Sunum yükleniyor. Lütfen bekleyiniz

Sunum yükleniyor. Lütfen bekleyiniz

Hafta 01: Veri (Yrd.Doç.Dr. Levent AKSOY). Bu dersin amacı Temel istatistik kavramlarını ve uygulamalarını incelemektir. Dersin sonunda öğrencilerin problemlere.

Benzer bir sunumlar


... konulu sunumlar: "Hafta 01: Veri (Yrd.Doç.Dr. Levent AKSOY). Bu dersin amacı Temel istatistik kavramlarını ve uygulamalarını incelemektir. Dersin sonunda öğrencilerin problemlere."— Sunum transkripti:

1 Hafta 01: Veri (Yrd.Doç.Dr. Levent AKSOY)

2 Bu dersin amacı Temel istatistik kavramlarını ve uygulamalarını incelemektir. Dersin sonunda öğrencilerin problemlere uygun yöntemi uyarlayabilmeleri ve çözümünü bulabilmeleri beklenir. Bu derste Verinin Görsel Özetlenmesi, Tanımlayıcı İstatistikler; Temel Olasılık Hesabı; Kesikli ve Sürekli Rassal Değişkenler ve Olasılık Fonksiyonları ile Örneklem Dağılımı konuları işlenir. eİKT 203 – İstatistikHafta: 01 – Giriş

3 İşletme ve İktisat için İstatistik, Paul Newbold (çev. Ümit Şenesen), Literatür İşletme İstatistiğinin Temelleri, Bowerman-O’Connel-Murphee- Orris (Ed. Neyran Orhunbilge), Nobel İstatistik - Sayıların Arkasının Anlamı, Ümit Şenesen, Literatür eİKT 203 – İstatistikHafta: 01 – Giriş

4 1.Verinin görsel özetlenmesi ve histogram. 2.Ortalama, standart sapma ve diğer tanımlayıcı istatistikler. 3.Kombinasyon, Permutasyon ve Olasılık. 4.Olasılık kuramı. 5.Kesikli rassal değişkenler. 6.Sürekli rassal değişkenler. 7.Normal dağılım. 8.Örneklem dağılımı eİKT 203 – İstatistikHafta: 01 – Giriş

5 Kararlarımızın çoğu eksik bilgiyle alınır. Örnek: Mezun olunca iş piyasası nasıl olacak? Borsa yükselecek mi? Döviz, faiz ne olacak? İstatistik veriyi işleme, özetleme, inceleme ve yorumlamamıza yarayan araçlardır. eİKT 203 – İstatistikHafta: 01 – Giriş

6 Ana Kütle (Popülasyon): İlgilenilen ya da incelenen nesnelerin tamamından oluşur (N ile gösterilir). Örnek: Popülasyonun gözlenen alt kümesidir (n ile gösterilir). Parametre: Popülasyonun belirli bir özelliğidir. İstatistik: Örneğin belirli bir özelliğidir. eİKT 203 – İstatistikHafta: 01 – Giriş

7 PopülasyonÖrnek Popülasyondan hesaplanan değerlere parametre denir. Örnekten hesaplanan değerlere istatistik denir.

8 Bir ülkedeki tüm seçmenler. İstanbul’da yaşayan tüm ailelerin geliri. Maltepe Üniversitesi’ndeki tüm öğrencilerin GNO’sı. İstanbul borsasındaki tüm hisselerin ortalama getirisi. eİKT 203 – İstatistikHafta: 01 – Giriş

9 Basit Rastgele Örneklem Popülasyonun üyelerinin seçilmesinin tamamen şansa bağlı olduğu, Popülasyonun her üyesinin seçilme şansının eşit olduğu, Örneğin n üyesinden her birinin seçilme şansının eşit olduğu bir seçme yöntemidir. Bu şekilde oluşturulan örneğe de rastgele örnek denir. eİKT 203 – İstatistikHafta: 01 – Giriş

10 Sistematik örneklem için Popülasyon üyeleri konuyla ilişkili olmayacak şekilde sıralanır; Örneğin popülasyona oranında (j=N/n olacak şekilde) Popülasyonun her j üyesinden biri seçilir; İlk nesneyi 1’den j’ye kadar rastgele seçin. Oluşan örneğe sistematik örnek denir. eİKT 203 – İstatistikHafta: 01 – Giriş

11 Örnek: 96 Elemandan (N=96) oluşan bir popülasyondan 6 elemanlı (n=6) bir örnek alacağınızı varsayalım. j = N / n = 96/ 6 = 16 1’den 16’ya kadar olan sayılardan rastgele bir sayı seçin; bu sayı örneğin 10 olsun; bu sizin ilk örneğinizdir. Daha sonra her 10. elemanı seçin Örnek kümesi ={10., 26., 42., 58., 74., ve 90. elemanlar} eİKT 203 – İstatistikHafta: 01 – Giriş

12 Temel olarak istatistikler ikiye ayrılır: Veriyi sayısal olarak işleyen ve özetleyen Tanımlayıcı (Betimleyici) İstatistikler. Veriyi tahmin ve karar almaya destek için kullanan Çıkarımsal İstatistikler. eİKT 203 – İstatistikHafta: 01 – Giriş

13 Veriyi topla örn. Anket Veriyi sun örn. Tablo ve Grafik Veriyi özetle örn. Örnek ortalaması eİKT 203 – İstatistikHafta: 01 – Giriş

14 Tahmin Örneğin ortalama kilosunu kullanarak popülasyonun ortalama kilosunu tahmin etmek Hipotez Testi Popülasyon ortalama kilosunun 75 kg’ın üzerinde olup olmadığını sınamak. eİKT 203 – İstatistikHafta: 01 – Giriş Çıkarım örnek sonuçlarına dayanarak popülasyon hakkında tahminde bulunmak ya da karar verme sürecidir.

15 eİKT 203 – İstatistikHafta: 01 – Giriş Veri KategorikNumerik KesikliSürekli Örnekler: Evlilik durumu Göz rengi Ehliyet sahipliği (Tanımlanmış kategoriler ve gruplar) Örnekler: Çocuk sayısı Bir paketteki kırıklar (Sayılabilir nesneler) Örnekler: Ağırlık Hacim (Ölçülebilir özellikler)

16 eİKT 203 – İstatistikHafta: 01 – Giriş Aralık Verisi Sıralama Verisi Niceliksel Veri Niteliksel Veri Kategori (sıralama veya yön yok) Sıralı Kategori (rütbe, sıra, derece, ölçek) Ölçümler arasındaki fark anlamlı ancak mutlak sıfırdan bahsedilemez Oran Verisi Anlamlı farklar ve mutlak sıfır mevcut. Nominal Veri

17 Veriyi ham hali ile karar almada kullanmak genellikle zordur. Bir miktar düzenleme gerekir Tablo Grafik Kullanılacak grafik verinin cinsine bağlıdır. eİKT 203 – İstatistikHafta: 01 – Giriş

18 Sık kullanılan grafik tekniklerinden örnekler eİKT 203 – İstatistikHafta: 01 – Giriş Kategorik Değişkenler Numerik Değişkenler Frekans dağılımı Çapraz tablo Çubuk grafik Pasta grafiği Pareto diyagramı Çizgi grafik Frekans dağılımı Histogram ve ogive Dal-yaprak gösterimi Dağılım grafiği

19 eİKT 203 – İstatistikHafta: 01 – Giriş Kategorik Veri Grafiklendirilmiş Veri Pasta GrafikPareto Diyagramı Çubuk Grafik Frekans Dağılımı Tablolandırılmış Veri

20 eİKT 203 – İstatistikHafta: 01 – Giriş Örnek: Okula geç gelme sebepleri SebepMazeret SayısıYüzdesi Trafik sıkışıklığı 4515 Ailevi sebepler 3913 Otobüsün gecikmesi 5719 Uyuya kalma11137 Hava durumu 3311 Acil durum 15 5 Toplam: Veriyi kategorilendirerek özetlemek (Kategorik değişkenler)


"Hafta 01: Veri (Yrd.Doç.Dr. Levent AKSOY). Bu dersin amacı Temel istatistik kavramlarını ve uygulamalarını incelemektir. Dersin sonunda öğrencilerin problemlere." indir ppt

Benzer bir sunumlar


Google Reklamları