MATH 230 • Midterm I • Introduction to Probability Theory
Her mühendisliğin temelinde var olan Olasılık ve İstatistik konularının uygulamalarını gördüğümüz bu derste: 1) Probability 2) Conditional Probability and Bayes' Rule 3) Discrete Random Variables 4) Continuous Random Variables konularını inceliyoruz.
Sınava yönelik sorular ile konuların en kritik soru tiplerini kolaydan zora çözüp sınavda sürprize yer bırakmıyoruz!
Eğitmenler
İhsan Altundağ
Eğitmen
2007 yılında Galatasaray Üniversitesi Bilgisayar Mühendisliği bölümünden birincilikle mezun olduktan sonra Fransa'da Kriptoloji üzerine Fransa hükümeti tarafından verilen bursla yüksek lisans yaptım. Devamında ikinci kez sınava girerek Boğaziçi Matematik bölümünü de bitirdim. Yaklaşık 15 yıldır üniversite öğrencilerine dersler vermekteyim.
Ömer Faruk Altun
Co-founder & Head of Education
2011 yılında Endüstri Mühendisliği okumak için başladığım Sabancı Üniversitesi'nden 2018 yılında Bilgisayar Mühendisi olarak mezun oldum. 13 yıldır Altun ismiyle başta Sabancı Üniversitesi olmak üzere çeşitli okullarda Endüstri ve Bilgisayar Mühendisliği alanlarında ders vermekteyim. Unicourse'ta sunduğum derslerin yanında eğitim departmanının da sorumluluğunu üstlenmekteyim.
Konular
Axioms of Probability
11 konu anlatımı
Sample Space and Events
Probability
Axioms of Probability
Some Rules
Coin Example
Dice Example
Card Example 1
Card Example 2
Ball Example
Set Example
Birthday Example
Conditional Probability, Bayes' Rule and Independence
14 konu anlatımı
Conditioning Events
Total Probability Rule
Example 1
Example 2
Example 3
Example 4
Example 5
Example 6
Bayes' Rule
Bayes' Rule Example 1
Bayes' Rule Example 2
Independence
Independence Example 1
Independence Example 2
Sample Midterm Problems I
22 soru
Axioms of Probability 1
Axioms of Probability 2
Axioms of Probability 3
Axioms of Probability 4
Conditional Probability and Independence 1
Conditional Probability and Independence 2
Conditional Probability and Independence 3
Conditional Probability and Independence 4
Conditional Probability and Independence 5
Conditional Probability and Independence 6
Conditional Probability and Independence 7
Conditional Probability and Independence 8
Conditional Probability and Independence 9
Bayes' Rule 1
Bayes' Rule 2
Bayes' Rule 3
Bayes' Rule 4
Bayes' Rule 5
Bayes' Rule 6
Bayes' Rule 7
Bayes' Rule 8
Bayes' Rule 9
Discrete Random Variables
6 konu anlatımı
Random Variables
Probability Mass Function (PMF) for Discrete RV
PMF Example 1
PMF Example 2
Cumulative Distribution Function for Discrete RV
CDF Example
Continuous Random Variables
4 konu anlatımı
Probability Density Function (PDF) for Continuous RV
PDF Example
Cumulative Distribution Function (CDF) for Continuous RV
CDF Example
Sample Midterm Problems II
14 soru
Discrete Random Variable 1
Discrete Random Variable 2
Discrete Random Variable 3
Discrete Random Variable 4
Discrete Random Variable 5
Discrete Random Variable 6
Discrete Random Variable 7
Continuous Random Variable 1
Continuous Random Variable 2
Continuous Random Variable 3
Continuous Random Variable 4
Continuous Random Variable 5
Continuous Random Variable 6
Continuous Random Variable 7
Değerlendirmeler
1 öğrenci değerlendirmesi
Değerlendirme yapmak için bu derse sahip olman gerekiyor.
Hira Aksay
Mühendislik Programları
Paketi Tamamla
🎓 TED Üniversitesi öğrencilerinin %92'si tüm paketi alarak çalışıyor.
