemine denir. Veri saysnn snrl olduu durumlarda uygulanabilir.

Tasnife rnek: 100 kiilik bir snftaki rencileri ya vasfna gre tasnif edersek

13

Gruplama
Eer tasnif edilecek veri says ok fazla ise bunlar tasnif yoluyla kmelere ayrmak mmkn olsa bile anlaml ve ilemlere elverili olmayabilir. Byle durumlarda bir vasfn birbirine yakn olan klarn gruplar halinde toplamaya, yani gruplamaya bavurulabilir.

Gruplamaya rnek: Dnyadaki 29 en byk ehir nfus itibariyle gruplanarak bir frekans dalm veya blnmesi eklinde ifade edilebilir.

14

Gruplamaya rnek:(Hatal) Bir endstri dalnda faaliyet gsteren iletmelerde altrlan ii saysna gre gruplamak istersek

FREKANS DAILIMLARI YADA BLNMELER (Frequency Distributions) Verilerin her bir snf aralna den gzlem saysn(frekans) gsterecek ekilde gruplandrlmas ilemi.

15

Snf aral, Snf snrlar, snf orta noktas kavramlar


Snf aral: Snfn alt ve st snrlar arasndaki fark Snf snrlar:Snfa ait minimum ve maksimum snr deerleri Snf orta noktas veya noktas: Snfn alt ve st snrlarn ortalamas

Frekans Dalmnn oluturulmas rnek: Bir tatn yl iindeki sat fiyatlarnn organize edilmemi hali: Ham data

16

Snf Saysnn Belirlenmesi

Snf Aralnn Belirlenmesi

17

FREKANS DAILIM TABLOSU:

FREKANS DAILIM GRAFG (HSTOGRAM)

18

FREKANS DAILIMLARININ OLUTURULMASINDA DKKAT EDLEEK HUSUSLAR


Frekans dalmlarnn oluturulmasnda mmkn olduu kadar eit snf aralklar seilmeli Eit olmayan snf aralklar frekans dalmlar grafik edilirken sorun yaratabilirler. Fakat baz durumlarda (ok sayda bo snf oluturmaktan kanmak iin) eit olmayan snf aralkl frekans dalmlarnn oluturulmasnda kullanlabilir.

Uygun olarak seilmemi snf saysna gre oluturulmu frekans dalmlar, verinin frekans dalm hakknda faydal bilgiler sunmayabilir. rnek:

19

Nispi frekans dalmlar (relative frequency distributions)


Bir ok durumda bir snfn mutlak frekansndan ok toplam iindeki nispi frekansn bilmek gerekmektedir. Snfn nispi frekans, o snfn frekansnn toplam frekansa orandr.

20

Nispi frekans dalm

21

KMLATF FREKANS DAILIMLARI


Kmlatif frekans dalmlarnn en nemli zellikleri belirli bir dzeyin altnda veya stnde bulunan birimlerin frekansn gsterebilmeleridir. Kmlatif frekans dalmlar snf aralklar farkl serilerin kyaslanmasn kolaylatrr. Kyaslamann salkl olabilmesi iin nceden mutlak frekanslarn nispi frekanslara evrilmesi gerekir.

Kmlatif frekans dalmlarnn oluturulmas: rnek:Bir snftaki rencilerin boy uzunluklarnn frekans dalmlar

22

Kmlatif Frekans Dalmlar

23

FREKANS POLGONLARI
Bu grafiklerde snf aral yerine snf orta noktasnn snf frekansna gre dalm izgisel olarak grafiklenir. Frekans poligonlarnn histogramlara gre bir avantaj 2 veya daha fazla frekans dalm grafiinin kolaylkla birbirleri ile karlatrlmasna imkan tanmasdr ( Frekans dalmlarnn snf says ve aral ayn olmak koulu ile)

24

II. Merkezi Eilim lleri


Do. Dr. rfan Yolcubal Kocaeli niv. Jeoloji Mh. Bl.

Analitik Ortalamalar
Bir rneklemede tm veri deerlerini dikkate alan merkezi eilim lleridir.
Aritmetik ortalama Arlkl ortalama Geometrik ortalama Harmonik ortalama

Aritmetik Ortalama (Aritmetic mean)


Gruplanmam yani ham veriler iin aritmetik ortalama, tm veri deerlerinin toplamnn toplam veri saysna orandr.

X =

X
i =1

X 1 + X 2 + X 3 + ....... X n N

X : Aritmetik ortalama
N: Toplam veri says X: veri deeri

Tekrarlanan gzlemlerin veri deerlerinin hesab


Bir rnekte gzlem deerleri bir ok kez tekrarlanabilir. rnein, 20 kiilik bir snfta istatistik dersinden geen rencilerin notu u ekilde sralanmaktadr: 5, 5, 5, 5, 5, 6, 6, 6, 7, 7, 8, 8, 8, 9, 9, 9, 10, 10, 10, 10 Bu snfn istatistik dersinin aritmetik ortalamas nedir?

X = n =

1 n

fi

i =1

fi X

i =1

fi: bir rnekteki Xi`nin frekans k: rnekteki gzlem says Xi: i.gzlem deeri n=toplam veri says

X =

( 5 * 5 ) + ( 3 * 6 ) + ( 2 * 7 ) + ( 3 * 8 ) + ( 3 * 9 ) + ( 4 * 10 ) = 7 .4 20

Aritmetik Ortalamann zellikleri


Bir serideki her bir veri deerinin aritmetik ortalamadan olan sapmalarnn toplam daima sfrdr.

( X X ) = 0
rnek: 3, 8, ve 4 deerlerin aritmetik ortalamas 5`dir.

( X X ) = (3 5) + (8 5) + (4 5) = 2 + 3 1 = 0
Aritmetik ortalamann hesaplannda veri setindeki tm veri deerleri kullanlr. Bir veri setinin yalnzca bir aritmetik ortalamas vardr.

Aritmetik Ortalamann Dezavantaj


Aritmetik ortalamann dezavantaj, veri setindeki ar deerlerden kolay etkilenmesidir. Bir veri setindeki verilerden bir ka ok yksek yada dk deerler ieriyor ise, aritmetik ortalama, veri setinin merkezi eilim lmn temsil etmek iin uygun olmayabilir.
rnek: 5 rencinin bir snavda alm olduu notlar 70, 70, 70, 70, ve 100`dir. Aritmetik ortalama 76 olacaktr. Bu aritmetik ortalama veri setinin iyi bir ekilde temsil etmemektedir.

Ak snf aralkl frekans dalm tablolarnda aritmetik ortalama uygun deildir.

Arlkl Ortalama(Weighted Mean)


Aritmetik ortalamada, her bir veri deerinin neminin eit olduu varsaylmaktadr. Fakat baz deerlerin nemi dierlerinden farkl olabilir. Bu durumlarda arlkl ortalama kullanlr.

X 1W 1 + X 2W 2 + X 3W 3 + ........ + X n W n W 1 + W 2 + W 3 + .......... + W n X =

W
i =1 n i =1

W: Her bir veri deerinin arln yani nemini ifade etmektir. X W : Arlkl ortalama

Arlkl Ortalama`ya rnek


Bir renci matematik dersinden 6, edebiyat dersinden 7, mzik dersinden 10 ve ngilizce dersinden 9 almtr. Bu rencinin ders ortalamasn hesaplayalm. Ders kredileri: Matematik:3, edebiyat: 2, mzik:1, ngilizce: 1

XW =

(6 * 3) + (7 * 2) + (9 *1) + (10 *1) 51 = = 7.3 3 + 2 +1+1 7

X=

6 + 7 + 9 + 10 =8 4

Arlkl Ortalama: rnek 2


Sarar normal perakende sat fiyat zerinden ($400) 95 adet Kl marka takm elbiseyi satmtr. Bahar indiriminde ayn takm elbiseyi 200 dolara indirerek 126 adet, en son indirimde de 100 dolara 79 adet takm elbise satmtr. Sarar takm elbisesinin arlkl ortalama fiyat nedir? Sarar her bir takm elbiseye birim fiyat olarak $200 demitir. Sararn bu sattaki toplam kazanc ne kadardr?

rnek 2

X X

( 95 * 400 ) + ( 126 * 200 ) + ( 79 * 100 ) 95 + 126 + 79 71100 = = $ 237 300 = $ 37 = $ 12100

Birim Kazan : 237 200 Toplam Kazan : 37 * 300

Geometrik Ortalama (Geometric Mean) Geometrik ortalama iktisat ve iletme alanlarnda yaygn olarak kullanlan bir ortalama trdr. Geometrik ortalama zellikle 1) deiim oranlarnn (yzde, oran, vb.) ortalamasnn hesaplanmasnda 2) bir zaman aral ierisindeki bir retimin yada satn art miktarnn ortalamasnn belirlenmesinde yaygn olarak kullanlmaktadr.

G .O . =

( X 1 )( X 2 )( X 3 ).......( X n )

Not: Eer veri deerlerinden bir 0 yada negatif deerlikli ise Geometrik ortalama hesaplanamaz.

log G .O . =

1 n

log X

Veri says ok olduu durumlarda hesaplar kolaylatrmak amacyla logaritmalardan yararlanlmaktadr.

Geometrik Ortalama: rnek 1


Bir inaat irketinin drt projedeki ortalama kr yzdeleri 3, 2, 4, Ve 6`dr. Bu irketin ortalama kr nedir?
G .O . = 4 3 * 2 * 4 * 6 = 4 144 = % 3 .46 X = 3+ 2+ 4+6 = % 3 .75 4

Geometrik ortalama daha tutucu bir kar deeri vermektedir. nk ar deerlerden aritmetik ortalamaya gre o kadar fazla etkilenmemektedir. Bu nedenle geometrik ortalama ya aritmetik ortalamaya eit olacaktr yada kk olacaktr.

Geometrik Ortalama: rnek 2


Trkiye'nin nfusu 1990 ylnda 50.7 milyondan 1995 ylnda 56.5 milyona ykselmitir. Bu 5 yl iinde nfusun ortalama art hz ne olmutur?

G.O. = n 1

bir periyotun sonundaki deger 1 bir periyotun baslangicindeki deger

n : periyot araligi

G .O . =

5 1

56 . 5 1 = 50 . 7

1 . 11 1 = % 2 . 47

Harmonik Ortalama(Harmonic mean)

Baz zel durumlarda bavurulan bir ortalama olup hz, fiyat, verimlilik gibi oransal olarak belirtilebilen baz deiken deerlerin ortalamalarnn hesaplannda kullanlr.
H = N = 1 1 1 1 + + + .... + X1 X2 X3 Xn N

1 Xi

Deikenlerden birinin sabit, dierinin ise deiken olduu durumlarda bavurulan bir ortalamadr. Veri deerlerinde sfr bulunmas yada veri deerlerinin farkl iaret tamalar durumunda harmonik ortalama kullanlmaz.

Harmonik Ortalama: rnek


ki kasaba arasndaki mesafe gidite saatte 75 km. hzla, dnte ise 50 km hzla kat edilmektedir. Bu durumda ortalama hz nedir? ki kasaba arasndaki mesafe 150 km varsaylr ise gidi iin gerekli sre 150/75: 2 saat, dn iin ise 150/50: 3 saat Burada mesafe unsuru sabit fakat zaman unsuru ise sabit olmadndan harmonik ortalama kullanlmtr.

H =

2 1 1 + 75 50

= 60 km

X=

75 + 50 = 62.5km 2

ANALTK OLMAYAN MERKEZ ELM LLER

Bir rnekteki btn veri deerlerini dikkate almayan merkezi eilim lleridir.
Medyan (Median) Mod (Mode)

Medyan (Ortanca)
Baz durumlarda rnein bir yada iki tane ok yksek yada dk deerler ierebileceinden bahsetmitik. Bu gibi durumlarda aritmetik ortalama rnein merkezi eilimini yanstmaz. Byle problemlerde medyan deeri kullanlarak rnein merkezi eilimi llebilir.
Veri deerleri bykten ke yada kkten bye sralandktan sonra, tam ortadaki yani veri dizisini 2 eit frekansa ayran deerdir. Dzenlenmemi verilerde medyan`n yerini kolaylkla tespit etmek iin aadaki formlden yararlanlabilir.

medyan degerinin yeri = n = toplam veri sayisi

n +1 2

Medyan: rnek1

Bir klinikte pansuman iin denen miktarlar aadaki gibi sralanmaktadr: 65, 29, 30, 25, 32, 35 TL. Medyan fiyat nedir? 25 29 30 Medyan : (30+32)/2= 31 TL. 32 35 65

Medyan: rnek 2

Yuvack Kalc konutlarndaki kira fiyatlar aadaki gibi sralanmaktadr: 120,100, 110, 115, 125, 105, 70 TL. Ortalama kira fiyat nedir.

Medyan: rnek 2

70 100 105 110 115 120 125

Medyan

10

Medyann zellikleri

Her bir veri setinin tek bir medyan vardr. Veri setindeki ar deerlerden etkilenmedii iin verilerin merkezi eiliminin belirlenmesinde aritmetik ortalamaya nazaran daha doru bir bilgi sunar. Aritmetik ortalamann aksine ak snf aralkl frekans dalmlarnn merkezi eiliminin lmnde kullanlabilirler.

Mod
Bir veri setindeki btn deerleri dikkate almayan (hassas olmayan) bir baka merkezi eilim lmdr. Mod, bir data setinde en sk olarak gzlenen veri deeridir.

11

Mod: rnekler

4, 6. 5, 8, 7, 10, 9, 11

Mod ?

4, 6, 5, 4, 7, 5.5, 4, 6.5, 7, 8, 4, 6, 4, 5, 4, 4 Mod ? 4, 6, 4, 5, 6, 5, 6, 6, 5, 6, 5, 5 Mod ?

Gruplanm Verilerde Aritmetik Ortalama, Medyan, Mod

Baz durumlarda veri deerleri gruplandrlp, frekans dalmlar oluturulmu olabilir ve ham veriler mevcut bulunmayabilir. Bu gibi durumlarda aritmetik ortalama, medyan ve mod frekans dalm tablolarndan hesaplanabilir. Bu deerler gerek ham verilerden hesaplanan deerlerden farkl olabilir.

12

Aritmetik Ortalamann Frekans Dalmndan Hesaplan

X=

fX
N

X: her bir snfn orta noktas f: her bir snf frekans N: Toplam veri says yada frekanslarn toplam deeri

rnek
Net geliri (milyon $) 2-5 5-8 8-11 11-14 14-17 thalat says 1 4 10 3 2

Net gelirin aritmetik ortalamasn hesaplaynz?

13

Net geliri (milyon $) 2-5 5-8 8-11 11-14 14-17 Toplam

thalat says (f) 1 4 10 3 2 20

Snf orta noktas (X) 3.5 6.5 9.5 12.5 15.5

fX 3.5 26 95 37.5 31 193

X=

fX
N

193 = 9.65 20

Frekans Dalmndan Medyann Hesaplan

N CF Medyan = L + 2 (i ) f
L: Medyan snfn alt snr N: Toplam frekans deeri CF: Medyan snfndan nceki snflarn frekanslarnn toplam f: medyan snfnn frekans i: medyan snfnn aral

14

Net geliri (milyon $) 2-5 5-8 8-11 11-14 14-17 Toplam

thalat says (f) 1 4 10 3 2 20

Snf orta noktas (X) 3.5 6.5 9.5 12.5 15.5

CF 1 5 15 18 20

20 5 medyan = 8000000+ 2 (3000000) 10 medyan = 9500000

Frekans Dalmndan Modun Hesaplan

Frekans dalm eklinde gruplanm veriler iin mod, frekans says en fazla olan snfn orta noktas deeridir. Eer frekans dalmnda 2 snf maksimum frekansa sahip ise bu tr dalmlara bimodal dalmlar denilmektedir.

15

Bir rnn sat fiyatn gruplandrlm ekli.

Net sat ($ dolar) 1-4 4-7 7-10 10-13 13 ve daha fazlas

Toplam yzdesi 13 14 40 23 10

Net satn medyan ve modu hesaplaynz? Bu tr tablolara ne ad verilmektedir.

Bir Frekans Dalm Grafiinde Aritmetik ortalama, medyan, mod arasndaki iliki

Aritmetik ortalama= mod=medyan Simetrik frekans dalm erileri

16

Bir Frekans Dalm Grafiinde Aritmetik ortalama, medyan, mod arasndaki iliki

Mod X Med Asimetrisi negatif olan Frekans dalmlar(sola arpk)

X Med Asimetrisi pozitif olan frekans Dalmlar(saa arpk)

Mod

Tek modlu ve asimetrileri ok fazla olmayan veriler iin Aadaki iliki kullanlabilir. Aritmetik ortalama-Mod= 3(Aritmetik Ort-Medyan)

17

III. DAILMA YADA DEKENLK LLER (MEASURE OF DISPERSION)

Do. Dr. rfan Yolcubal Kocaeli niv. Jeoloji Mh. Bl.

Dalma (deikenlik) llerinin analizinin nedeni


Bir veri setinin merkezi eilim lsnn deerlendirilmesi 2 veya daha fazla veri setinin dalmnn karlatrlmas

Dalma yada deikenlik lleri


Deikenlik aral (Range) Ortalama sapma (mean deviation) Varyans (Variance) Standard sapma (Standard deviation)

Gruplanmam verilerde dalmn lm


Deikenlik aral (Range): Bir veri serisindeki en yksek deer ile en dk deer arasndaki farka eittir.
R= Maksimum deer- Minimum deer

Deikenlik aral (Range)


Seri 1 2 3 6 7 8 10 Seri 2 5 5 5 6 7 8

X=6
R=10-2=8

X=6
R=8-5=3

Gruplanm verilerde deikenlik aralnn(Range) belirlenmesi


Saatlik cret(lira) Frekans

5-10 10-15 15-20 20-25

10 21 9 5

R= 25-5=20 TL

Ortalama yada Mutlak Ortalama Sapma (Mean Deviation or Mean Absolute Deviation)

Bir poplasyondaki tm veri deerlerinin poplasyonun aritmetik ortalamasndan olan mutlak sapmalarnn aritmetik ortalamasdr.

O.S . =

X X N

X X = mutlak sapma

Ortalama Sapma (Gruplanmam Verilerde)


15, 16, 18, 21, 25 deerlerinden meydana gelmi serinin ortalama sapmasn hesaplayalm. Veriler 15 16 18 21 25
X X X X

15-19 16-19 18-19 21-19 25-19 TOPLAM

4 3 1 2 6 16

O. S . =

16 = 3.2 5

Ortalama sapma (Gruplanm Verilerde)


Snf frekans (f) 7 14 16 9 5 51 Snf orta noktas (X) 15 25 35 45 55

fx
105 350 560 405 275 1695

X X
15-33.2 25-33.2 35-33.2 45-33.2 55-33.2

X X f X X
18.2 8.2 1.8 11.8 21.8 127.4 114.8 28.8 106.2 109 486.2

10-20 20-30 30-40 40-50 50-60 Toplam

X=

fX = 1695 = 33.2
N 51

O. S . =

X X 486.2 = = 9.53 51 N

Varyans (Variance) ve Standart sapma (Standard deviation)


Varyans, bir veri setindeki tm veri deerlerinin, ortalamadan olan sapmalarn karesinin aritmetik ortalamasdr.

X X = N
Poplasyona ait

2 =

X X N 1

rneklemeye ait

Standart Sapma
Bir veri setinin varyansnn karekkne eittir.

X X N

X X = N 1

Poplasyona ait

rneklemeye ait

Standart sapma ve varyansn zellikleri


Bir serideki deerlere bir sabitin (ann) eklenmesi veya bu deerlerden bir sabitin karlmas ile serinin varyans ve standart sapmas deimez.

2 ( X a) = 2 ( X ) 2 ( X + a) = 2 ( X )

Bir serideki deerlerin her birinin belirli bir sabit ( c ) ile arplmas sonucu meydana kan serinin varyans, orijinal serinin varyansnn sabitin karesi ile arpmna eittir. Ancak standart sapmas, orijinal serinin standart sapmasnn sabitin kendisi ile arpmna eit olmaktadr.

2 (cX ) = c 2 2 ( X ) ( cX ) = c ( X )

Standart Sapma ve Varyans (Gruplanmam verilerde)


22, 25, 28, 30, ve 35 deerlerinden oluan poplasyonun varyans ve standart sapmasn hesaplayalm.

X 22 25 28 30 35

(X X)

( X X )2

X=

-6 -3 0 2 7
X) = 0

36 9 0 4 49

140 = 28 5

X = 140 ( X

(X

98 = = 196 . 5 = 196 = 443 . .


2

X ) 2 = 98

Standard Sapma ve Varyans Hesab (Gruplanm verilerde)- Poplasyon rnei


snflar frekans (f) Snf orta noktas (X) fX
2 (X X) (X X)

f ( X X )2

0-200 200-400 400-600 600-800 Toplam 32

8 11 7 6

100 300 500 700

800 3300 3500 4200 11800

-270 -70 130 330

72900 4900 16900 108900

583200 53900 118300 653400 1408800

X=

11800 1408800 = 370 2 = = 44025 32 32

= 44025 = 20982 .
7

Gruplanm verilerin varyans ve standart sapmas


Snflandrlm verilerde, snf orta noktas her zaman bu ksmn arlkl orta noktas olmayacandan, ham verilere gre gruplandrlm deerlerde daha yksek varyans deeri bulunur. Bunu nlemek iin Sheppard dzeltmesi yaplr.

Sh=c2/12 c=snf aral Sh=sheppard dzeltmesi Dzeltilmi varyans = 2-Sh

Varyans
Tek bir veri seti iin varyans deerinin yorumlanmas zordur. Deikenlik aral ve ortalama sapmada olduu gibi varyans, 2 veya daha fazla data setindeki verilerin deikinlik derecelerin karlatrlmasnda kullanlr.

Simetrik frekans dalm grafiklerinde standart sapma ve aritmetik ortalama arasndaki iliki

-3 -2 -1 X 1 2 3 %68 %95 %99.7

X 1

X 2
X 3

Nisbi Dalma(Relative Dispersion)


Deiim katsays (Coefficient of variation): % olarak ifade edilir. Bir data setinin standart sapmasnn aritmetik ortalamasna orandr.

Degisim Katsayisi(%) =

*100

Birimleri farkl olan farkl 2 data setinin kyaslanmasnda (cm, TL) Birimleri ayn fakat ortalamalar birbirinden ok farkl olan data setlerin kyaslanmasnda deiim katsays kullanlr.

X = 500000, = 50000 X = 12000, = 2000

50000 * 100 = 10% 500000 2000 Degisim katsayisi = * 100 = 16.7% 12000 Degisim katsayisi =

Gruplanmam verilerde arpklk


Frekans dalm grafiklerinin arpklk derecesini tarif etmektedir.

(x x) k =
i

n 3

arplk genellikle 3 ile +3 deerleri arasnda deimektedir.

Simetrik arpklk=0

Pozitif arpklk

Negatif arpklk

Gruplanm verilerde arpklk

k =

fi xi x f
i 3

Carpiklik =

3(X medyan)

eklinde de hesaplanabilir.

10

Gruplanmam verilerde Kurtosis (Basklk-Sivrilik)


Frekans dalm erisinin yksekliini belirten bir parametre.

(x x) Kur =
i

Ham verilerde Gruplanm verilerde

n
i

f (x x) Kur = f
i 4 i

Kur=3 (mesokurtik, yada normal dalm) Kur>3 (Leptokurtik, sivri-orta ksmlar u ksmlara gre daha yi boylanm yada sivrilemi can erisi Kur<3 (Platykurtik,bask u ksmlar daha iyi boylanm yada bask an erisi

11

IV. OLASILIK YADA HTMAL TEORS


Dr. Irfan Yolcubal Kocaeli niversitesi

Olaslk Kavram
Olaslk (Probability): Belirli bir olayn olma ihtimalinin yada ansnn lm.
0 P(A) 1. Oran olarakta ifade edilebilir (rnein, 7/10; 20/100; 1/2) 0 olaslk olayn kesinlikle olmayacan; 1 olaslk ise olayn kesinlikle meydana geleceini ifade etmektedir.

Terminaloji: Deney (Experiment), Sonu (Outcome), ve Olay (Event)


Deney
Zar atma

Sonu
1, 2, 3, 4, 5, 6

Olay
ift bir saynn gelmesi 4`den byk saynn gelmesi, vb.

Deney: Bir aktivitenin gzlemlenmesi yada lm alma ekli Sonu: Bir deneyin belli bir sonuu Olay: Bir deneyin bir yada daha fazla sonularnn toplam

Olaslk Snflandrlmas
Olaslk 2 ekilde snflandrlabilir. Objektif Olaslk (Tekrarlanabilen rastgele bir deneye bal). rnek: Rus ruletinin dndrlmesi, zar atlmas
Klasik Olaslk Nisbi frekans olarak 2 ksma ayrlabilir.

Subjektif Olaslk (Tekrar edilemeyen bir deneye bal). rnek: Gemis meteoroloji verilerine dayanarak yarn yamur yama ihtimalinin tahmini subjektif olaslk deerleri sunan bir deneydir.

Klasik Olaslk Tanm


Eer bir olay E, mmkn olan ve ortaya kma ans eit olan btn hallerden (n) sadece (a) kadar halde ortaya kyor ise, o olayn ihtimali

P( E ) =

a elverisli hal sayisi = n toplam mumkun haller sayisi

rnek: Bir zar atldnda 2 gelme olasl, P=1/6 = 0.167

Klasik Olaslk Kavram


Olayn kn elverili hal(a), kmaynda elverisiz hal (b) olarak ifade edersek,
n= a+b

Elverisiz bir halin ortaya kma olasl [P(~E), yada P (E ) ]

P( E ) =

b na a = 1 = 1 P( E ) = n n n

rnek: Bir zar atldnda 2 gelmeme olasl nedir? P(~E)=1-P(E)= 1-1/6 =0.833

Olasln nisbi frekans olarak belirlenmesi


Bir olayn meydana gelme olasl= gemite benzer olayn tekrarlanma saysnn toplam gzlem saysna orandr. rnek. 250 kez para atldnda yaz gelme olaylarnn nisbi frekansn hesaplarsanz
m/n

P (Yaz)=m/n n m: yaz says n: toplam at


50 100 150 200 250

0.5

OLASILIK HESAPLAMARINDA TEMEL KURALLAR


Olasklarn toplanmas: Bileik bir olayn ortaya kma olasl, o olay meydana getiren olaylarn olaslklarn toplamna eittir. rnein A veya B olaynn meydana gelme olasl P (A veya B) = P(A) + P(B) Bu kuraln uygulanabilmesi iin bir olay meydana gelirken ayn anda dierlerinin meydana gelmemesi gerekmemektedir. Yani bileik olaylarn birbirlerini engelleyen trden olmas gerekmektedir [P(AB)=0]. Bir kere zar atldnda 2 yada 6 gelme olasl nedir? P(2 yada 6) = 1/6 +1/6 =0.33

Olaslklarn toplanmas
Eer bir deneyde A, B, ve C olaylar birbirlerini engellemeyen trden olaylar ise A ve B olaylarnn ortaya k olasl P(A veya B)= P(A) +P(B)-P(AB)
P(AB): Birleik olaslk (Joint probabilit):hem A hemde B olaynn ayn anda meydana gelme olasl

A veya B veya Cnin ortaya k olasl; P (A veya B veya C)= P(A) + P(B)- P(AB)P(AC)-P(BC)+P(ABC)

rnek 1
Bir deste iskambil kat arasndan 1 vale veya 1 maa ekme olasl nedir? Vale ekme olay: A; maa ekme olay: B P(A veya B)=P(A)+P(B)-P(AB) = 4/52 + 13/52 1/52 = 4/13

rnek 2
lkemizi ziyaret eden 200 turist zerinde yaplan ankette sadece Ayasofyay ziyaret eden turist says 120, Efesi ziyaret eden turist says ise 100dr. 60 ise her ikisinide ziyaret etmitir. Bir turistin Ayasofya veya efesi ziyaret etme olasl nedir? Ayasofyay ziyaret etme olay: A; efesi ziyaret etme olay:B P(A veya B)=P(A) + P(B)- P(AB) =120/200 +100/200 60/200= 0.8

Olaslklarnnn Toplanmasnn Kme Teorisi ile aklanmas


J. Venn(1834-1888) bir deneyin sonularn grafiksel olarak ifade edebilmek iin diyagramlar gelitirdi. Bu diyagramlara Venn diyagramlar denir. A B C
A, B, C olaylar birbirlerini engeleyen olaylar

P(A)+P(B)+P(C) =1 A ~A

P(A)+P(~A)=1

Olaslklarnnn Toplanmasnn Kme Teorisi ile aklanmas


A B P(A veya B)= P(A)+P(B)

~(A veya B)

A AB

P(A veya B)=P(A)+P(B)-P(AB)

Olaslklarn arpm kural


artl olaslk(Conditional Probabilility): ayet A olay B olayndan sonra ortaya kyorsa, A olaynn olaslna artl olaslk denir ve P(A|B) eklinde ifade edilir. P(A|B): Eer B olay meydana geldiyse A olaynn olasln ifade etmekte. P( AB)

P( A| B) =

P( B)

Ave B olaylar birbine bal ise yani B olaynn ortaya k A olaynn olasln etkiliyorsa hem A hemde B olaynn ayn anda meydana gelme olasl

P( AB) = P( A). P( B| A) P( AB) = P( B). P( A| B)

rnek
Bir kutuda 10 adet film var. Bunlardan 3nn bozuk olduu biliniyor. Eer srasyla birer adet toplam 2 film ekersek, seilmi filimlerin her ikisininde bozuk olma olasl nedir? P(A): birinci ekimde filmin bozuk kma olasl P(B): ikinci ekimde filmin bozuk kma olasl P(A ve B)= P(A).P(B|A) =3/10 . 2/9 =0.0667

Olaslklarn arpm kural


Eer A ve B olaylar birbirinden bamsz ise yani birinin ortaya k dierinin olasln etkilemiyor ise Hem A hemde Bnin ayn anda ortaya kma olasl P(AB)=P(A)P(B)

dev
Eer A, B, ve C olaylar birbirine bal ise A,B,ve Cnin ayn anda ortaya kma olasln nasl hesaplarz?

Bayes Kural
artl olaslklarn hesaplanmasnda kullanlan bir tekniktir. Kuraln ama bir olayn ortaya kmasnda birden fazla bamsz nedenin etkili olmas halinde bu nedenlerden herhangi birinin, o olay yaratm olmas ihtimalini hesaplayabilmektir.

P ( A'i | B) =

P( Ai ) P( B| Ai ) P ( A1 ) P( B| A1 ) + ...+ P( An ) P( B| An )

SREKSZ(DISCRETE) OLASILIK DAILIMLARI


Yrd. Do.Dr. rfan Yolcubal Kocaeli ni. Jeoloji Mh.

Random Deiken: Nmerik olarak ifade edilen bir deneyin sonular


Sreksiz(Discrete) Random Deiken:
Random deiken belirli bir aralkta sadece kesin deerler alabilir. Random deikenin deeri sayarak elde edilir.

rnek:
Bir paray 5 kez atalm ve tura gelme saysn hesaplaylm (0, 1, 2, 3, 4, yada 5) Bir haftada yaplan sat says 5 dakika ierisinde Trk petrole gelen ara says 200 kii ierisinden uak rezervasyonu yaptrp, sonra vazgeen kii says

Srekli (Continuous) Random Deiken: Random deiken belirli bir aralkta her deeri alabilir. | 2 | 3 | 4 | 5 | 6 | 7 | 8
X

Sreksiz Random Deikenlerin Olaslk Dalmlar


Olaslk dalm, bir deneyin olas sonularn ve her bir sonua karlk gelen olaslklar sunan dalmlardr. 2 paray ayn anda atarsak
3/4 2/4 1/4

yaz gelme olasl

Olaslk

0 1 2 x = Yaz gelme says

Sreksiz(Discrete) Olaslk Dalmlar


Tm olas [xi , p(xi)] iftleri x= random deikeninin deeri P(x)= random deikenin meydana gelme olasl 0 p(xi) 1 P(xi) = 1 Deneyin sonularna ait olaslklarn toplam 1e eittir. Deneyin sonular birbirlerini engellemeli

Sreksiz Olaslk Dalmlarnn ortalamas ve varyans = E(X) = xi p(xi)


2 = (xi - )2p(xi)

rnek: 2 paray ayn anda atalm ve yaz gelme saysn belirleyelim. Ortalama deeri ve varyans hespalay = 0 .25 + 1 .50 + 2 .25 = 1

= (0 - 1)2(.25) + (1 - 1)2(.50) + (2 - 1)2(.25) = .50

Sreksiz Olaslk Dalm Modelleri


Sreksiz Olaslk Dalmlar

Binom

Hipergeometrik

Poisson

BNOM OLASILIK DAILIMLARI


Binom olaslk dalmlar n adet deneyde kesin olarak x adet elverili halin meydana gelme olasln tarif eden dailmlardr. Binom dalmlarnda n adet tekrarlanan benzer deney vardr. Deneyin her bir sonuu sadece 2 olaydan biri olabilir: Bunlar genelde elverili(success) ve elverisiz (failure) olaylar olarak snflandrlr. Deneyin her bir sonuun olasl bir deneyden dierine deimez. Tekrarlanan deneylerde, bir deneyin sonuu dierlerinkini etkilemez yani bamszdr. rnek: Bir parann 15 kez yaz/tura iin atlmas, bir nalburdan 10 adet lamba alnmas vb..

BNOM OLASILIK DAILIMLARI


P( x ) = n! p x q n x x !(n x )!

n: deney says x: elverili halin says p: her bir deneydeki elverili halin olasl q: elverisiz halin olasl, q=1-p
Bir para 2 kere atldnda tura gelme olasl X 0 1 2 P(X) 1/4 = .25 2/4 = .50 1/4 = .25

Her x deeri iin = E(x) = np 2 = E[(x )2] = np (1 p)

Binom Olaslk Dalmlar ortalama deer ve varyans


Ortalama

= E ( X ) = np
e.g. = 5 (.1) = .5 Standard Sapma

.6 .4 .2 0

P(X)

n = 5 p = 0.1
X

0 P(X)

1 np ( p )

e.g. = 5(.5)(1 - .5) = 1.118

.6 .4 .2 0

n = 5 p = 0.5
X

rnek: Binom Dalmlar


4 D/Y sorusundan 0, 1 doru evap bulma olasl nedir? Not: grenciler konu hakknda nceden bir bilgiye sahip deildirler.
P (0) = 4! (0.5) 0 (1 0.5) 4 0 = 0.0625 0!(4 0)! 4! (0.5)1 (1 0.5) 4 1 = 0.25 1!(4 1)!
Binom olaslk dalm P=0.5, n=4
0.4 0.35 Elverili halin olasl 0.3 0.25 0.2 0.15 0.1 0.05 0

P (1) =

2 Doru cevap says

Binom Dalmlarnn ekli


.3 .3

Olaslk

.2

Olaslk x

.2

.1

.1

9 10

9 10

(n = 10, p = .5) a
.3 .3

(n = 10, p = .8) b

Olaslk

.2

Olaslk x

.2

.1

.1

9 10

9 10

20

(n = 10, p = .2) c

(n = 20, p = .2) d

Hipergeometrik Olaslk Dalmlar


Hipergeometrik dalmlar binom dalmlarna byk bir benzerlik gstermekte Deney n adet denemeden olumakta Deneyin olas 2 sonuu var Hipergeometrik ve binom olaslk dalmlar arasndaki temel fark, hipergeometrik dalmlarnda denemeler birbirinden bamsz deil

Hipergeometrik Olaslk Dalmlar


Elverili halin olasl bir deneyden dierine deiiyorsa, binom olaslk dalmlar kullanlmaz. Bunun yerine hipergeometrik olaslk dalmlar uygulanlr. Eer rnek snrl bir poplasyondan yerine konmadan seiliyorsa Eer rnek says toplam poplasyonun % 5inden fazla ise belli bir elverili yada elverisiz halin olaslk dalmn belirlemek iin hipergeometik olaslk dalmlar kullanlr.

P( x ) =

( s Cx )( N S Cn x ) N Cn

N: poplasyonun bykl S: Poplasyondaki elverili hallerin says x: rnekteki ilgili elverili hallerin says n: rnek yada deney says n! C = x !( n x )! C: Kombinasyon sembol
n x

x adet nesne n sayida bir gruptan seciliyorsa

Hipergeometrik Olaslk Dalmlarnn Ortalmas ve Varyans nS N

= xP(x) = 2 = x2P(x) 2

S(N - S)n(N - n) = N2(N - 1) N-n N-1

= n

S S 1N N

rnek: Hipergeometrik olaslk dalmlar


Bir haftada 50 adet cep telefonu retildiini varsayalm. Bunlardan 40 tanesi mkemmel ekilde alrken, 10 tanesinde en az 1 bozuk rn vardr. 5 rnek rastgele ekilirse, bunlardan 4nn problemsiz alma olasl nedir. ekilen rnekler yerine tekrar konulmamaktadr.

( 40 C4 )( 50 40 C5 4 ) P ( 4) = = C5 50

40! 10! ) )( 4!36! 1!9! 50! 5!45!

= 0.431

Hipergeometrik Olaslk Dalmlar


Seilen rnek poplasyona geri konulmuyorsa, ve rnek says poplasyonun %5inden az ise binom olaslk dalmlar hipergeometrik olaslk dalmlar yerine kullanlabilir.

Poisson Olaslk Dalmlar


Poisson dalmlar belirli bir blgede yada belirli bir zaman aralnda bir olayn ka defa meydana geldiini belirlemek asndan faydaldr. Poisson dalmlarnn uygulanmas iin gerekli artlar
Herhangi bir zaman aralnda meydana gelen elverili hallerin says dier zaman aralklarnda meydana gelen elverili hal saysndan bamszdr. Bir zaman aralndaki elverili bir halin olasl, zaman aralnn bykl ile orantldr. Olaylar lm aralnda kesinlikle ayn noktada meydana gelemez.

rnek: irketin faks makinasna gnlk gelen faks says stanbulda aylk ilenen araba hrszl vakas says Numune hastanesi acil servisine saatlik gelen hasta says

Poisson Olaslk Dalmlar


P( x ) =

xe
x!

= ortalama elverili hal says e=sabit say=2.7183 x= belli bir zaman aralndaki elverili hallerin says (0,1,2)

= xi p(xi)

2 = x2P(x) - 2 =

Poisson dalmnn ortalamas , standard sapamas ise nn karakkdr.Herhangi bir deerinin dalm pozitif bir arpkla sahiptir. artka dalm normal dalma yaklar.

Poisson Olaslk Dalmlar


Poisson olaslk dalm =2
0.3 0.25 0.2 0.15 0.1 0.05 0 1 0
0.2

2 3 4 5 6 7 1 2 3 4 5 6

10

11

Poisson olaslk dalm =5

0.15 0.1 0.05 0 1

1 32 43 54 6 7 7 8 10 11 5 6 8 9 9 10

0.2

Poisson olaslk dalm =7

0.15 0.1 0.05 0 2 3 4 5 10 11 12 13 01 1 2 3 4 56 67 78 89 9 10 11 12 14 14 15 13 15 16

rnek: Poisson Dalmlar


Shell benzin istasyonuna her 15 dakikada bir ortalama 3 ara gelmektedir. Geleek 15 dakika iinde 2 aran gelme olasl nedir.

32 (2.7183) 3 P(2) = = 0.224 2!


Poisson dalmlar elverili hal olasl kk, np<5, ve deney says(n>100)byk olduu durumlarda binom olaslk dalm yerine kullanlabilir.

10

Poisson Olaslk Dalmlar


0.4 0.3 0.2 0.1 0 1 2 0 1 3 2 4 5 3 4 6 5 7 8 9 10 11

P ( X = 0) = p( 0) =

e 110 = e 1 = .3678 0! e 111 P( X = 1) = p(1) = = e 1 = .3678 1!

P ( X = 2) = p( 2) =

e 112 e 1 = = .1839 2! 2 e 113 e 1 P ( X = 3) = p( 3) = = = .0613 3! 6

11

Srekli Olaslk Dalmlar


Uniform Olaslk Dalm Normal Olaslk Dalm Exponent Olaslk Dalm
f(x)

Uniform Olaslk Dalm


Bir random deiken olasl nezaman random deikenin deer aral ile orantl ise o random deiken uniform bir dalm sergiler denir. Uniform Olaslk fonksiyonu
f(x) = 1/(b - a) , a < x < b = 0 baka yerde

E(x) = (a + b)/2 Var(x) = (b - a)2/12 a = bir deikenin varsayaca en kk deer b = bir deikenin varsayaca en byk deer

Uniform Olaslk Dalmlar


Taral alan = 3 0.2 = 0.6
P( 1 < x < 4 ) = 0.6
3

P(x )
0.2

P(x )
0.2

P( x > 1 ) = 0.8

0 0 1 2 3 4 5

x
Scaklk (C)

0 0 1 2 3 4 5

x
Scaklk (C)

ekil 1

ekil 2

Srekli Olaslk Dalmlar


Srekli bir random deikenin(X) olasl (deikenin deerinin a-b aralnda bir deer aldn varsayarsak), a-b aralnda olaslk dalm fonksiyonu erisi altnda kalan alan olarak tanmlanr.

f(x) 0
x = +

x =

f ( x ) dx = 1

x =b

P ( a < X < b) =

x=a

f ( x)dx

Ortalama ve Varyans
Srekli bir random deikenin aritmetik ortalamas,
+

E(X ) =

f ( x ) dx

Varyans
Var( X ) = ( x E ( X ))2 f ( x)dx
+

Normal Olaslk Dalm


Doadaki, endstrideki bir ok olay normal veya normala yakn bir dalm gstermektedir.

Normal olaslk dalm erisinin fonksiyonu aadaki ekilde tanmlanr.

f (x) =

1 e 2

( x )2 2
2

= A. Ortalama, = standart sapma = 3.14159, e = 2.71828


3 2

+2

+3

Normal Olaslk Dalm


zellikleri an erisi ekilli bir dalm - < x < + Normal olaslk dalm erisinin altnda kalan alan 1e eittir.

f ( x ) dx = 1

Normal dalmlar etrafnda simetriktir. Normal dalmnn yerini belirlemektedir ve grafikteki en yksek noktadr. Normal dalmlarda aritmetik ortalama, mod ve medyan birbirine eittir. yaylma miktarn belirlemektedir.

Normal Olaslk Dalm


Normal dalmlarlarda + 1 altnda kalan alan tm dalmn % 68 ini + 2 altnda kalan alan tm dalmn % 95 ini + 3 altnda kalan alan tm dalmn % 99.7 ini kapsamaktadr.

-4

-3

-2

-1

-4

-3

-2

-1

-4

-3

-2

-1

+ 1 68%

+ 2 95%

+ 3 99.7%

Normal bir olaslk dalmnda olaslklarnn gsterimi

P ( a x b) = f ( x ) dx
a

P(x)

Normal Dalm

-4

-3

-2

-1

Sonsuz sayda normal olaslk dalmlar vardr.


ekil 1. Farkl A. ortalamal, ayn standart sapmal normal olaslk da.

30

35

40

45

50

55

60

65

70

ekil 2. Ayn A. ortalamal farkl standart sapmal normal olaslk da.

35

40

45

50

55

60

65

70

75

Standart Normal Dalm


Normal dalmlarnn tm standart normal dalmla ilikilidir. Standart normal deiken znin sergiledii A. ortalamas 0, varyans 1e eit olan normal dalma standart normal dalm denir.

f(x)

-4

-3

-2

-1

Normal Dalm
Her bir normal random deiken (x), aadaki forml yardmyla standart normal deikene (z) dntrlr. z = (x )/ Standard normal dalm tablo halin.

Standart Normal Dalmn zellikleri


Normal erinin altnda kalan alan 1e eittir. Dalm A. ortalama etrafnda simetriktir ve her iki ynde yatay eksene yaklalarak fakat dokunmadan devam etmektedir. Aritmetik ortalama 0, eriyi iki eit parcaya (0.5) blmektedir. Hemen hemen tm alan z = -3.00 ve z = 3.00 deerleri arasndadr.

Standard Normal Dalm : = 0 ve = 1


Verilerin 99.7 % si ortalamn 3 si ierisinde 95% 2 68% 1

0.340 0.024 0.001 0.135

0.340 0.024 0.001 0.135

Standard Normal (z) Dalm Tablosu

z
0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9 2.0 2.1 2.2 2.3 2.4 2.5 2.6 2.7 2.8 2.9 3.0

.00
.0000 .0398 .0793 .1179 .1554 .1915 .2257 .2580 .2881 .3159 .3413 .3643 .3849 .4032 .4192 .4332 .4452 .4554 .4641 .4713 .4772 .4821 .4861 .4893 .4918 .4938 .4953 .4965 .4974 .4981 .4987

.01
.0040 .0438 .0832 .1217 .1591 .1950 .2291 .2611 .2910 .3186 .3438 .3665 .3869 .4049 .4207 .4345 .4463 .4564 .4649 .4719 .4778 .4826 .4864 .4896 .4920 .4940 .4955 .4966 .4975 .4982 .4987

.02
.0080 .0478 .0871 .1255 .1628 .1985 .2324 .2642 .2939 .3212 .3461 .3686 .3888 .4066 .4222 .4357 .4474 .4573 .4656 .4726 .4783 .4830 .4868 .4898 .4922 .4941 .4956 .4967 .4976 .4982 .4987

.03
.0120 .0517 .0910 .1293 .1664 .2019 .2357 .2673 .2967 .3238 .3485 .3708 .3907 .4082 .4236 .4370 .4484 .4582 .4664 .4732 .4788 .4834 .4871 .4901 .4925 .4943 .4957 .4968 .4977 .4983 .4988

.04
.0160 .0557 .0948 .1331 .1700 .2054 .2389 .2704 .2995 .3264 .3508 .3729 .3925 .4099 .4251 .4382 .4495 .4591 .4671 .4738 .4793 .4838 .4875 .4904 .4927 .4945 .4959 .4969 .4977 .4984 .4988

.05
.0199 .0596 .0987 .1368 .1736 .2088 .2422 .2734 .3023 .3289 .3531 .3749 .3944 .4115 .4265 .4394 .4505 .4599 .4678 .4744 .4798 .4842 .4878 .4906 .4929 .4946 .4960 .4970 .4978 .4984 .4989

.06
.0239 .0636 .1026 .1406 .1772 .2123 .2454 .2764 .3051 .3315 .3554 .3770 .3962 .4131 .4279 .4406 .4515 .4608 .4686 .4750 .4803 .4846 .4881 .4909 .4931 .4948 .4961 .4971 .4979 .4985 .4989

.07
.0279 .0675 .1064 .1443 .1808 .2157 .2486 .2794 .3078 .3340 .3577 .3790 .3980 .4147 .4292 .4418 .4525 .4616 .4693 .4756 .4808 .4850 .4884 .4911 .4932 .4949 .4962 .4972 .4979 .4985 .4989

.08
.0319 .0714 .1103 .1480 .1844 .2190 .2517 .2823 .3106 .3365 .3599 .3810 .3997 .4162 .4306 .4429 .4535 .4625 .4699 .4761 .4812 .4854 .4887 .4913 .4934 .4951 .4963 .4973 .4980 .4986 .4990

.09
.0359 .0753 .1141 .1517 .1879 .2224 .2549 .2852 .3133 .3389 .3621 .3830 .4015 .4177 .4319 .4441 .4545 .4633 .4706 .4767 .4817 .4857 .4890 .4916 .4936 .4952 .4964 .4974 .4981 .4986 .4990

Standart Normal Olaslk Dalm


P(z<0) P(0<z<0.83) P(z>0.83)
Alan = 0.2967

Alan = 0.2033 Alan = 0.5 0 0.83

Standart Normal Dalm Tablosunun Kullanm


z .0 .1 .2 .3 .4 .5 .6 .7 .8 .9 .00 .0000 .0398 .0793 .1179 .1554 .1915 .2257 .2580 .2881 .3159 .01 .0040 .0438 .0832 .1217 .1591 .1950 .2291 .2612 .2910 .3186 .02 .0080 .0478 .0871 .1255 .1628 .1985 .2324 .2642 .2939 .3212 .03 .0120 .0517 .0910 .1293 .1664 .2019 .2357 .2673 .2967 .3238 .04 .0160 .0557 .0948 .1331 .1700 .2054 .2389 .2704 .2995 .3264 .05 .0199 .0596 .0987 .1368 .1736 .2088 .2422 .2734 .3023 .3289 .06 .0239 .0636 .1026 .1406 .1772 .2123 .2454 .2764 .3051 .3315 .07 .0279 .0675 .1064 .1443 .1808 .2157 .2486 .2794 .3078 .3340 .08 .0319 .0714 .1103 .1480 .1844 .2190 .2518 .2823 .3106 .3365 .09 .0359 .0753 .1141 .1517 .1879 .2224 .2549 .2852 .3133 .3389

rnek 2 (Tablo methodu)

0.5000

0.4265

1.45

P ( z < 1.45) = 0.5000 + 0.4265 = 0.9265

rnek 3
P(z > 1.45)=?
0.4265

Aranan alan

145 .

P(z > 145) = 05000 04265 = 00735 . . . .

10

rnek 4
P(-1.26 < z < 0) =? = P(0 < z < 1.26) = 0.3962
Sorulan alan Tablodan hesaplanan alan = 0.3962

1.26

1.26

rnek 5
P(z < -0.98)=?
Aranan alan Tablodan hesaplanan alan =0.3365

-0.98

0.98

P ( z < 0.98) = 0.5000 0.3365 = 0.1635

11

rnek 6
P(-2.3<z<1.8)=?

0.4893

0.4641

2.3

18 .

P(23 < z < 18) = P(23 < z < 0) + P(0 < z < 18) . . . . = 04893+ 04641 = 09534 . . .

rnek 7
P(-1.4<z<-0.5)=?
Aranan alan

1 . 4 -0.5

P(1.4 < z < 0.5) = P(0 < z < 1.4) P(0 < z < 0.5) = 0.4192 0.1915 = 0.2277

12

Eer erinin altnda kalan alan biliniyor ise, standart normal dalm tablolar z deerini belirlemek iin kullanabilir.

% 15

0.35

P85
z 1.0 0.00 0.01 0.02 0.03

0
0.04

z
0.05

0.3485 0.3500 0.3508

Aadaki standart normal eride % 90lk alana karlk gelen z deeri bulalm.

0.45

0
z 0.00

z
0.01 0.02 0.03 0.04

z
0.05

M 1.6 M

0.4495 0.4500 0.4505

13

rnek 8
Bir ieleme makinas ortalama olarak 32 ml soday 0.02 ml standart sapmayla doldurucak ekilde ayarlanmtr. Dolum miktarnn normal bir dalm gsterdiini varsayarsak, rastgele setiimiz bir ienin 3232.025 ml arasnda soda ierme olasl nedir?

zm 8
Aranan alan

x = 32; z =

32 32 32 = =0 .02

x = 32.025; z =

32.025 32.025 32 = = 1.25 .02

32

32.025
1.25

x
z

32 32 x 32 32.025 32 < < P (32 < x < 32.025) = P .02 .02 .02 = P ( 0 < z < 1.25) = 0.3944

14

Rastgele setiimiz bir ienin 31.97 ml den fazla soda ierme olasl nedir?
x 32 31.97 32 > P ( x > 3197) = P . . = P ( z > 15) .02 .02 = 0.5000 + 0.4332 = 0.9332

31.97 . 15

32 0

x z

rnek 9
Bir polis radar akam trafiinde E-5de aralarnn hzlar denetlemektir. Aralarnn hzlar aritmetik ortalmas 62 km/saat olan normal bir dalm gstermektedir. Aralarnn %3 72 km/saat in zerinde seyahat ediyorsa tm aralarnn hzlarnn standart sapmasn hesaplaynz?

P(x > 72) = 003 .

0.4700
0.03

x 62 7262 > P . = 003 7262 Pz > . = 003 7262 . =188 (188)() =10 . . . =10/188 =532 P(z >188) = 003 . .

62

72
1.88

15

Binom Olaslk Dalmlarnn Normal Dalma yaklamas Kural


Normal dalm tablolarnn binom dalm yerine kullanabilmesi iin

Standart Normal Dalm


Bir standart normal dalmda aadaki koullar salayan k deerlerini bulalm. (a) P(z < k) = 0.1271 (b) P(z < k) = 0.9495 (c) P(z > k) = 0.8186 (d) P(z > k) = 0.0073 (e) P( 0.90 < z < k) = 0.1806 (f) P( k < z < 1.02) = 0.1464

16

Exponent Olaslk Dalm


Exponent Olaslk Fonksiyonu

f ( x) =

1 x / e

x > 0, > 0

= A. ortalama e = 2.71828

17

1 RNEKLEME TEORS Bir poplasyonun istatistiksel parametrelerini belirlemede rneklemenin tercih edilmesinin bir ok sebebi vardr. Bunlar u ekilde zetlenebilir. 1. ok skca, seilen rneklerin yelerinin yok edilmesi durumunda, rneklerinin poplasyona geri katlamamas 2. Poplasyonun tmne ulamann rneklemede mmkn olmayabilmesi 3. Poplasyonun tmn rneklemenin maliyetinin yksek olmas 4. Doru seilmi bir rneklemenin poplasyonun parametrelerini uygun bir ekilde tahmin edebilmesi ve bunun sonuunda maliyet ve zaman kaybnn azaltlmas 5. Poplasyonun tm yeleriyle balant kurmann ok zaman almas 2 trl rnekleme vardr: Rastgele ve karara dayal yani iradi rnekleme Rastgele rneklemenin bir ka tr vardr: 1. Basit rastgele rneklemede poplasyonun her bir yesi ayn eilme ansna yada olaslna sahiptir. 2. Sistematik rastgele rneklemede rastgele bir balang noktas seilir ve ondan sonra her ninci poplasyon yesi rneklemede seilir. 3. Cluster rneklemede poplasyon gruplara ayrlr ve bu gruplardan rastgele rnekleme yaplr. Karara dayal yani iradi rneklemede rnek eimi tamamiyle rneklemeyi yapan kiinin kararna dayaldr. Dolaysyla bu tr rneklemede poplasyon parametrelerinin tahmininde hataya sebeb olabilir. Poplasyon parametresi ile rnekleme istatistii arasndaki arasndaki fark rnekleme hatas olarak tanmlanr. Bir rneklemeden tahmin edilen ortalamadaki standart hata miktar :

X =

s n

s: rneklemedeki gzlemlerin standart sapmas n: rneklemedeki gzlemlerin says

Merkezi limit teoremine gre eer bir poplasyon normal bir dalm gsteriyorsa rneklemelerinin aritmetik ortalamalarnn dalmda ayra normal bir dalm gsterir. Eer poplasyon normal dalm sergilemiyorsa rneklemelerinin aritmetik ortalamalarnn dalm rnek says artka normale yakn bir dalm gsterir. Poplasyonun parametrelerinin belirlenmesinde 2 trl tahminden yararlanlr:

2 Nokta tahmini( point estimate): poplasyon parametresinin tahmininmde tek bir deer kullanlr. Enterval yada aralk tahmini (interval estimate): poplasyon parametresinin hangi deerler arasnda bulunacann belirlenmesidir. Aralk tahmininde poplasyon parametersinin gven aralnn hesaplanmas gerekmektedir. Bir poplasyonun ortalamasnn gven aral rneklemedeki gzlem saysna (n), rnein standard sapmasna, ve gven aralnn derecesine baldr. Bir ortalamann gven aral u ekilde genel olarak ifade edilebilir:

X z x s Xz n
s: rneklemenin standard sapmas z: standard deer n: rneklemedeki gzlem says

%95 ve % 99 gven aral istatiksel tahminlerden en yaygn olarak kullanlmaktadr. n 30 iin %95 gven aral:

X 1,96

s n

%99 gven aral:

X 2,58

s n

1,96 ve 2,58 deerleri gzlemlerinin srasyla %95 ve %99 una karlk gelen standard deerlerdir. Bu gven aralklarna karlk gelen deerler standart normal dalm tablolarndan hesaplanr. rnein Bu tablo yarm normal dalma gre

3 hazrlandndan 0,95/2 =0,475 . Bu deere karlk gelen standart deer normal dalm tablosundan 1,96 olarak kolaylkla okunabilir. Bir rneklemede poplasyonun ortalamann belirlenmesi iin belirlenecek gzlem says(n), seilecek gven aralna(z), izin verilebilir maksimum hata oranna(E), ve verilerin standard sapmasna(s) baldr.

z.s n= E

Eger rneklemediki veri says(n) tm poplasyonun (N) %5 inden byk ise yani n/N > 0.05 ise hem poplasyon ortalamasnn hemde orannn standard hata miktarna bir dzeltme uygulamak gerekmektedir. Bu dzeltme katsays u ekilde ifade edilir.

N n N 1
Poplasyon ortalamas iin standart hataya uygulanaak dzeltme (n/N > 0.05)

X =

s N n ( ) n N 1

ayn dzeltmeyi ortalamann gven aral iin yazarsak,

X z

s N n ( ) N 1 n

rneklemedeki gzlem saysnn poplasyonun tmne oran % 5 den az ise dzeltme katsaysnn standart hataya katk pay ok kktr o nedenle nemsenmeyebilir. Aksi durumda (n/N >%5) dzeltme miktar standart hatay azaltaandan poplasyon ortalamasnn aral daralaaktr. Buda doaldr nk rnek says artka ortalamn standart hatasda doal olarak azalma gstereektir.

Hipotez Testleri
Dr. rfan Yolcubal Kocaeli niversitesi Jeoloji Mh.

Hipotez
rneklemeye dayal bir poplasyon parametesinin deeri hakknda ileri sunulan iddia
rnekler: 1.statistik Vize snvann ortalamas 50nin altndadr. 2. Televizyon izleyicilerin %70 i gnlk haber programlarn izlemektedir. 3. Firestone ve Lassa tatafndan retilen lastiklerinin mr ayndr.

Hipotez Testleri
Bir poplasyon hakknda ileri sunulan hipotezinin kabul edilip edilmeyeceini belirlemek iin rneklemeye dayal sistematik izlenen bir seri ilemler. 5 aamadan oluur. 1. Null ve alternatif hipotezin belirlenmesi Null hipotezi: Bir poplasyon parametresi hakknda ileri srlen varsaym. Genellikle bu varsaymda poplasyon parametresinin belli bir deeri olduu varsaylr. H0= null hipotezi yada sfr hipotez Alternatif hipotez: rneklemeye ait veriler null hipotezonin yanl olduuna ait deliller sunduu durumlarda kabul edilen hipotezdir HA = alternatif hipotez

Hipotez Testinin Aamalar


2. nem veya Risk Derecesinin Belirlenmesi(): Aslnda doru olan Null hipotezinin rededilme olasl: Risk derecesinin seimi tercihe dayal Genelde 0.05 yani % 5 ve % 1 risk dereceleri aratrmalarda kullanlmakta

Hata Tipleri
I. tip hata: Null hipotezi doru iken reddedilir. I. Tip hata yapma olasl olarak

bilinmektedir.

II. tip hata: Null hipotezi yanl iken rededilmez. II. Tip hata yapma olasl olarak bilinmektedir. Daima bu hatalardan birini yapma ihtimali vardr. Bu ihtimalleri risk derecesini belirleyerek azaltmak isteriz.

Hipotez Testlerinde Hatalar


Karar Null hipotezi Kabul etme Null hipotezi redetme Null Hipotezi doru Doru Karar II. tip hata Null Hipotezi Yanl I. tip hata OK

Hipotez Testinin Aamalar


3. Istatistiksel test metodunun belirlenmesi: Null hipotezin rededilip edilmeyeceinin belirlenmesinde kullanlan ve poplasyon rneklemesinden elde edilen deer
rnek: t, F,ve ki kare istatistik testleri

4. Null hipotezinin hangi koullarda kabul ve hangi koullarda rededileceinin belirlenmesi 5. Karar verilmesi: Null hipotezinin alnan risk derecesi dorultusunda reddi yada kabl.

1: Null ve Alternatif hipotezleri ileri srmek


Farzedelim grenilerin ders gemek iin 60 almalar gerekmekte. Rastgele 40 grenci secelim ve onlarn ortalamalarnn 64 olduunu varsayalm Aratrma sorusu: Poplasyonun gerek ortalamas 60 n zerinde midir?
H0: 60 HA: >60

2: nem Derecesini() belirlemek


nem derecesi, null hipotezi gerekten doru iken, null hipotezini redetme olasldr rnek: = 0.05 seelim

1- Kabul alan

=0.05
Red Alan Kritik deer

3: Hipotez testinin 1 veya 2 ynl olup olmadnn belirlenmesi


Eer alternatif hipotez ortalamann belli bir deere eit yada ondan byk olduunu ifade ediyor ise hipotez tek ynldr. rnek: HA: 60
1- Kabul alan =0.05

Kritik deer

3: (Devam)
Eer alternatif hipotez ortalamann belli bir deere eit yada ondan kk olduunu ifade ediyorsa, hipotez tek ynldr. rnek: HA: 60
= 0.05 1- Kabul Alan

Kritik deer

3: (Devam)
Eer Alternatif hipotez ortalamann belli bir deere eit olmadn ifade ediyor ise bu hipotez ift ynldr. HA: 60
/2= 0.025 1- Kabul Alan

/2= 0.025

4: Kritik deeri veya deeleri belirlemek


Bilinmek istenilen Null hipotezi doru varsayarsak dalmn 1- yzdesine karlk gelen kritik deer. Eer poplasyonun stadart sapmas () biliniyor ise yada bilinmiyor fakat n30 ise standart normal tablolar kullanlarak risk derecesine karlk gelen z kritik deeri belirlenir. 0.5-0.05=0.45

1- Kabul Alan

= 0.05 = 0.05

z = 1.645
Standart normal tablolarndan 0.45 deerine karlk Gelen z deeri bulunur. z=1.645

z = 1.645

5: Test istatistiini belirlemek ve kritik deerle karlatrmak


Poplasyonun standart sapmas bilniyor ise z= kritik deer sadaki forml vastasyla hesaplanr.

z=

X n

X = orneklemenin ortalamasi = populasyon ortalamasi = populasyonun standart sapmasi

Poplasyonun standart sapmas bilinmiyorsa ve n 30, rneklemenin standart sapmas (s) poplasyonun standart sapmas yerine kullanlabilir. Populasyon normal dalm sergilemekte Hipotez testinde kullancak deer:

z=

X s n

Hipotez Test Aamalarn zetlersek


1. 2. 3. 4. 5. Null ve Alternatif Hipotezleri Belirlemek: H0, Ha nem yada Risk Derecesini Belirlemek: Hipotezin tek mi ift mi ynl olduunu belirlemek Kritik deerleri belirlemek Test istatistik deerlerini hesaplamak ve kritik deerle karlatrmak

rnek 1
H0 : = 50 H1: 50
rnek ortalamas 49, rneklemedeki veri says da 36dr. Poplasyonun standart sapmas ise 5 dir. Hipotez testinde % 5 risk alrsak a) Hipotez testi tek mi yoksa ift mi ynldr b) Null hipotezi hakkndaki kararnz nedir c) Bu karar almaktda nekadar kendinize gveniyorsunuz yani p deeri nedir.

rnek 1. zm
a) Hipotez testi iki tarafl bir hipotezdir nk alternatif hipotezin yn yoktur yada belli deildir. Poplasyon ortalamas 50 den farkl olabilir ifadesi bykte olabilir ve kkte olabilir gibi 2 ihtimal iermektedir. Bu nedenle hipoteze 2 tarafl hipotez denilmektedir. b) %5 riskle taral alanlar hipotezin rededildii alanlar ifade etmektedir.
z= 49 50 = 12 . 5 36

Hesaplanan z deeri bu taral alanlar dnda kalan blgeye dtne gre Null hipotezini kabul edebiliriz
0.025 olaslk
z=-1.96

0.95 olaslk 0 0.025 olaslk z=1.96

rnek 1. zm (Devam)
c) Null hipotezini kabul etmede ne kadar eminiz ? Bunu belirleye bilmek iin hesaplanan z deerinin o deerinin zerinde bulunma olasln yani p deerini hesaplamamz gerekecektir.
1.2 ve altnda bir deer olma olasl 0,1151dir (0.5-0.3849). p deerini hesaplayabilmek iin z deerinin 1.2 den az ve 1.2 den fazla olma ihtimalini hesaplamamz gerekmektedir nk hipotez iki tarafl olup iki farkl red blgesi iermektedir. Bu nedenle p deeri 2 x 0,1151di r. p deeri risk derecesinden 0.05 byk olduundan null hipotezi kabul edilir. p deeri poplasyonun ortalmasnn 50 nin zerinde veya altnda olma olaslnn %11.51 olduunu ifade eder.

0 z=-1.96 0.025 olaslk z=1.96

rnek 2: Tek ynl z testi


Bir kutu msr gevrei 368 gramn zerinde midir? Ratgele seilen 25 kutunun ortalamasX = 372.5 gr. retii firma rn miktar iin standart sapmay 15 gram olarak belirlemitir. Hipotezi 0.05 nem derecesi ile test edelim.

Tek ynl hipotez test zm


H0: 368 X 3725 368 , = = +1.50 z= HA: > 368 15 = 0.05 25 n n = 25, bilinmekte Karar: Kritik deerler Null hipotez = 0.05 ile
Red alan

Test statistii:

rededilmez

0.05 0 1.645 z

Sonu:

Ortalamann 368 gr zerinde olduuna ait yeterli delil yoktur.

10

ift ynl z Testi zm


H0: = 368 X 3725 368 . z= = = +1.50 HA: 368 15 = 0.05 n 25 n = 25, bilinmekte Karar: Kritik deerler Null hipotezi = 0.05 ile red
Red Alan
0.025 -1.96

Test statistii:

Red Alan
0.025

edilmez

Sonu:
Ortalama miktarn 368 olduu hakknda yeterli bir delil yoktur

0 1.96

DEV
H0 : 10 H1: > 10
rnek ortalamas 12, rneklemedeki veri says da 36dr. Poplasyonun standart sapmas ise 3 dir. Hipotez testinde % 2 risk alrsak a) Hipotez testi tek mi yoksa ift mi ynldr b) Null hipotezi hakkndaki kararnz nedir c) Bu karar almaktda ne kadar kendinize gveniyorsunuz?

11

HPOTEZ TEST:K POPLASYONUN ORTALAMALARININ KARILATIRILMASI Ama:2 rnek ortalamasnn ayn ortalamal 2 poplasyondan gelip gelmediini test etmek

z=

X1 X2 s12 s2 2 + n1 n2

Hipotez test edilirken daha nceki ksmlarda bahsettiimiz hipotezin 5 aamasda ayn ekilde uygulanr. Sadece fark z deerinin hesaplandr.

rnek: 2 poplasyonun ortalamalarnn karlatrlmas


2 farkl hastanenin acil servisine gelen hastalara mdahele sresi aada sunulmaktadr. Bu aratrmaya gre %1 riskle numune hastanin acil servisi, sigorta hastanesinin acil servisinden daha m hzl hastalara ilk mdaheleyi yapmaktadr? Hastane numune sigorta Ortalama sre 5.5 dak 5.3 dak rnek standart sapmas 0.4 dak 0.3 dak rnek says 50 100
Null hipotezinin(H0) Rededildii blgesi

Null ve alternatif hipotez: H0 : 1 = 2 H1: 1 2


0 0.99 olaslk 2.33

0.01 olaslk

12

rnek: Devam
z= X1 X2 s s + 2 n1 n2
2 1 2

5.5 5.3 0.4 2 0.32 + 50 100

= 312 .

. z = 312 > 2.33 null hipotezi red edilir, alternatif hipotez %1 riskle kabul edilir.

p deeri bu byklkte yada onun zerinde bir deer bulma olasldr. 3.12 ve zerinde bir z deeri alma olasl 0.499(Tabloda 3.12 deeri olmadndan en yakn 3.09 deerine karlk gelen olaslk esas alnmtr. Buna gre 3.12 ve zeri bir deer olma olasl: 0.5-0.499=0.001 Bu deer 0.01 risk derecesinden kk olduundan null hipotezinin doru olmama ihtimali ok yksektir.

z-testi and t-testi karlatrlmas


z-test istatistii
Normal dalma dayal Poplasyonun varyans bilindiinde yada rneklemedeki veri says byk olduunda rneklerin ortalamalar hakkndaki hipotezleri test etmek iin kullanlr

t-test istatistii
t dalmna dayal
t dalmnn ekli rneklemedeki veri saysna bal olarak deimektedir Serbestlik derecesine baldr df :n-1 rneklemedeki veri says artkca t dalm normal dalma yaklar

Poplasyonun varyans yada standart sapmas bilinmediinde ve rneklemedeki veri says kk olduunda (n<30) rneklerin ortalamalar hakkndaki hipotezleri test etmek iin kullanlr

13

t dalmlar
Standart normal (z) t (n = 13) t (n = 5)
Ortalamadan olan Standart sapma

t-testleri
Varyans hakknda kesin bir bilgiye sahip olmadmz iin (sadece tahmin), t dalmn kullanrz

t-testinin ortalamas

t=

X = rnek ortalamas s = rnek standart sapmas

X s n

= test edilen poplasyonun ortalamas n = rneklemedeki veri sayisi

14

Hipotez testi: bilinmemekte


Yksek lisans dersindeki grencilerin aratrma metodlar hakknda iyi bir bilgiye sahip olup olmadklarn grenmek istiyorum 6 grenci snftan rastgele seilir ve snava tabii tutulur Snfn test den en az 70 alabilmesini istiyorum. 6 grencinin notlar 62, 92, 75, 68, 83, and 95.

1 & 2: Hipotezleri belirle, nem derecesini belirle


Snfn ortalama notu 70 ve stdr:
H0: 70 HA: > 70

= 0.05

15

3: Tek veya ift ynl bir hipotez mi? 4: Kritik deerleri belirle
Tek ynl Kritik deerleri t tablosundan belirlenir
1- Kabul Alan =0 .05

t= 2.015 [serbestlik derecesi d.f. =5] iin

5: Test istatistklerini hesapla & deerlendir


t deeri kritik deerinden kktr. Null Hipotezi kabul edilir

475 = 79.17 6 s = 13.17 79.17 70 t= = 1.71 13.17 6 x=

16

rnek hakknda Sorular


nem derecesini 0.1 olarak seersek ne olur? Kritik deer= 1.476 Null hipotezini red et! Eer =0 .05 fakat test ift ynl ise ne olur ? Bu hipotez testini rnein bykl nasl etkilemitir.

rnek: 2 ynl t testi


Kuzey Kbrstaki seim noktalarnn her birinde az yada ok 368 semen oy kullanmmdr? 36 rastgele seim noktasndaki ortalama semen says 372.5 ve standart sapma 12 semendir. Hipotezi 0.05 nem derecesi ile test edelim

17

ift ynl t Testi: zm


H0: = 368 X 372.5 368 = +2.25 H1: 368 t = S = 12 = .05 n 36 df = 36 - 1 = 35 Karar: Kritik deerler
Red alan
0.025

Test statistii:

Red alan
0.025

Null hpotezi = 0.05 ile red edilir

Sonu:

-2.0301 0 2.0301

Poplasyonun ortalamasnn 368 olmadna ait delil vardr

rnek: Tek ynl t testi


Kuzey Kbrstaki seim noktalarnn her birinde 368 den fazla semen oy kullanm mdr? 36 rastgele seim noktasndaki ortalama semen says 372.5 ve standart sapma 12 semendir. Hipotezi 0.05 nem derecesi ile test edelim

18

Tek ynl t testi - zm


H0: 368 H1: > 368 = .05 df = 36 - 1 = 35 Kritik deerler
Red 0.05 1.68 t

Test statistii:

t=

X 372.5 368 = = +2.25 S 12 n 36


Null hpotezi = 0.05 red edilir

Karar:

Sonu:

368 den fazla semenin ortalama oy sandklarnda oy kullandna ait delil vardr

t testi
Poplasyon ortalamasnn testi:bir nceki slaytlarda bahsettik 2 birbirinden bamsz poplasyonun ortalamalarnn karlatrlmas
artlar: poplasyonlar normal yada normale yakn bir dalm serilemeli Poplasyonlar birbirinden bamsz olmal, ve populasyonlarn standart sapmalari benzer olmal

Bir veri iftinin karlatrlmas

19

t dalmlarnda 2 birbirinden bamsz poplasyonun ortalamalarnn karlatrlmas

t=

X1 X 2 1 1 s2 + p n1 n2

n1:1.ornekteki veri sayisi s2 = populasyon varyansinin birlestirilmis tahmini p


2 s1 = 1. ornegin varyansi 2 2 (n1 1) s1 + (n2 1) s2 s = n1 + n2 1 2 p

df = serbeslik derecesi = n1 + n2 2

t dalmlarnda bir veri iftinin karlatrlmas


rnek: bir fiziksel zayflama kursuna katlm kiilerinin kurs ncesi ve kursu sonras kilolarnn karlatrlmas Ama: kursun etkinliini test etmek
t = d sd n df = n 1 d d2 n n 1

sd =

d = bir cift gozlemler arasindaki farkin ortalamasi n:cift gozlem sayisi sd = bir cift gozlemlerin degerleri arasimdaki farkin standart sapmasi

20

Kategorisel veri analizi ki-kare ki kare testi

Ki-kare testi (2)


ki deiken arasnda bir iliki olup olmadnn testi rnek: Kiiliin deprosyonla bir ilikisi var mdr, yoksa bu iki deiken birbirinden bamszmdr. Depresif mi? evet Kiilik dadnk iednk 10 20 hayr 20 10 hcreler

Not: Deikenler kategorik

Her katlmc sadece bir hcrede gzkr g

VER TRLER
Veri

Kantitatif

Kualitatif

Sreksiz S k i

Srekli S kli

Kualitatif Veri
1. Kualitatif random deikenler snflanabilen yantlar vermektedir.

rnek: cinsiyet (Erkek Kz) (Erkek,

2. lm kategorideki veri saysn g y yanstr 3. 3 Nominal yada Ordinal lek

Hipotez testleri Kualitatif V i K li if Veri


Kualitatif Veri 1 pop. 2 pop.

Oran 2 pop.

Bamsz

Z Testi

Z Testi

2 Testi

2 Testi

Ki-kare (2) Testi k oranlar iin

Hipotez testleri Kualitatif V i K li if Veri


Kualitatif Veri 1 pop. 2 pop.

Oran 2 pop.

Bamsz

Z Testi

Z Testi

2 Testi

2 Testi

Ki-kare (2) Testi kO Oranlar iin l i i


1. Oranlarn sadece eitliklerini test eder.

rnek: k p1 = 0 2 p2=0.3, p3 = 0 5 0.2, 03 0.5

2. Bir ka seviyeli bir deiken y 3. Varsaymlar

Multinomial Deney

Beklenen say 5

4. Bir ynl olaslk tablasunu kullanmakta

Multinomial Deneyler
1. 2. 2 3. 4. 5. 6. 6 n sayda benzer deneme Her bir denemede k sayda sonu H bi d d d Sabit sonu oranlar, pk Bamsz denemeler Random deiken saydr, nk rnek; 100 (n) kiiye 3(k) adaydan hangisine oy vereceklerini sormak

Tek ynl olaslk tablosu bl


1. k sayda bamsz grup iindeki (sonular veya deiken seviyeleri) gzlem saylarn gsterir

Tek ynl olaslk tablosu bl


1.
k sayda bamsz grup iindeki (sonular veya deiken seviyeleri) gzlem saylarn gsterir

Sonular (k = 3)

ADAY Ali 35 Veli 20


Yant says

Aycan 45

Toplam 100

2 Testi,k sayda oran iin Hipotezler ve i Hi l istatistik i ik


1. Hipotezler

H0: p1 = p1,0, p2 = p2,0, ..., pk = pk,0 Ha: pi lar birbirine eit deildir.

Hipotez edilen olaslk

2 Testi,k sayda oran iin Hipotezler ve i Hi l istatistik i ik


1. Hipotezler

H0: p1 = p1,0, p2 = p2,0, ..., pk = pk,0 Ha: pi lar birbirine eit deildiler

Hipotez edilen olaslk

2. Test istatistii

Gzlemlenen say

ni E ni E ni

af af

Beklenen say

2 Testi,k sayda oran iin Hipotezler ve i Hi l istatistik i ik


1. Hipotezler

H0: p1 = p1,0, p2 = p2,0, ..., pk = pk,0 Ha: pi lar birbirine eit deildiler

Hipotez edilen olaslk

2. Test istatistii

Gzlemlenen say

ni E ni E ni

af af

Beklenen say

3. Serbestlik derecesi, df= k-1 k, k veri says i

2 Testi Ana fikiri


1. Null hipotezi doru ise gzlemlenen sayyla beklenen sayy karlatrr karlatrr. 2. Gzlemlenen say nekadar beklenen sayya yaklarsa null hipotezinin doru olma olasl o kadar fazladr

Beklenen sayyla arasndaki farkn karesi ile llr. il l l

Byk deerler reddedilir.

Kritik deerin bulunmas rnek k


k = 3, ve =0,05 iin kritik 2 deeri nedir

Kritik deerin bulunmas rnek k


k = 3, ve =0,05 iin kritik 2 deeri nedir?

0
2 Tablo

2
st Kuyruk Alan 0.95 0.05 0.004 3.841 0 103 5 991 0.103 5.991

df 1 2

0.995 ... 0.010 0 010

Kritik deerin bulunmas rnek k


k = 3, ve =0,05 iin kritik x2 deeri nedir? Eer ni = E(ni), 2 = 0 H0 reddedilmez dd dil

Red R d
= 0 05 0.05

0
2 Tablo

2
st kuyruk alan 0.95 0.05 0.004 3.841 0 103 5 991 0.103 5.991

df 1 2

0.995 ... 0.010 0 010

Finding Critical Value Example E l


k = 3, ve =0,05 iin kritik x2 deeri nedir? Eerni = E(ni), 2 = 0. H0 reddedilmez dd dil df = k - 1 = 2 2 Tablo

Red R d
= 0 05 0.05

0
0.995 ... 0.010 0 010

5.991 5 991

df 1 2

st kuyruk alan 0.95 0.05 0.004 3.841 0 103 5 991 0.103 5.991

Testi , k oranlar in rnek k

nsan kaynaklar mdr olarak 3 olarak, farkl performans deerlendirme metodunun drstlk anlayn test etmek istemetedir. 180 tane alan arasndan 63 arasndan, 1. Methodu drst olarak; 45 i 2. Methodu drst olarak; 72 si ise 3. Methodu drst olarak deerlendirmitir. 0.05 risk derecesinde, alanlarn metodlarn drstlk derecesini alglamada bir farkllk varmdr?

Testi , k oranlar in rnek k


Test istattii:

H0: Ha: = n1 = n2 = n3 = Kritik deer(ler):


Red

Karar: Sonu:

Testi , k oranlar in rnek k


Test istatistii:

H0: p1 = p2 = p3 = 1/3 Ha: en az biri farkldr = 0.05 n1 = 63 n2 = 45 n3 = 72 Kritik deer(ler):


Red = .05 0 5.991

Karar: Sonu:

Testi , k oranlar iin zm


3

af E af E a f E a f 180a3f 60 n n n 1 n E af n E af n
1 2 2 2 i i i

E ni npi ,0

60 2 n2 60 2 n3 60 2 n1 60 60 60 2 2 2 63 60 45 60 72 60 6.3 60 60 60

Testi , k oranlar iin zm


Test istatistii: 2 = 6.3 63

H0: p1 = p2 = p3 = 1/3 Ha: en az biri farkldr = 0.05 n1 = 63 n2 = 45 n3 = 72 Kritik deer(ler):


Red = .05 0 5.991

Karar:

Null hipotezi reddedilir, = .05

Sonu: Oranlar arasnda bir farkllk olduu delili mevcuttur.

2 Testi, bamsz

2 Testi, bamsz
1. kualitatif deiken arasnda bir ki p gsterir ilikinin mevcut olup olmadn g

Bir rnek seilir Sebeb sonu ilikisi gstermez Multinomial deney tm saylar 5

2. Varsaymlar

3. ift ynl olaslk tablosu kullanr

2 Test
Bir rnekten mterek iki kualitatif deikene ait gzlem saysn gsterir
2. deiken derecesi

Ev stili st Apartman iflik Toplam

Ev lokasyonu e ehir Krsal sa 63 49 15 33 78 82

Toplam op a 112 48 160

1. deiken derecesi

2 Testi, bamsz Hipotezler & Hi l statistik i ik


1. Hipotezler

H0: D i k l b Deikenler bamsz Ha: Deikenler birbiriyle ilikili (Baml)

2. Test statistii

ij

E nij E n
ij

Gzlenen say

Beklenen say Satrlar Stnlar

Serbestlik derecesi: (r - 1)(c - 1)

2 Testi, bamsz beklenen saylar b kl l


1. statiksel olarak bamsz demek, birleik olasn marjinal olaslklarnn arpmna eit olduu analamna gelmektedir. gelmektedir 2. Marjinal olaslklar hesaplanr ve birleik l l k h bi l ik olaslk hesab iin arplr b i i l 3. Beklenen say= veri says x birleik olasla eittir.

Beklenen sayhesaplamas h l
Beklenen say = Satr toplam * Stn toplam Veri says y

2 Testi, bamsz rnek k


Birleik olaslk = 116 286 116 132 286 286

Diet Kola Di t K l Hayr Evet Toplam


132 286 Marjinal M ji l olaslk

Diet P Di t Pepsi i Hayr Evet Gzl. G l Gzl. 32 84 48 132 122 154


Beklenen say

Toplam T l 116 170 286


116 132 = 286 286 286 286 =53.5

2 Testi, bamsz rnek k


Pazarlama aratrmas yapan bir analistsiniz.Rastgele setiiniz 286 mteri zerinde yapacanz aratrmada, mterilere diet pepsi mi yada diet kola m satn aldklarn soruyorsunuz.=0.05 risk soruyorsunuz =0 05 derecesinde,ikisi arasnda bir iliki olduuna dair delil varmdr?

Diet Kola Hayr H Evet Toplam T l

Diet P Di t Pepsi i Evet Hayr 84 32 48 122 132 154

Toplam

116 170 286

2 Testi, bamsz zm
H0: iliki yok Ha: ilikili = 0.05 df = (2 - 1)(2 - 1) = 1 Kritik deer(ler):
Red = .05

3.841

2 Testi, bamsz zm

E(nij) 5 tm hcrelerde 116132 286

Diet Kola Di t K l Hayr Evet Toplam

Diet P Di t Pepsi i 154132 286 Hayr Evet Gzl. Bekl. Gzl. Bekl. Toplam G l B kl G l B kl T l 84 48 132
170132 286

53.5 78.5 132

32 122 154

62.5 91.5 154

116 170 286

170154 286

2 Testi, bamsz zm
2
n11

ch n Ec h n n n Ea f n Ea f n Ea f n n n Ea f Ea f Ea f
ij 2 2 2 11 12 12 22 22 11 12 22 2

nij E nij

84 53.5 53.5

32 62.5 62.5

122 91.5 91.5

54.29

2 Testi, bamsz zm
H0: iliki yok Ha: iliki var = 0.05 df = (2 - 1)(2 - 1) = 1 Kritik deer(ler):
Red = .05 0 3.841

Test istatistii: 2 = 54.29 54 29 Karar: Null hipotezi reddedilir =0 .05 Sonu: Bir iliki olduuna

dair delil var

KORELASYON VE REGRESYON ANALZ


Dr. rfan Yolcubal Kocaeli niversitesi Jeoloji Mh. Blm

Korelasyon Analizi
ki deiken arasndaki ilikinin yada korelasyonunun derecesini belirlemek iin kullanlan istatistiksel yntem. Baml Deiken: Tahmin edilen yada hesaplanan deiken Bamsz Deiken: Tahmin iin kullanlan deiken Dalm grafikleri: 2 deiken arasndaki ilikiyi gsteren grafikler

Korelasyon Analizi: rnek


Sat eleman Ali Veli Aye Gl Hsn Necati Zehra Fatma Zeynep Ahmet Telofonla yaplan arama says 14 35 22 29 6 15 17 20 12 29 Sat yaplan rn adeti 28 66 38 70 22 27 28 47 14 68

Dalm Grafikleri
Satlan rn a deti 80 60 40 20 0 0 10 20 Arama says
Genellikle, baml deiken: y ekseninde , bamsz deikende x ekseninde yeralr.

30

40

Korelasyon Katsays (r)


1900 ylnda Karl Pearson tarafndan tanmland. ki deiken arasndaki dogruasal korelasyonunun derecesini 1 r 1 belirleyen bir katsays. r = -1 yada +1, iki deiken arasndaki korelasyonun mkemmel olduunu ifade etmektedir.

Mkemmel negatif korelasyon


6 4 2 0 0 1 2 3 4 5

Mkemmel pozitif korelasyon


5 4 3 2 1 0 0 1 2

X
r= -1

r =1

Korelasyon Katsays (r)

r= 0, x ve y arasnda dousal bir korelasyon yok

Y llk g e lir

5 4 3 2 1 0 0 1 2

Cocuk3 says 4

Korelasyon katsays (r)


x ve y arasnda pozitif dorusal bir korelasyon var

15 not 10 5 0

10

ders alma sresi(saat)


Korelasyonun derecesi 2 deiken arasndaki ilikinin ynne( + yada -) bal deildir.

Korelasyon katsaysnn hesaplanmas (r)


n ( XY ) ( X )( Y )
2 2

r=

[n( X

) ( X ) ][(n( Y

) ( Y ) ]
2

n : gozlem sayisi

Korelasyon Katsaysnn Hesaplanmas: rnek


Sat eleman Telofonla yaplan arama says(X) 14 35 22 29 6 15 17 20 12 29 199 Sat yaplan rn adeti (Y) 28 66 38 70 22 27 28 47 14 68 408 X2 XY Y2

Ali Veli Aye Gl Hsn Necati Zehra Fatma Zeynep Ahmet TOPLAM

196 1225 484 841 36 225 289 400 144 841 4681

392 2310 836 2030 132 405 476 940 168 1972 9661

784 4356 1444 4900 484 729 784 2209 196 4624 20510

r=

[10(4681) (199) ][10(20510) (408) ]


2 2

10(9661) (199)(408)

= 0,924

Korelasyon Katsaysnn neminin Test edilmesi


Kk rneklemelerde (n<30) rnek: nceki rnekte satlan rn says ile telofonla yaplan arama says arasnda gl bir korelasyonun olduuna deindik. Fakat bu korelasyon sadece 10 rnee dayanlarak kan bir sonu. Gerekte poplasyonun korelasyonu sfr olabilir mi bilmiyoruz. Bu nedenle korelasyon katsaysnn gvenirliliini test etmemiz gerekmektedir. Hipotez: H0: = 0 H1: # 0 = poplasyonun korelasyonu
t= r n2 1 r
2

0 .924 10 2 1 ( 0 .924 ) 2

= 6 .835
0.95 olaslk 0

(H0) Rededildii blgesi

df = n 2 = 10 2 = 8

% 5 risk ile p<0.001


-2.306

2.306

Regresyon Analizi
ki deiken arasndaki korelasyonun matematiksel ifadesini tespit etmek iin yaplan analiz. Bu matematiksel ifadeye de regresyon denklemi diyoruz. Regresyon denklemi genel ifadesi: Y` = a + bX X: seilen bamsz deikenin deeri Y`: seilmi X deerine iin tahmin edilen Y deeri a: dogrunun Y ekseni kestii noktann deeri b: dorunun eimi a ve b: regresyon katsaylar Y

a X

Regresyon Analizi
Regresyon denklemini tespit etmek iin minimum kare (least square principle) prensibini kullanyoruz. Minumum Kare Prensibi: Gerek Y deerleri ile tahmin edilen Y deerleri arasndaki dey uzaklklarn karelerinin toplamn minumuma ekerek regresyon denklemini belirleme ilemi.

(Y Y `)

= minimum
*

Tahmin edilen deer

Y * * X

Gerek deer

Regresyon Katsaylarnn (a ve b) Belirlenmesi


a=

Y b X
n n n( XY ) ( X )( Y ) n X 2 ( X )

b=

X: Bamsz deikenin deeri Y: Baml deikenin deeri n: rnekteki veri says

rnek: Regresyon Katsaylarnn (a ve b) Belirlenmesi


Sat eleman Telofonla yaplan arama says(X) 14 35 22 29 6 15 17 20 12 29 199 Sat yaplan rn adeti (Y) 28 66 38 70 22 27 28 47 14 68 408 X2 XY Y2

Ali Veli Aye Gl Hsn Necati Zehra Fatma Zeynep Ahmet TOPLAM

196 1225 484 841 36 225 289 400 144 841 4681

392 2310 836 2030 132 405 476 940 168 1972 9661

784 4356 1444 4900 484 729 784 2209 196 4624 20510

rnek: Regresyon Katsaylarnn (a ve b) Belirlenmesi


b= n ( XY ) ( X n

( X
b

)( Y ) = 10 (9661 ) (199 )( 408 ) = 2 ,1387 10 ( 4681 ) (199 ) ) ( X )


2 2

a=

Y
n

X
n

408 199 2 ,1387 = 1, 706 10 10

Y ` = 1, 7601 + 2 ,1387

rnek: Regresyon Dorusunun grafii


Regresyon Denklemi
Sat yaplan rn says 80 60 40 20 0 0 10 20 30 40 Telefonla yaplan arama says Y` = 2,1387X - 1,7604

Regreson dorusunun zellii:

(Y Y `)

= minimum

2.Regresyon dorusu daima X ve Y deerlerinden gemektedir.

Regresyon Katsaylarnn Tahmininde Standart Hatann(S y.x) Belirlenmesi


Standart Hata:Regresyon dorusunun etrafnda gzlenen deerlerin dalmnn yada yaylmnm llmesi
n2 Sy.x= Tahminin standart hatas y.x= x bal y deeri S y. x =

(Y Y `)

S y.x= 0 ise tm noktalar regresyon dorusu zerine dmektedir. Gzlem saysnn byk olduu durumlarda regresyon katsaylarnn Tahmininde kullanlan daha pratik bir forml

S y.x =

a ( Y ) B ( XY ) n2

rnek: Regresyon Katsaylarnn Tahmininde Standart Hatann(S y.x) Belirlenmesi


Sat eleman Telofonla yaplan arama says(X) Sat yaplan rn adeti (Y) 28 66 38 70 22 27 28 47 14 68 408 Tahmini satlan rn adeti (Y`) (Y-Y`) (Y-Y`)2

Ali Veli Aye Gl Hsn Necati Zehra Fatma Zeynep Ahmet TOPLAM

14 35 22 29 6 15 17 20 12 29 199

28,1817 73,0944 45,2913 60,2622 11,0721 30,3204 34,5978 41,0139 23,9043 60,2622

-0,1817 -7,0944 -7,2913 9,7378 10,9279 -3,3204 -6.5978 -5,9861 -9,99043 7,7378 0
2

0,033 50,3305 53,1631 94,8247 119,4190 11,0251 43,5310 35,8334 98,0952 59,8735 566,1285

Y ` = 1,7601 + 2,1387

S y. x =

(Y Y `)
n2

566,1287 = 8.412 10 2

Dorusal (linear) regresyon analiz uygulamak iin varsaylan artlar


1. Herbir X deeri iin birden okY deeri vardr. Bu Y deerleri normal dalm gstermektedirler. 2. Bu Y deerlerinin ortalamalar daima dorusal regresyon izgileri zerinde yeralr. 3. Bu normal dalmlarn standart sapmalar birbirine eittir. 4. Y deerleri istatiksel olarak birbirine bal deildir.

GVEN ARALIININ HESAPLANMASI


Gven aral tm X deerlerine dayanan bir aralk olup seilmi bir X deeri iin hesaplanan ortalama bir deerdir.

1 + Y `t ( s y . x ) n

(X X )
X
2

2 2

( X)
n

X: seilmi X deeri t: df=n-2 zgrlk derecisi iin belli bir risk derecesine gre t dalm tablolarndan belirlenen t deeri

10

RNEK: GVEN ARALIININ HESAPLANMASI rnek: 25 kez telefonla arama yapan sat uzmanlarnn satt rn saysnn gven araln hesaplayalm.Gven araln: %95 sein
Sat eleman Telofonla yaplan arama says(X) 14 35 22 29 6 15 17 20 12 29 199 Sat yaplan rn adeti (Y) 28 66 38 70 22 27 28 47 14 68 408 X2 XY Y2

Ali Veli Aye Gl Hsn Necati Zehra Fatma Zeynep Ahmet TOPLAM

196 1225 484 841 36 225 289 400 144 841 4681

392 2310 836 2030 132 405 476 940 168 1972 9661

784 4356 1444 4900 484 729 784 2209 196 4624 20510

RNEK: GVEN ARALIININ HESAPLANMASI


X = 25 Y `= 2,1387 X 1,7601 Y `= 51,7074 %95 gven araligi df = n - 2 = 10 - 2 = 8 t = 2,306( t dagilim tablolarindan) s y.x = 8,412 1 Y `t ( s y. x ) + n

(X X )
X
2

2 2

( X)
n

= 51,7074 2,306(8,412)

1 + 10

(25 19,9)2
4681 (199) 2 10

51,7074 7,1558

11

TAHMN ARALIININ HESAPLANMASI


Tahmim aral belli bir X deeri iin olup o X deerine karlk gelen deerlerin araln verir.

1 Y `t ( s y . x ) 1 + + n

(X X )
X
2

2 2

( X)
n

rnek: 25 kez arama yapan Zekinin %95 gven aralkla sat yapaca rn adetinin tahmini aralnn belirlenmesi

12

You might also like