A comparison of VAR and ARIMA Models forecasting accuracies
|
|
- Altan Yasin
- 5 yıl önce
- İzleme sayısı:
Transkript
1 MPRA Muich Persoal RePEc Archive A compariso of VAR ad ARIMA Models forecasig accuracies Faik Bilgili Erciyes Uiversiy, Faculy of Ecoomics ad Admiisraive Scieces 200 Olie a hps://mpra.ub.ui-mueche.de/75609/ MPRA Paper No , posed 27 December :44 UTC
2 ARIMA ve VAR MODELLERİNİN TAHMİN BAŞARILARININ KARŞILAŞTIRILMASI Faik Bilgili Absrac This paper cosiders he forecas accuracies of VAR ad ARIMA models. The paper, hece, employs mohly Turkish CPI, Exchage Rae ad Ieres rae variables for he period 994:-200:07, ad, observes he ex-pos forecas values of he releva variables. To his ed, paper firs deermies he fial AR ad MA parameers hrough ACF ad PACF esimaios, laer, ideifies he bes VAR model amog ohers hrough Sims, LR ad SC, ad, AC crieria. Eveually, saisical aalyses hroughou MAE, MAPE, MSE, RMSE, Theil U ad Theil U2 crieria evaluaios, his paper reveals ha VAR forecas is superior o ARIMA forecas for he releva variables. GİRİŞ Bu çalışmada, zama serisi aalizleride sıkça kullaıla iki modeli, Box-Jekis (ARIMA) ve Vekör Ooregresyo (VAR) modellerii geleceği ahmi emedeki başarıları değerledirilmekedir. Bu değerledirmede, Türkiye'ye ai eflasyo oraı, döviz kur sepeideki arış oraı ve faiz oraı ele alımakadır. Değişkelere ai e uygu ARIMA modellerii oluşurulabilmesi içi, değişkeleri bazı esler ile durağa olduklarıı alaşılması, ooregresif (AR), fark alma (I) ve yürüye oralamalara (MA) ai dereceleri elde edilmesi gerekmekedir. Bu amaçla, akip edile aşamalar sırası ile: i- uygu AR, I ve MA değerlerii elde edilmesi içi, modele ai ookorelasyo ve kısmi ookorelasyo foksiyolarıı icelemesi, ii- modeli ahmii, iiibelirlee modeli, diğer olası ARIMA modelleri arasıda, mevcu verilere e uygu model olup olmadığıı korolü ve iv- ilgili değişkee ai ahmi değerlerii elde edilmesidir. Bu aşamalar, çalışmada yer ala üç değişke içi ayrı ayrı ele alımakadır. VAR aalizide ise, öce, sisemde yer ala değişkelere ai gecikme sayılarıı belirlemesi gerekmekedir. Bu amaçla, Likelihood Rasyo (LR) es, Sims es, Akaike Bilgi Krieri (AIC) ve Schwarz-Bayesia Krieri (SBC) souçları değerledirilmekedir. Böylece, e uygu VAR sisemii belirlemesi aşamasıda sora, ele alıa büü değişkeler içi ahmi değerlerii elde edilmesi aşaması akip edilmekedir. Yapıla ahmileri ispi başarılarıı değerledirebilmek amacı ile bazı krierler ele alımakadır. Bu krierler sırası ile, i- oralama mulak haa (OMH), ii- oralama mulak yüzde haa (OMYH), iii- oralama kare haa (OKH), iv- karekök içeriside oralama kare haa (KOKH), v- Theil U ve vi-theil U2 isaisikleride oluşmakadır. Böylece bu isaisikler ile eflasyo oraı, döviz kur sepeideki arış oraı ve faiz oraıa ai ahmi değerlerii elde Bu çalışma, Devle İsaisik Esiüsü, İsaisik Araşırma Sempozyumu 2000, Ourum VII, Teorik İsaisik III de 29 Kasım 2000 arihide suulmuşur.
3 edilmeside ARIMA ve VAR modellerii ispi başarıları değerledirilmekedir. Dolayısıyla modelleri ısbi başarılarıı değerledirilebilmesi içi, ahmiler, değişkelere ai örekleri içerdikleri zama aralıkları içi yapılacakır. Çalışmada kullaıla veriler TCMB, EVDS de emi edilmişir. Büü seriler aylık olup, 994:0-2000:07 döemii kapsamakadır. Kullaıla seriler ve kodları sırası ile, US Dolar (TP.DK.USD.A:US Dolar, Alış), Euro (TP.DK.ECU.A:Euro, Alış), Tükeici Fiya Edeksi, TÜFE, (TP.FG.TO:.Geel, 94=00) ve aylık mevdua faiz oraları (TP.FA.FO4: Ay) dır. Bu çalışmada aalizi yapıla seriler ise, TÜFE deki yüzde değişme yai eflasyo oraı (%TÜFE), Döviz sepeideki yüzde değişme (%DÖVİZS) ve aylık mevdua faiz oralarıdır (FAİZ). Deklem (), (2) ve (3) yei serileri hesaplamasıda kullaılmakadır. %TÜFE = [(TÜFE TÜFE - ) / TÜFE - ]*00 () %DÖVİZS = [(SEPET SEPET - ) / SEPET - ]*00 (2) SEPET = USD *EURO (3) II. %TÜFE, %DÖVİZS ve FAİZ içi ARIMA MODELLERİ ARIMA, kısaca, ooregresif (AR), fark alma (I) ve yürüye oralamalara (MA) ai dereceleri ifade emekedir ve ARIMA meodu ile aaliz edile zama serisi ARIMA(p,d,q) olarak modelleşirilir. Burada p, serii gecikme sayısıı, d, serii durağa olması içi kaç kez farkıı alıdığıı ve q, yürüye oralamaya ai gecikme sayısıı belirmekedir. Bu bölümde öce DF/ADF esleri, örek ookorelasyo ve örek kısmi ookorelasyo foksiyolarıı yardımı ile ilgili değişkeleri durağa olup olmadıkları iceleecekir. Elde edile foksiyoları daha iyi akip edilebilmesi amacı ile, şekillerde kasayıları mulak değerleri göserilmekedir. Daha sora yie ookorelasyo ve kısmi ookorelasyo foksiyolarıı yardımı ile ilgili seri içi geçici model belirleecekir. Belirleme aşamasıda sora modeli ahmii yapılarak, elde edile souçları isaisiksel olarak yeerli olup olmadığı iceleecekir. Bu aşamada emel olarak modelde elde edile paramereleri sıfırda farklı olması ve modele ai haa erimlerii esadüfi olması beklemekedir. Geçici model ilgili eslerde geçemez ise ve/veya daha iyi bir modeli elde edilebileceği kaısıı uyadırırsa aleraif model(ler) espi edilerek yeide belirleme, ahmi ve korol aşamalarıda geçirilecekir. Bu krierlere ilave olarak, e yalı model, yai, e az paramereye sahip ve/veya e düşük p ve q değerlerie sahip model ercih edilecekir. Souça, ihai olarak belirlee model yardımı ile, ilgili değişkei belirlee zama aralığı içi alabileceği değerler ahmi edilecekir. II. %TÜFE Tablo II..a: DF/ADF %5 kriik u ye ai p(q) %TÜFE içi DF/ADF souçları değer Q değeri a X X u b X a X u c X a b X u
4 Şekil II..a: Ookorelasyo (%TÜFE) 0,35 0,3 0,25 0,2 0,5 0, 0, Şekil II..b: Kısmi Ookorelasyo (% TÜFE) 0,35 0,3 0,25 0,2 0,5 0, 0, Tablo II..b: %TÜFE ye ai Tahmiler AR() AR(0) AR() AR() AR(0) AR(,2) MA() MA() MA(0) MA(,2) MA(,2) MA(0) m (4.267) (2.7) (.638) (9.987) (.228) (9.52) (-2.982) (2.83) (3.834) (3.920) (2.974) (.66) (3.49) (2.92) (7.00) (4.899) (30.394) s.e SSR AIC SBC N/ Q (0.508) (0.987) (0.98) (0.) (0.06) (0.439) 3
5 Tablo II..a ya göre, %TÜFE serisii durağa olduğu alaşılmakadır. u ye ai Q isaisiği ola ki-kare değeride düşük çıkmakadır. Şekil II..a ve II..b de verile ookorelasyo ve kısmi ookorelasyo foksiyolarıa göre, %TÜFE içi (,) geçici model olarak belirlemekedir. Bu modele aleraif olabilecek modeller ise (0,) or (,0) dır. 2. gecikmede oraya çıka bir sıçrama ise olası bir mevsimsel dalgalamaı varlığıa işare edebilir. Bu dalgalamayı yakalayabilmek içi [, (,2)], [0, (,2)] veya (,2) modelleri de göz öüe alıabilir. Tablo II..b de paramere değerleri ve paraez içeriside isaisikleri verilmekedir. isaisiklerie göre büü paramereler 0.0 alamlılık seviyeside sıfırda farklıdırlar. Q isaisik değerlerie göre,.süuda 6.süua yer ala modellere ai haa erimlerii birbirlerie bağımlı olmadıkları yai esadüfü oldukları alaşılmakadır. s.e., SSR, AIC ve SBC değerleri bize 6. süuda yer ala m, AR() ve AR(2) yi isihdam ede (2, 0) modelii avsiye emekedir. II.2 %DÖVİZS Tablo II.2.a DF/ADF %5 kriik u ye ai p(q) %DÖVİZS içi DF/ADF Souçları değer Q değeri a X X u b X a X u c X a b X u Şekil II.2.a: Ookorelasyo (%DÖVİZS) 0,200 0,50 0,00 0,050 0, Şekil II.2.b: Kısmi Okorelasyo (%DÖVİZS) 0,200 0,50 0,00 0,050 0, Tablo II.2.a ve Şekil II.2.a ı souçları bize %DÖVİZS i durağa olduğuu gösermekedir. Şekil II.2.a ve II.2.b de ookorelasyo ve kısmi ookorelasyo kasayılarıı hiçbirii mulak olarak %95 güve aralık değeri ola 0.22 de büyük olmadığı 4
6 görülmekedir. Bu souç karşısıda elde eiğimiz modeli (0,0) olacakır. Bu modeli kullaarak Box-Jekis yöemi ile aaliz yapılamayacakır. Bu durumda %DÖVİZS i gelecek değerlerii belirleebilmesi içi, DÖVİZS ye ai büyüme oraı kullaılabilir. Acak bu çalışmadaki amaç, ARIMA ve VAR modellerii ahmi başarılarıı karşılaşırılması olduğu içi, (0,0) modelie aleraif olabilecek bazı modeller göz öüe alıabilir. Şekil II.2.a ve II.2.b, bize, 0.22 değerie e yakı ola paramereleri AR(), AR(2), AR(3), AR(7), AR(3), AR(20), MA(), MA(3), MA(7), MA(3) ve MA(20) olduğuu gösermekedir. Bu AR(p) ve MA(q) ı hepsii veya faklı kombiasyolarıı isihdam edildiği modeller aaliz edildi. Bazı modellerde elde edile kasayıları sıfırda farklı olmadığı ve/veya elde edile haa erimlerii esadüfü olmadığı görüldü. Tablo II.2.b, icelee değişik modeller içeriside e iyi krierlere sahip ola modelleri vermekedir. Tablo II.2.b: %DÖVİZS ye ai Tahmiler AR() AR(20) AR(20) AR() AR() AR(3) MA() MA(,20) MA(,3) MA(,3,3) MA(,20) MA(3,7,3) m 4, (8.497) (4.593) (.590) (26.52) (4.73) (6.52) (5.92) (9.094) (8.288) (-3.24) (2.37) (5.694) (-0.259) (6.295) (4.4) (-4.064) ( ) (4.966) (7.73) (6.49) (-3.357) (-3.877) ( ) (-5.94) (6.3) s.e SSR AIC SBC N/ Q (0.988) (0.606) (0.706) (0.565) (0.97) (0.04). süuda 6. süua bakıldığıda, 2.süuda yer ala modeli s.e., SSR, AIC ve SBC krierleri açısıda diğer modellerde daha iyi olduğu görülmekedir. Q isaisikleri büü modelleri haa erimlerii esadüfü olduğuu gösermekedir. O halde %DÖVİZS i 5
7 ahmiide 2. süuda belirile AR(20), MA() ve MA(20) yi içere (20,20) modeli kullaılacakır. II.3 FAİZ Tablo II.3.a DF/ADF %5 kriik u ye ai p(q) FAİZ içi DF/ADF souçları değer Q değeri a X X u b X a X u c X a b X u Tablo II.3.a da, a, b ve c deklemlerie göre elde edile DF es souçları 0.05 kriik değerlerde daha düşükür ve haa erimlerie ai Q isaisikleri bu deklemlere ilgili değişkee ai gecikme değerlerii ilave edilmesie gerek olmadığıı belirmekedir. Souç FAİZ değişkeii durağa olmadığıdır. Şekil II.3.a ve II.3.b de yer ala ookorelasyo ve kısmi ookorelasyo foksiyolarıa ai Q(9) isaisiğii 9.25 olması, FAİZ değişkeii durağa olmadığıı, zama içeriside sabi bir oralamaya ve varyasa sahip olmadığıı doğrulamakadır. Durağa olmaya seriler ile ARIMA aalizi yapılamayacağıda bu serii farkı ya da farkları alıarak durağa duruma geirilmesi gerekmekedir. O halde aalize birici derecede farkı alımış FAİZ (DFAİZ) ile devam edilecekir. 0,900 0,800 0,700 0,600 0,500 0,400 0,300 0,200 0,00 0,000 Şekil II.3.a: Ookorelasyo (FAİZ) ,900 0,800 0,700 0,600 0,500 0,400 0,300 0,200 0,00 0,000 Şekil II.3.b: Kısmi Ookorelasyo (FAİZ)
8 Tablo II.3.b: DF/ADF %5 kriik u ye ai p(q) DFAİZ içi DF/ADF souçları değer Q değeri a X X u b X a X u c X a b X u Şekil II.3.c: Ookorelasyo (DFAİZ) 0,400 0,350 0,300 0,250 0,200 0,50 0,00 0,050 0, Şekil II.3.d: Kısmi Ookorelasyo (DFAİZ) 0,400 0,350 0,300 0,250 0,200 0,50 0,00 0,050 0, Tablo II.3.b deki DF es souçları 0.05 kriik seviyeleride büyükürler. Bu değerler FAİZ serisii birici derecede farkıı durağa olduğuu ifade emekedir. 9 serbeslik derecesi ve alamlılık seviyeside değeri dir ve bu değer elde edile Q isaisikleride büyükür. Şekil II.3.c ve Şekil II.3.d de verile ookorelasyo ve kısmi ookorelasyoda 3. gecikmelere ai değerler %95 güve aralık değeri 0.22 de büyükürler. AR(3) ve MA(3) ü dâhil olduğu ARIMA(3,,3) modeli geçici model olarak alıabilir. Bu modele ai ahmiler Tablo II.3.c de.süuda verilmekedir. Acak kısmi ookorelasyo foksiyouda 6. ve 6. gecikmelere ai değerler ile, ookorelasyo foksiyoudaki 5. değeri, 0.22 e e yakı değerler olduğu görülmekedir. Bu sebeple AR(6), AR(6) ve MA(5) i yer alacağı diğer modeller de aaliz edilebilir. Ayrıca, ookorelasyo ve kısmi ookorelasyo foksiyolarıdaki 2. gecikmeye ai hafif bir çıkış görülmekedir. Bu durumda olası bir mevsimsel dalgalamayı yakalayabilmek içi AR(2) ve/veya MA(2) i kullaılacağı başka model(ler) de düşüülebilir. Tablo II.3.c, bu olası modellere ai ahmi souçlarıı vermekedir. Yie burada icelediğimiz birçok model arasıda kasayıları alamlı olaları gösermekeyiz.. süuda 5. süua yer ala modellere sabi erim m ve AR(2) dâhil edildiğide isaisiksel olarak alamsız 7
9 çıkmakadırlar. 3. süudaki modele MA(5) dâhil edildiğide, MA(5) alamsız bulumakadır. 5. süuda belirile modele MA(5) ilave edildiğide 0.05 seviyeside sıfırda farklı olmaya bir kasayı bulumakadır. Sadece AR(3) veya MA(3) ü değerledirildiği modeller ise diğerleride daha iyi isaisiki souçlar vermemekedir. Özele, s.e., SSR, AIC ve SBC değerlerie göre AR(3), AR(6), MA(3) ve MA(2) i buluduğu 5.süudaki model ercih edilmelidir. TABLO II.3.c: DFAİZ içi Tahmiler AR(3) AR(3) AR(3) AR(3,6) AR(3,6) MA(3) MA(3,5) MA(3,2) MA(3,5) MA(3,2) (-4.95) (-3.734) (-4.90) (-6.082) (-4.270) (-2.780) (-3.256) (3.537) (3.03) (6.666) (8.670) (5.03) (-2.442) (-3.436) (9.203) (3.74) s.e SSR AIC SBC N/ Q (0.267) (0.66) (0.432) (0.94) (0.709) III. VAR ANALİZİ X C 0 C X C X... C X e 2 2 P p (4) X = VAR içerisideki mevcu büü değişkeleri kapsaya vekör ( ), C 0 = sabi erimleri kapsaya vekör ( ), C i = paramereleri kapsaya maris ( ), e = haa erimlerii kapsaya vekör ( ). Böylece bu modelde +p 2 kadar paramere ahmi edilmekedir. X marisideki üm değişkeler edoje değişkelerdir ve dekliği sağ arafıdaki değişkeler daha öce belirlemiş değişkelerdir. Haa erimleri kedi aralarıda bir korelasyoa sahip ike, gecikmelere ai haa erimleri ile ve X - ile bir korelasyoa sahip değildir. Sisem içerisideki büü deklemler ayı gecikme sayısıa eşiir. VAR aalizide gecikme sayısıı belirlemesi 8
10 e öemli aşamalarda birisidir. Gecikme sayısı çok düşük olduğuda model yalış aımlaabilmeke, çok yüksek olduğuda ise modele ai serbeslik derecesi azalmakadır. Tablo III: VAR içi Gecikme Uzuluğu Tesleri L AIC SBC Hipoez LR Sims H 0 :L=7, H :L= (0.00) (0.00) H 0 :L=6, H :L= (0.00) (0.00) H 0 :L=5, H :L= (0.00) (0.00) H 0 :L=4, H :L= (0.00) (0.00) H 0 :L=3, H :L= (0.00) (0.00) H 0 :L=2, H :L= (0.00) (0.00) H 0 :L=, H :L= (0.00).063 (0.00) H 0 :L=0, H :L= (0.00) (0.00) H 0 :L=9, H :L= (0.00) (0.00) H 0 :L=8, H :L= (0.00) (0.00) H 0 :L=7, H :L= (0.00) (0.00) H 0 :L=6, H :L= (0.00) (0.00) H 0 :L=5, H :L= (0.00) (0.00) H 0 :L=4, H :L= (0.00) (0.00) H 0 :L=3, H :L= (0.00) (0.00) H 0 :L=2, H :L= (0.00) (0.00) H 0 :L=, H :L= (0.00) (0.00) md md Gecikme sayısıı kaç olması gerekiğie ilişki çeşili hipoez esleri yapılmakadır. Bu esler sırası ile, Likelihood Rasyo (LR) esi, LR (T) log r log u (5) Sims es, Sims (T C) log r log u (6) Akaike Bilgi krieri (AIC), AIC (T)log 2N (7) ve Schwarz Bayesia krieri (SBC), SBC (T)log Nlog(T) (8) 9
11 esleridir. Burada, T, kullaılabile gözlem sayısıı, C, her bir deklemdeki ahmi edile paramereleri sayısıı, i deermiasyouu doğal logarimasıı ve, log, sıırladırılmış modeli varyas/kovaryas marisii,, sıırladırılmamış modeli varyas/kovaryas marisii, u r, haa erimlerie ai varyas/kovaryas marisii deermiasyouu ve N ise büü deklemlerdeki ahmi edile paramereleri oplam sayısıı vermekedir (Eders, 995, s.33-35; Doa, 992, s.8-7). %TÜFE, %DÖVİZS ve FAİZ i dahil edildiği VAR sisemie ilişki opimal gecikme sayısıı belirlemek içi yapıla es souçları aşağıda Tablo III e göserilmekedir. Tablo III,. süu, değişkelere ai aleraif aylık gecikme sayılarıı, 2. ve 3. süular AIC ve SBC değerlerii vermekedir. 9. gecikme sayısıda, sıfır deermia ile karşılaşıldığıda AIC ve SBC değerleri elde edilememişir. AIC ve SBC krierlerie göre e opimal gecikme sayısı 8 olarak bulumakadır. LR ve Sims esleri bu soucu doğrulamakadır. 4. süuda, 8 aylık gecikme uzuluğua karşı (H :L=8), 8 ayda daha düşük gecikmeleri dikkae ala sıfır hipoezler belirilmekedir. 5. ve 6. süularda LR ve Sims es souçları ve paraez içeriside alamlılık seviyeleri verilmekedir. Sıfır hipoezler hem LR hem de Sims esleri arafıda 0.0 alamlılık seviyeside reddedilmekedir. Öreği., 2. ve 3. saırlar içi 0.05 alamlılık seviyeleride ki-kare ablo değerleri sırası ile 6.99 (sd = 9), (sd = 8) ve 40.3 (sd = 27) ür. IV. TAHMİNLERİN BAŞARILARININ ÖLÇÜMÜ Bu bölümde serilere ai değerleri ahmiide kullaıla ARIMA ve VAR modellerii ispi başarıları iceleecekir. Bu sebeple öce lieraürde kullaıla krier isaisikler aıılacak ve bu isaisikleri souçları ile ARIMA ve VAR karşılaşırılacakır. IV. BAŞARILARIN ÖLÇÜMÜNDE KULLANILAN İSTATİSTİKLER -Oralama Mulak Haa OMH Y Ŷ (9) veya, OMH e Yˆ Y değişkeie ai ahmi değerleri, Y = Y değişkeie ai gerçek değerler. e = Tahmi haası. = Tahmi sayısı. 2- Oralama Mulak Yüzde Haa e OMYH (0) Y 0
12 3-Oralama Kare Haa OKH () 2 e 4- Kök Oralama Kare Haa KOKH (2) 2 e 5-Theil U İsaisik TU (3) 2 2 Ŷ Ŷ Y 2 Y 6- Theil U2 İsaisik 2 TU2 (4) 2 Ŷ Y Y Ele alıa büü isaisiklerde arzu edile souç, e ufak değere sahip, OMH, OMYH, OKH, KOKH ve Theil U isaisiklerie sahip ahmi modelii oluşurmakır. Acak hagi isaisiği kullaılması gerekiği kousuda belirli bazı krierler akip edilmekedir. Haa değerlerii büyüklükleri bezer ise OKH akip edilebilir. Acak öreği ahmi sorası bir ya da birde fazla oralamaı üzeride büyük haa(lar) elde edilmiş ise, OKH isaisiği haaları karelerii aldığı içi fazla uygu olmayabilir. Bu isaisiği yerie bu durumda, öreği, OMH kullaılabilir. Haa değerlerii birim değerleri farklılık göseriyorsa, öreği, bir ahmi modeli gerçek değerleri kullaıyor ike bir başka ahmi modeli doğal logariması alımış değerleri kullaıyorsa, yararlaılabilecek isaisik OMYH dir. OMYH farklı birim değerlere sahip modelleri karşılaşırılmasıda oraya çıkabilecek dezavaajları elimie emekedir. (Gayor, 994, s.3-6). TU ve TU2 isaisikleri ayı maığa sahipir. Bir model 0 a e kadar yakı TU ve TU2 isaisiğie sahipse, model o kadar iyi demekir. TU değerleri 0 ile arasıda yer alır. Model, 0 a e kadar yakı bir değere sahipse, o kadar iyi, e kadar e yakı değere sahipse o kadar köü olduğu soucu oraya çıkmakadır. e eşi bir TU isaisiği, modeli olabildiğice köü olduğuu ifade emekedir. TU2 ise 0 ile de büyük değerler arasıda yer alabilir. TU isaisiğii e eşi olabilmesi içi aşağıda sırala olası e köü ahmi souçlarıda birisii elde edilmesi gerekir (Pidyck ve Rubifeld, 99, s.340).
13 a) Gerçek değerler sıfırda farklı değerlere sahipke, ahmi değerlerii sıfıra eşi olması, b) Tahmi değerleri sıfırda farklı değerlere sahipke, gerçek değerleri sıfıra eşi olması, c) Gerçek değerler poziif değerlere sahipke, ahmi değerlerii egaif olması, d) Gerçek değerler egaif değerlere sahipke, ahmi değerlerii poziif olması, Lieraürde e çok kullaıla isaisiklerde biri ola Theil U kousuda bir akım arışmalar mevcuur. Bu arışmalar, alaşmazlıklar, Theil U isaisiğii bazı farklı versiyolara sahip olması (TU, TU2 gibi) ve bazı versiyolarıı bazı dezavaajlara sahip olmasıda kayaklamakadır. Öreği, Theil ilk kiabıda (96), TU i avsiye ederke, daha soraki kiabıda (966), oraya çıka bazı isaisiksel problemler üzerie TU2 isaisiğii avsiye emekedir. Bliemel (973) basi bir ahmi modelide daha iyi veya köü olabilecek herhagi bir ahmi modelii de küçük bir değer alabileceğii gösermekedir. Bu yüzde eldeki ahmi modelii aleraif ahmi modelleri ile karşılaşırılmasıda TU yerie TU2 isaisiğii kullaılması daha uygu olacakır (Ahlburg, 984, s.350). İki isaisiği daha deaylı icelemeside Maddala (977) ve Grager ve Newbold (973) e bakılabilir. Bua rağme bu çalışmada TU isaisiğii göserilmesii sebebi, lieraürde yaygı olarak kullaılması ve bazı ekoomerik programları bu isaisiği vermesidir. Bu çalışmada ele alıa üm isaisikler RATS 4.2 de yazıla bir program ile elde edilmişir. RATS kedi Theil U hesaplamasıı biraz daha farklı bir yöem ile gerçekleşirmekedir. Hesaplaa Theil U, ahmi modelie ai KOKH u basi bir ahmi modelie ai KOKH a oraı ile bulumakadır. Basi modelde değişkei gelecek döemie ai ahmi değerii bu döeme ai gerçek değerie eşi olacağı varsayılır. Ayrıca RATS i Theil U hesaplaması Ex pos ahmie dayalıdır. Buradaki çalışmada ise öreğe ai ola üm gözlemleri kullaıldığı örek içi ahmi (wihi sample forecas) yapılmakadır. TSP ve EViews 2.0 proğramları ise TU değerii vermekedir. EViews 2.0, TU değerii verirke ayı zamada bu değeri oluşura al değerlere ai isaisikleri de vermekedir. Lieraürde yukarıda ele alıa isaisikleri dışıda başka isaisikleri de kullaıldığı görülmekedir. Öreği, Uygur (987, s.27) korelasyo ve regresyo kasayıları, Özmucur (989, s.33) Theil m isaisiği, Daiel ve Terrell (995, s ) izleme siyalleri gibi farklı krierleri de göz öüe almakadır. Hagi isaisikleri hagi öde gele çalışmalarda kullaıldığı kousuda Mahmoud (984) geiş bir lieraür çalışması yapmakadır. IV.2 TAHMİN BAŞARILARININ KARŞILAŞTIRILMASI Tablo IV.2.a: %TÜFE içi Tahmi Başarı İsaisiklerii Karşılaşırılması Tahmi Aralığı: 2000:-2000:7 2000:3-2000:7 2000:5-2000:7 VAR (L=8) (2,0) (,) VAR (L=8) (2,0) (,) VAR (L=8) (2,0) (,) OMH OMYH OKH KOKH TU TU
14 Tablo IV.2.b: %DÖVİZS içi Tahmi Başarı İsaisiklerii Karşılaşırılması Tahmi Aralığı: 2000:-2000:7 2000:3-2000:7 2000:5-2000:7 VAR (L=8) (20,20) (,) VAR (L=8) (20,20) (,) VAR (L=8) (20,20) (,) OMH OMYH OKH KOKH TU TU Tablo IV.2.c: FAİZ içi Tahmi Başarı İsaisiklerii Karşılaşırılması Tahmi Aralığı: 2000:-2000:7 2000:3-2000:7 2000:5-2000:7 VAR ARIMA ARIMA VAR ARIMA ARIMA VAR ARIMA ARIMA (L=8) (6,,2) (3,,3) (L=8) (6,,2) (3,,3) (L=8) (6,,2) (3,,3) OMH OMYH OKH KOKH TU TU Tablo IV.2.a, Tablo IV.2.b ve Tablo IV.2.c, üç ayrı döeme ai ahmi başarıı gösermekedir. Bu döemler, 2000:-2000:7, 2000:3-2000:7 ve 2000:5-2000:7 aralıklarıı kapsamakadır. 2. süu VAR aalizi soucu elde edile ahmilere ai isaisikleri ve 3. süu ise ARIMA yöemi ile belirlee ihai modele ai ahmileri değerledire isaisikleri gösermekedir. Acak ihai modeller ile kasedile, e iyi isaisiksel krierlere sahip ola modellerdir. Box-Jekis yöemide modeli yalı olması ercih sebepleride birisidir. Bu yüzde, 4. süuda ilgili değişkee ai yalı modeli verdiği ahmilere ai isaisikler de yer almakadır. Böylece ablolarda her ahmi aralığı içi VAR, ihai ARIMA ve yalı ARIMA modellerie ai souçlar verilmekedir. Tablo IV.2.a, %TÜFE ye ai ahmi aralığı geişledikçe hem hem de VAR a ai isaisikleri ispi olarak iyileşiğii gösermekedir. OMH, OMYH, OKH, KOKH, TU ve TU2 açısıda VAR e iyi souçlara sahipke, ihai, yalı da daha iyi souçlar vermekedir. Tablo IV.2.b de, %DÖVİZS içi, VAR ı daha iyi ahmi yeeeğie sahip olduğu ve ahmi aralığı daraldıkça, VAR a ai büü isaisikleri iyileşiği soucu çıkmakadır. Döemler karşılaşırıldığıda, ihai, yalı da daha iyi çıkmakadır. Nihai içi e iyi OMH, OKH ve KOKH değerleri 3 aylık ahmii yapıldığı 2000:5-2000:7 aralığıa, e iyi OMYH, TU ve TU2 değerleri 7 aylık ahmii yapıldığı 2000:-2000:7 aralığıa aiir. Tablo IV.2.c de FAİZ içi de e iyi souçlar yie VAR a aiir ve VAR ı ahmide e başarılı olduğu döem 2000:5-2000:7 aralığıdır. Acak, yukarıdaki souçları aksie, burada yalı ARIMA modeli, ihai ARIMA modelide ispi olarak daha iyi OMH, OMYH, OKH, 3
15 KOKH, TU ve TU2 isaisiklerii vermekedir. Yalı modeli e başarılı olduğu döem ise 2000:3-2000:7 döemidir. SONUÇ Bir seriye ai elde edile gelecek değerler ekoomi plalayıcıları içi öemli bir rehberlik görevi yapmakadırlar. Acak, olası daha iyi ahmi souçlarıı elde edebilmek söz kousu ike, elde edile ahmi değerlerii e kadar güveilir olduğu sorusu oraya çıkmakadır. Bu soruu cevabı yararlaıla bazı isaisikler yardımı ile örek döemie ai ahmi ve Ex pos ahmi ler içi kolayca verilebilmekedir. Bu çalışma emel olarak, VAR ve ARIMA yöemlerii ahmi başarılarıı karşılaşırmak amacı ile yapılmışır. VAR ve ARIMA yöemleri ile %TÜFE, %DÖVİZS ve FAİZ değişkelerie ai ahmiler 2000:-2000:7, 2000:3-2000:7 ve 2000:5-2000:7 aralıkları içi yapılmışır. Üç değişkee ai değerleri ahmiide, VAR sisemii modelleride daha başarılı olduğu gözlemlemekedir. Bu çalışmada icelee değişkeleri özellikle belirile döemler içi ahmiii, diğer olası değişke ve döemlere ai yapılabilecek ahmilerde daha zor olduğu kabul edilmelidir. Çükü 2000 yılı, Türkiye ekoomisi içi bir geçiş yılıdır ve 2000 de bu yaa kamu ve özel sekörleri makro gösergeleri iyileşirilmesi yöüde ciddi adımlar amışlardır. Bu uzlaşmaı hedefi, yüksek eflasyo, döviz ve faiz oralarıı hedeflee rakamlara düşürülmesidir. Gerçeke, öreği, arihi periyodu içeriside çok yüksek seyrede ve baze üç haeli rakamlara ulaşa eflasyo oraıı, 2000 i ilk aylarıda iibare hissedilir şekilde düşüğü görülmekedir. Her üç değişke içi de, 78 aya ai gözlem içeriside so 7 aya ai izlee bu düşüşleri, herhagi bir modeli çok iyi bir şekilde ahmi emesi herhalde zordur. Daha isikrarlı değişke ve döemleri ahmii daha kolaydır. Ve bu değişke ve döemler içi yapılabilecek, hem Ex pos hem de Ex ae ahmiler daha başarılı olabilecekir. KAYNAKÇA Ahlburg A., Deis, "Forecas Evaluaio ad Improveme Usig Theil s Decomposiio, " Joural of Forecasig, Vol.3, 984, s Daiel, Waye W. ve Terrell, James C., Busiess Saisics for Maageme ad Ecoomics, Seveh Ediio, Hougho Miffli Compay, Boso, 995. Doa, A. Thomas, RATS User s Maual, Versio 4.0, 2 d Priig, Esima, Evaso IL, 992. Eders, Waler, Applied Ecoomeric Time Series, Joh Wiley & Sos, Ic. New York, 995. Gayor, E. Paricia ad Ricky C. Kirkparick, Time Series Modelig ad Forecasig i Busiess ad Ecoomics, McGraw Hill Ic., New York, Ieraioal Ediios, 994. Grager, C.W.J. ve P. Newbold, "Some Commes o he Evaluaio of Ecoomic Forecass," Applied Ecoomics, 973, s Maddala, G.S., Ecoomerics, McGraw Hill Ic., New York, Ieraioal Ediios, 977. Mahmoud, Essam, "Accuracy i Forecasig: a Survey," Joural of Forecasig, Vol.3, 984, 4
16 s Özmucur, Süleyma, Geleceği Tahmi Yöemleri, İSO Araşırma Dairesi, No: 990/2, İsabul, Ocak 990. Pidyck, Rober S. ve Rubifeld, Daiel, Ecoomeric Models & Ecoomic Forecass, Third Ediio, McGraw-Hill, Ic.,New York, 99. TCMB, EVDS, hp://cmbf40.cmb.gov.r/cgi-bi/famecgi?cgi=$cbweb&dil=uk, Ağusos, Uygur, Erca, SESRTCIC Ecoomeric Model of The Turkish Ecoomy, SESRTCIC, Akara, Turkey,
ARMAX Modelleri ve Porsuk Barajı Su Seviyesinin Öngörüsü. ARMAX Models and Forcasting Water Level of Porsuk Dam
ARMAX Modelleri ve Porsuk Barajı Su Seviyesii Ögörüsü Hülya Şe a ve Özer Özaydı a a Eskişehir Osmagazi Üiversiesi, Fe-Edebiya Fakülesi, İsaisik Böl., 26480, Eskişehir e-posa: hse@ogu.edu.r, oozaydi@ogu.edu.r
DetaylıYukarıdaki sonucu onaylarım. Prof. Dr. Ülkü MEHMETOĞLU. Enstitü Müdürü
ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ DURAĞAN OLMAYAN ZAMAN SERİLERİNDE KOİNTEGRASYON VEKTÖRÜNÜN TAHMİNİ ÜZERİNE BİR ÇALIŞMA Yudum BALKAYA İSTATİSTİK ANABİLİM DALI ANKARA 006 Her
DetaylıTÜRKİYE DE DÖVİZ KURU VOLATİLİTELERİNİN MODELLENMESİ
TÜRKİYE DE DÖVİZ KURU VOLATİLİTELERİNİN MODELLENMESİ Öze İhsa Erdem Kayral Bu çalışmada Dolar ve Euro kurlarıı 00-05 döemide gülük geirileri kullaılarak döviz kuru volailieleri içi e uygu modeller belirlemiş
DetaylıTürkiye de Turizm ve İhracat Gelirlerinin Ekonomik Büyüme Üzerindeki Etkisinin Testi: Eşbütünleşme ve Nedensellik Analizi
Süleyma Demirel Üiversiesi, Fe Bilimleri Esiüsü Dergisi, 6-2 ( 202), 20-2 Türkiye de Turizm ve İhraca Gelirlerii Ekoomik Büyüme Üzerideki Ekisii Tesi: Eşbüüleşme ve Nedesellik Aalizi Esra POLAT, Süleyma
DetaylıDoç. Dr. M. Mete DOĞANAY Prof. Dr. Ramazan AKTAŞ
TAHVİL DEĞERLEMESİ Doç. Dr. M. Mee DOĞANAY Prof. Dr. Ramaza AKTAŞ 1 İçerik Tahvil ve Özellikleri Faiz Oraı ve Tahvil Değeri Arasıdaki İlişki Tahvili Geiri Oraı ve Vadeye Kadar Geirisi Faiz Oraı Riski Verim
DetaylıKırgızistan da İthalatın Belirleyicilerinin Modellenmesi
SESSION C: Uluslararası Ticare I 259 Kırgızisa da İhalaı Belirleyicilerii Modellemesi Assoc. Prof. Dr. Ebru Çağlaya (Kyrgyzsa-Turkey Maas Uiversiy, Kyrgyzsa) Ph.D. Cadidae Zamira Oskobaeva (Kyrgyzsa-Turkey
DetaylıKONYA İLİ SICAKLIK VERİLERİNİN ÇİFTDOĞRUSAL ZAMAN SERİSİ MODELİ İLE MODELLENMESİ
KONYA İLİ SICAKLIK VERİLERİNİN ÇİFTDOĞRUSAL ZAMAN SERİSİ MODELİ İLE MODELLENMESİ İsmail KINACI 1, Aşır GENÇ 1, Galip OTURANÇ, Aydın KURNAZ, Şefik BİLİR 3 1 Selçuk Üniversiesi, Fen-Edebiya Fakülesi İsaisik
DetaylıDİNAMİK PORTFÖY SEÇİMİ ve BİR UYGULAMA
Yöeim, Yıl: 7, Sayı: 55, Ekim 6 DİNAMİK PORFÖY SEÇİMİ ve BİR UYGULAMA Dr. Mehme HORASANLI İsabul Üiversiesi İşleme Fakülesi Sayısal Yöemler Aabilim Dalı Bu çalışmada, Li ve Ng ( arafıda aaliik çözümü üreile
DetaylıNOT: BU DERS NOTLARI TEMEL EKONOMETRİ-GUJARATİ KİTABINDAN DERLENMİŞTİR. HAFTA 1 İST 418 EKONOMETRİ
NOT: BU DERS NOTLARI TEMEL EKONOMETRİ-GUJARATİ KİTABINDAN DERLENMİŞTİR. KULLANILAN ŞEKİLLERİN VE NOTLARIN TELİF HAKKI KİTABIN YAZARI VE BASIM EVİNE AİTTİR. HAFTA 1 İST 418 EKONOMETRİ Ekoometri: Sözcük
DetaylıKi- kare Bağımsızlık Testi
PARAMETRİK OLMAYAN İSTATİSTİKSEL TEKNİKLER Prof. Dr. Ali ŞEN Ki- kare Bağımsızlık Testi Daha öceki bölümlerde ölçümler arasıdaki ilişkileri asıl iceleeceğii gördük. Acak sıklıkla ilgileile veriler ölçüm
DetaylıBox-Jenkıns Modelleri ile Aylık Döviz Kuru Tahmini Üzerine Bir Uygulama
Kocaeli Üniversiesi Sosyal Bilimler Ensiüsü Dergisi (6) 2003 / 2 : 49-62 Box-Jenkıns Modelleri ile Aylık Döviz Kuru Tahmini Üzerine Bir Uygulama Hüdaverdi Bircan * Yalçın Karagöz ** Öze: Bu çalışmada geleceği
Detaylıİşlenmemiş veri: Sayılabilen yada ölçülebilen niceliklerin gözlemler sonucu elde edildiği hali ile derlendiği bilgiler.
OLASILIK VE İSTATİSTİK DERSLERİ ÖZET NOTLARI İstatistik: verileri toplaması, aalizi, suulması ve yorumlaması ile ilgili ilkeleri ve yötemleri içere ve bu işlemleri souçlarıı probabilite ilkelerie göre
DetaylıOlasılıksal Oynaklık Modellerinin Bayesci Çözümlemesi ve Bir Uygulama
SDU Joural of Sciece (E-Joural), 0, 6 (): 6-7 Olasılıksal Oyaklık Modellerii Bayesci Çözümlemesi ve Bir Uygulama Derya Ersel,*, Yasemi Kayha Aılga, Süleyma Güay Haceepe Üiversiesi, Fe Fakülesi, İsaisik
DetaylıANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ ZAMAN SERİLERİNDE BİRİM KÖKLERİN İNCELENMESİ. Yeliz YALÇIN İSTATİSTİK ANABİLİM DALI
ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ ÜKSEK LİSANS TEZİ ZAMAN SERİLERİNDE BİRİM KÖKLERİN İNCELENMESİ eliz ALÇIN İSTATİSTİK ANABİLİM DALI ANKARA Her akkı saklıdır rd. Doç. Dr. ılmaz AKDİ daışmalığıda,
DetaylıBankacılık Sektörü Hisse Senedi Endeksi İle Enflasyon Arasındaki İlişki: Yedi Ülke Örneği
YÖNETİM VE EKONOMİ Yıl:213 Cil:2 Sayı:2 Celal Bayar Üiversiesi İ.İ.B.F. MANİSA Bakacılık Sekörü Hisse Seedi Edeksi İle Eflasyo Arasıdaki İlişki: Yedi Ülke Öreği Doç. Dr. Aslı YÜKSEL Bahçeşehir Üiversiesi,
Detaylı4.Bölüm Tahvil Değerlemesi. Doç. Dr. Mete Doğanay Prof. Dr. Ramazan Aktaş
4.Bölüm Tahvil Değerlemesi Doç. Dr. Mee Doğaay Prof. Dr. Ramaza Akaş Amaçlarımız Bu bölümü amamladıka sora aşağıdaki bilgi ve becerilere sahip olabileceksiiz: Tahvillerle ilgili emel kavramları bilmek
DetaylıBölüm 4. Görüntü Bölütleme. 4.1. Giriş
Bölüm 4 Görüü Bölüleme 4.. Giriş Görüü iyileşirme ve görüü oarmada arklı olarak görüü bölüleme görüü aalizi ile ilgili bir problem olup görüü işlemei göserim ve aılama aşamalarıa görüüyü hazırlama işlemidir.
DetaylıBÖLÜM 3 YER ÖLÇÜLERİ. Doç.Dr. Suat ŞAHİNLER
BÖLÜM 3 YER ÖLÇÜLERİ İkici bölümde verileri frekas tablolarıı hazırlaması ve grafikleri çizilmesideki esas amaç; gözlemleri doğal olarak ait oldukları populasyo dağılışıı belirlemek ve dağılışı geel özelliklerii
Detaylı5 İKİNCİ MERTEBEDEN LİNEER DİF. DENKLEMLERİN SERİ ÇÖZÜMLERİ
5 İKİNCİ MERTEBEDEN LİNEER DİF. DENKLEMLERİN SERİ ÇÖZÜMLERİ Bir lieer deklemi geel çözümüü bulmak homoje kısmı temel çözümlerii belirlemesie bağlıdır. Sabit katsayılı diferasiyel deklemleri temel çözümlerii
DetaylıBASAMAK ATLAYARAK VEYA FARKLI ZIPLAYARAK İLERLEME DURUMLARININ SAYISI
Projesii Kousu: Bir çekirgei metre, metre veya 3 metre zıplayarak uzuluğu verile bir yolu kaç farklı şekilde gidebileceği ya da bir kişii veya (veya 3) basamak atlayarak basamak sayısı verile bir merdivei
Detaylı4/16/2013. Ders 9: Kitle Ortalaması ve Varyansı için Tahmin
4/16/013 Ders 9: Kitle Ortalaması ve Varyası içi Tahmi Kitle ve Öreklem Öreklem Dağılımı Nokta Tahmii Tahmi Edicileri Özellikleri Kitle ortalaması içi Aralık Tahmii Kitle Stadart Sapması içi Aralık Tahmii
DetaylıTürkiye de Kırmızı Et Üretiminin Box-Jenkins Yöntemiyle Modellenmesi ve Üretim Projeksiyonu
Hayvansal Üreim 53(): 3-39, 01 Araşırma Türkiye de Kırmızı E Üreiminin Box-Jenkins Yönemiyle Modellenmesi ve Üreim Projeksiyonu Şenol Çelik Ankara Üniversiesi Fen Bilimleri Ensiüsü Zooekni Anabilim Dalı
DetaylıTÜRKİYE DE EKONOMİK BÜYÜME, BEŞERİ SERMAYE VE İHRACAT ARASINDAKİ İLİŞKİLERİN EKONOMETRİK ANALİZİ: 1970 2005
TÜRKİYE DE EKONOMİK BÜYÜME, BEŞERİ SERMAYE VE İHRACAT ARASINDAKİ İLİŞKİLERİN EKONOMETRİK ANALİZİ: 970 2005 Halil ALTINTAŞ * Haka ÇETİNTAŞ ** ÖZ Bu çalışma, 970 2007 döemi yıllık veriler kullaarak Türkiye
DetaylıANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ BÜTÜNLEŞTİRİLMİŞ DOKTORA TEZİ
ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ BÜTÜNLEŞTİRİLMİŞ DOKTORA TEZİ MEVSİMSEL ZAMAN SERİLERİNDE KOİNTEGRASON VEKTÖRÜNÜN TAHMİNİ: SPEKTRAL REGRESON AKLAŞIMI Jeaie NDIHOKUBWAO İSTATİSTİK ANABİLİM DALI
DetaylıSPEARMAN SIRA KORELASYONU KATSAYISINDA TEKRARLANAN DEGERLER VE BİR UYGULAMA
SPEARMAN SIRA KORELASYONU KATSAYISINDA TEKRARLANAN DEGERLER VE BİR UYGULAMA Doç. Dr. SelAhattl GÜRİŞ ( ) Değişkeler arasıdaki ilişkii derecesii ölçülmeside farklı istatiksel yötemlerde yararlaılabilir.
DetaylıLİNEER CEBİR DERS NOTLARI. Ayten KOÇ
LİNEER CEBİR DERS NOTLARI Aye KOÇ I MATRİSLER I.1. Taım F bir cisim olmak üzere her i = 1,2,..., m, j = 1,2,..., içi aij F ike a11 a12... a1 a21 a22... a 2 M M... M am1 am2... am (1) şeklide dikdörgesel
DetaylıSÜLEYMAN DEMİREL ÜNİVERSİTESİ MÜHENDİSLİK-MİMARLIK FAKÜLTESİ MAKİNA MÜHENDİSLİĞİ BÖLÜMÜ MAKİNA ELEMANLARI LABORATUARI DENEY FÖYÜ
SÜLEYMAN DEMİREL ÜNİVERSİTESİ MÜHENDİSLİK-MİMARLIK AKÜLTESİ MAKİNA MÜHENDİSLİĞİ BÖLÜMÜ MAKİNA ELEMANLARI LABORATUARI DENEY ÖYÜ DENEY I VİDALARDA OTOBLOKAJ DENEY II SÜRTÜNME KATSAYISININ BELİRLENMESİ DERSİN
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık Ders 3: MERKEZİ EĞİLİM VE DAĞILMA ÖLÇÜLERİ Prof. Dr. İrfa KAYMAZ Taım Araştırma souçlarıı açıklamasıda frekas tablosu ve poligou isteile bilgiyi her zama sağlamayabilir. Verileri
Detaylıˆp x p p(1 p)/n. Ancak anakütle oranı p bilinmediğinden bu ilişki doğrudan kullanılamaz.
YTÜ-İktisat İstatistik II Aralık Tahmii II 1 ANAKÜTLE ORANININ (p GÜVEN ARALIKLARI (BÜYÜK ÖRNEKLEMLERDE Her birii başarı olasılığı p ola birbiride bağımsız Beroulli deemeside öreklemdeki başarı oraıı ˆp
Detaylı2.2. Fonksiyon Serileri
2.2. Foksiyo Serileri Taım.. Herhagi bir ( u (x reel (gerçel değerli foksiyo dizisi verilsi. Bu m foksiyo dizisii tüm terimlerii toplamıa, yai u m (x + u m+ (x + u m+2 (x + u m+3 (x + + u m+ (x + = k=m
DetaylıDolar Kurundaki Günlük Hareketler Üzerine Bazı Gözlemler
Dolar Kurundaki Günlük Harekeler Üzerine Bazı Gözlemler Türkiye Bankalar Birliği Ekonomi Çalışma Grubu Toplanısı 28 Nisan 2008, İsanbul Doç. Dr. Cevde Akçay Koç Finansal Hizmeler Baş ekonomis cevde.akcay@yapikredi.com.r
DetaylıAÇIK ĐŞLETME BASAMAKLARI TENÖR KONTROLÜNDE JEOĐSTATĐSTĐKSEL TAHMĐN MODELĐ SEÇĐMĐ
Eskişehir Osmagazi Üiversitesi Müh.Mim.Fak.Dergisi C.XXI, S., 2008 Eg&Arch.Fac. Eskişehir Osmagazi Uiversity, Vol..XXI, No:, 2008 Makalei Geliş Tarihi : 2.02.2007 Makalei Kabul Tarihi : 23.03.2007 AÇIK
DetaylıÜNİTE. İSTATİSTİĞE GİRİŞ Prof.Dr.Erkan OKTAY İÇİNDEKİLER HEDEFLER İNDEKSLER
HEDEFLER İÇİNDEKİLER İNDEKSLER Basit İdeksler Bileşik İdeksler Tartısız İdeksler Tartılı İdeksler Mekâ İdeksleri İSTATİSTİĞE GİRİŞ Prof.Dr.Erka OKTAY İktisadi göstergeleri daha iyi yorumlayıp karşılaştırılabilecek
DetaylıİÇİNDEKİLER. Ön Söz Polinomlar II. ve III. Dereceden Denklemler Parabol II. Dereceden Eşitsizlikler...
İÇİNDEKİLER Ö Söz... Poliomlar... II. ve III. Derecede Deklemler... Parabol... 9 II. Derecede Eşitsizlikler... 8 Trigoometri... 8 Logaritma... 59 Toplam ve Çarpım Sembolü... 7 Diziler... 79 Özel Taımlı
DetaylıDoç. Dr. Zübeyir TURAN Niğde Ömer Halisdemir Üniversitesi, İİBF, İktisat,
INTERNATIONAL JOURNAL of DISCIPLINES ECONOMICS & ADMINISTRATIVE SCIENCES STUDIES ISSN:2587-268 208 Vol 4, Issue:8 Pp:200-209 Disciplies: Busiess Admiisraio, Ecoomy, Ecoomerics, Fiace, Labour Ecoomics,
DetaylıNİÇİN ÖRNEKLEME YAPILIR?
İÇİ ÖREKEME YAPIIR? Zama Kısıdı Maliyeti Azaltma Hata Oraıı Azaltma Souca Ulaşma Hızı Doç.Dr. Ali Kemal ŞEHİRİOĞU Araş.Gör. Efe SARIBAY Örekleme Teorisi kousuu içide, Örekleme Tipleri populasyoda örek
DetaylıDiziler ve Seriler ÜNİTE. Amaçlar. İçindekiler. Yazar Prof.Dr. Vakıf CAFEROV
Diziler ve Seriler Yazar Prof.Dr. Vakıf CAFEROV ÜNİTE 7 Amaçlar Bu üiteyi çalıştıkta sora; dizi kavramıı taıyacak, dizileri yakısaklığıı araştırabilecek, sosuz toplamı alamıı bilecek, serileri yakısaklığıı
DetaylıYATIRIM PROJELERİNİN HAZIRLANMASI VE DEĞERLENDİRİLMESİ (İç Karlılık Oranı ve Net Bugünkü Değer Yöntemlerinin İncelenmesi)
YATIRIM PROJELERİNİN HAZIRLANMASI VE DEĞERLENDİRİLMESİ (İç Karlılık Oraı ve Ne Bugükü Değer Yöemlerii İcelemesi) Tarık GEDİK, Kadri Cemil AKYÜZ, İlker AKYÜZ KTÜ Orma Fakülesi 680 TRABZON ÖZET Ulusal kalkımaı
DetaylıTĐCARĐ MATEMATĐK - 5.2 Bileşik Faiz
TĐCARĐ MATEMATĐK - 5 Bileşik 57ÇÖZÜMLÜ ÖRNEKLER: Örek 57: 0000 YTL yıllık %40 faiz oraıyla yıl bileşik faiz ile bakaya yatırılmıştır Bu paraı yılı souda ulaşacağı değer edir? IYol: PV = 0000 YTL = PV (
DetaylıWhite ın Heteroskedisite Tutarlı Kovaryans Matrisi Tahmini Yoluyla Heteroskedasite Altında Model Tahmini
Ekonomeri ve İsaisik Sayı:4 006-1-8 İSTANBUL ÜNİVERSİTESİ İKTİSAT FAKÜLTESİ EKONOMETRİ VE İSTATİSTİK DERGİSİ Whie ın Heeroskedisie Tuarlı Kovaryans Marisi Tahmini Yoluyla Heeroskedasie Alında Model Tahmini
Detaylıİstanbul Göztepe Bölgesinin Makine Öğrenmesi Yöntemi ile Rüzgâr Hızının Tahmin Edilmesi
Makie Tekolojileri Elektroik Dergisi Cilt: 8, No: 4, 011 (75-80) Electroic Joural of Machie Techologies Vol: 8, No: 4, 011 (75-80) TEKNOLOJİK ARAŞTIRMALAR www.tekolojikarastirmalar.com e-issn:1304-4141
DetaylıLİNEER OLMAYAN DENKLEMLERİN SAYISAL ÇÖZÜM YÖNTEMLERİ-2
LİNEER OLMAYAN DENKLEMLERİN SAYISAL ÇÖZÜM YÖNTEMLERİ SABİT NOKTA İTERASYONU YÖNTEMİ Bu yötemde çözüme gitmek içi f( olarak verile deklem =g( şeklie getirilir. Bir başlagıç değeri seçilir ve g ( ardışık
DetaylıDÖNEM I BİYOİSTATİSTİK, HALK SAĞLIĞI VE RUH SAĞLIĞI DERS KURULU Ders Kurulu Başkanı : Yrd.Doç.Dr. İsmail YILDIZ
DÖNEM I BİYOİSTATİSTİK, HALK SAĞLIĞI VE RUH SAĞLIĞI DERS KURULU Ders Kurulu Başkaı : Yrd.Doç.Dr. İsmail YILDIZ ARAŞTIRMADA PLANLAMA VE ÇÖZÜMLEME (03-09 Ocak 014 Y.ÇELİK) Araştırma Süreci (The research
DetaylıTEMEL BİLEŞENLER ANALİZİNİN SU ÜRÜNLERİNDE KULLANIMI * Principle Component Analysis Use in Fisheries
ÇÜ Fe ve Mühedislik Bilimleri Dergisi Yıl:0 Cil:6-3 TEMEL BİLEŞENLER ANALİZİNİN SU ÜRÜNLERİNDE KULLANIMI * Pricile Comoe Aalysis Use i Fisheries Leve SANGÜN Su Ürüleri Aabilim Dalı Musafa AKAR Su Ürüleri
DetaylıBOX-LJUNG ve NONPARAMETRĐK REGRESYON YÖNTEMLERĐNĐN ETKĐNLĐKLERĐNĐN KARŞILAŞTIRILMASI: ĐMKB-100 ENDEKSĐNE YÖNELĐK BĐR UYGULAMA
Ekoometri ve Đstatistik Sayı:0 00 - ĐSTANBUL ÜNĐVERSĐTESĐ ĐKTĐSAT FAKÜLTESĐ EKONOMETRĐ VE ĐSTATĐSTĐK DERGĐSĐ BOX-LJUNG ve NONPARAMETRĐK REGRESYON YÖNTEMLERĐNĐN ETKĐNLĐKLERĐNĐN KARŞILAŞTIRILMASI: ĐMKB-00
DetaylıHĠPOTEZ TESTLERĠ VE ARALIK TAHMĠNĠ (GÜVEN ARALIĞI) (konuların özeti) 1.1 Büyük örneklerde n>30 ya da populasyon varyansı biliniyorsa
ĠPOTEZ TETLERĠ VE ARALIK TAMĠNĠ (GÜVEN ARALIĞI) (kouları özei). Populasyo oralaması( ) ve oraı (p)içi. Büyük öreklerde >3 ya da populasyo varyası biliiyorsa.. içi.. - içi ( bağımsız örekler )..3 p içi..4
DetaylıBileşik faiz hesaplamalarında kullanılan semboller basit faizdeki ile aynıdır. Temel formüller ise şöyledir:
1 BİLEŞİK FAİZ: Basit faiz hesabı kısa vadeli(1 yılda az) kredi işlemleride uygulaa bir metot idi. Ayrıca basit faiz metoduda her döem içi aapara sabit kalmakta olup o döem elde edile faiz tutarı bir soraki
DetaylıALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI
µ µ içi Güve Aralığı ALTERNATİF İTEMLERİN KARŞILAŞTIRILMAI Bezetimi e öemli faydalarıda birisi, uygulamaya koymada öce alteratifleri karşılaştırmaı mümkü olmasıdır. Alteratifler; Fabrika yerleşim tasarımları
DetaylıALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI
ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI Bezetimi e öemli faydalarıda birisi, uygulamaya koymada öce alteratifleri karşılaştırmaı mümkü olmasıdır. Alteratifler; Fabrika yerleşim tasarımları Alteratif üretim
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık Ders 3: MERKEZİ EĞİLİM VE DAĞILMA ÖLÇÜLERİ Prof. Dr. İrfa KAYMAZ Taım Araştırma souçlarıı açıklamasıda frekas tablosu ve poligou isteile bilgiyi her zama sağlamayabilir. Verileri
DetaylıÜstel Dağılım Babam: - Şu ampullerin hangisinin ömrünün daha kısa olduğu hiç belli olmuyor. Bazen yeni alınanlar eskilerden daha önce yanıyor.
Üsel Dağılım Babam: - Şu ampulleri hagisii ömrüü daha kısa olduğu hiç belli olmuyor. Baze yei alıalar eskilerde daha öce yaıyor. Hele şuradaki bildim bileli var. Evde yedek ampul yokke, gerekirse ou söküp
DetaylıİSTATİSTİK DERS NOTLARI
Balıkesir Üiversitesi İşaat Mühedisliği Bölümü umutokka@balikesir.edu.tr İSTATİSTİK DERS NOTLARI Yrd. Doç. Dr. Umut OKKAN idrolik Aabilim Dalı Balıkesir Üiversitesi İşaat Mühedisliği Bölümü Bölüm 5 Örekleme
Detaylı3. Bölüm Paranın Zaman Değeri. Prof. Dr. Ramazan AktaĢ
3. Bölüm Paraı Zama Değeri Prof. Dr. Ramaza AktaĢ Amaçlarımız Bu bölümü tamamladıkta sora aşağıdaki bilgi ve becerilere sahip olabileceksiiz: Paraı zama değeri kavramıı alaşılması Faiz türlerii öğremek
DetaylıISL 418 Finansal Vakalar Analizi
23.3.218 2. HAFTA ISL 18 Fiasal Vakalar Aalizi Paraı Zama Değeri Doç. Dr. Murat YILDIRIM muratyildirim@karabuk.edu.tr 2 Paraı Zama Değeri Paraı Zama Değeri Yatırım ve fiasma kararlarıda rasyoelliği yakalamak
DetaylıANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ DOKTORA TEZİ STOKASTİK ANCOVA: İSTATİSTİKSEL SONUÇ ÇIKARIMI. Pelin KASAP İSTATİSTİK ANABİLİM DALI
ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ DOKTORA TEZİ STOKASTİK ANCOVA: İSTATİSTİKSEL SONUÇ ÇIKARIMI Peli KASAP İSTATİSTİK ANABİLİM DALI ANKARA 0 Her hakkı saklıdır ÖZET Dokora Tezi STOKASTİK ANCOVA:
DetaylıHİPOTEZ TESTLERİ VE GÜVEN ARALIKLARI
9 İPOTEZ TETLERİ VE GÜVEN ARALIKLARI 9.. İsaisiksel Yorumlama 9... ipoez esii aşamaları 9... Güve Aralığı aşamaları 9.3. Populasyo oralaması ve orai içi büyük örek esleri 9.3.. Populasyo oralaması( ) içi
DetaylıZaman Serisi Modelleri: Birim Kök Testleri, Eşbütünleşme, Hata Düzeltme Modelleri
Yıldız Teknik Üniversiesi İkisa Bölümü Ekonomeri II Ders Noları Ders Kiabı: J.M. Wooldridge, InroducoryEconomericsA Modern Approach, 2nd. ed., 2002, Thomson Learning. Zaman Serisi Modelleri: Birim Kök
Detaylıt Dağılımı ve t testi
r. Mehme Akaraylı ağılımı ve ei oç. r. Mehme AKSARAYLI.E.Ü. İ.İ.B.F. EKONOMETRİ BÖLÜMÜ mehme.akarayli@deu.edu.r Sude ağılımı Küçük öreklerde (
DetaylıTUTGA ve C Dereceli Nokta Koordinatlarının Gri Sistem ile Tahmin Edilmesi
TMMOB Harita ve Kadastro Mühedisleri Odası, 5. Türkiye Harita Bilimsel ve Tekik Kurultayı, 5 8 Mart 5, Akara. TUTGA ve C Dereceli Nokta Koordiatlarıı Gri istem ile Tahmi Edilmesi Kürşat Kaya *, Levet Taşcı,
DetaylıISF404 SERMAYE PİYASALARI VE MENKUL KIYMETYÖNETİMİ
8. HAFTA ISF404 SERMAYE PİYASALARI VE MENKUL KIYMETYÖNETİMİ PORTFÖY YÖNETİMİ II Doç.Dr. Murat YILDIRIM muratyildirim@karabuk.edu.tr Geleeksel Portföy Yaklaşımı, Bu yaklaşıma göre portföy bir bilim değil,
Detaylı4/4/2013. Ders 8: Verilerin Düzenlenmesi ve Analizi. Betimsel İstatistik Merkezsel Eğilim Ölçüleri Dağılım Ölçüleri Grafiksel Gösterimler
Ders 8: Verileri Düzelemesi ve Aalizi Betimsel İstatistik Merkezsel Eğilim Ölçüleri Dağılım Ölçüleri Grafiksel Gösterimler Bir kitlei tamamıı, ya da kitlede alıa bir öreklemi özetlemekle (betimlemekle)
DetaylıSORU SETİ 02 (REVİZE EDİLDİ) FİNAL KONULARI
Ekonomeri 8 Ocak, 0 Gazi Üniversiesi İkisa Bölümü SORU SETİ 0 (REVİZE EDİLDİ) FİNAL KONULARI PROBLEM Aşağıda verilen avuk ei alebi fonksiyonunu düşününüz (960-98): lny = β + β ln X + β ln X + β ln X +
DetaylıTAHMİNLEYİCİLERİN ÖZELLİKLERİ Sapmasızlık 3.2. Tutarlılık 3.3. Etkinlik minimum varyans 3.4. Aralık tahmini (güven aralığı)
3 TAHMİNLEYİCİLERİN ÖZELLİKLERİ 3.1. Sapmasızlık 3.. Tutarlılık 3.3. Etkilik miimum varyas 3.4. Aralık tahmii (güve aralığı) İyi bir tahmi edici dağılımı tahmi edilecek populasyo parametresie yakı civarda
DetaylıTÜRKİYE DE KAYITDIŞI EKONOMİ VE BÜYÜME İLİŞKİSİ
ZKÜ Sosyal Bilimler Dergisi, Cilt 3, Sayı 5, 2007, ss. 7-87. TÜRKİYE DE KAYITDIŞI EKONOMİ VE BÜYÜME İLİŞKİSİ Doç.Dr. Gülsüm AKALIN Marmara Üiversitesi İİBF İktisat Bölümü gulsum@marmara.edu.tr Öğr.Gör.
DetaylıTek Bir Sistem için Çıktı Analizi
Tek Bir Sistem içi Çıktı Aalizi Bezetim ile üretile verile icelemesie Çıktı Aalizi deir. Çıktı Aalizi, bir sistemi performasıı tahmi etmek veya iki veya daha fazla alteratif sistem tasarımıı karşılaştırmaktır.
DetaylıBÜTÇE AÇIKLARININ SÜRDÜRÜLEBİLİRLİĞİ: TÜRKİYE NİN ZAMANLARARASI BORÇLANMA KISITININ TESTİ ( )
BÜTÇE AÇIKLARININ SÜRDÜRÜLEBİLİRLİĞİ: TÜRKİYE NİN ZAMANLARARASI BORÇLANMA KISITININ TESTİ (98 24) Sabri AZGÜN (*) Mura TAŞDEMİR (**) Öze: Zamalararası büçe kısıı Kuramı 98 24 döemi içi Türkiye i kamu açıklarıa
DetaylıSU KAYNAKLARI EKONOMİSİ TEMEL KAVRAMLARI Su kaynakları geliştirmesinin planlanmasında çeşitli alternatif projelerin ekonomik yönden birbirleriyle
SU KYNKLRI EKONOMİSİ TEMEL KVRMLRI Su kayakları geliştirmesii plalamasıda çeşitli alteratif projeleri ekoomik yöde birbirleriyle karşılaştırılmaları esastır. Mühedis öerdiği projei tekik yöde tutarlı olduğu
DetaylıVakumlu Ortamda Doymuş Buharla Đplik Kondisyonlama Đşleminde Kütle Transferi Analizi
Teksil Tekolojileri Elekroik Dergisi Cil: 3, No: 1, 009 (31-37) Elecroic Joural o Texile Techologies Vol: 3, No: 1, 009 (31-37) TEK OLOJĐK ARAŞTIRMALAR www.ekolojikarasirmalar.com e-issn:- Makale (Paper)
DetaylıKALİTE VE SÜREÇ İYİLEŞTİRME İÇİN MÜŞTERİ GERİ BİLDİRİMLERİNİN DEĞERLENDİRİLMESİ
Altı Sigma Yalı Koferasları (9- Mayıs 8) KALİTE VE SÜREÇ İYİLEŞTİRME İÇİN MÜŞTERİ GERİ BİLDİRİMLERİNİN DEĞERLENDİRİLMESİ Serka ATAK Evre DİREN Çiğdem CİHANGİR Murat Caer TESTİK ÖZET Ürü ve hizmet kalitesii
DetaylıREGRESYON DENKLEMİNİN HESAPLANMASI Basit Doğrusal Regresyon Basit doğrusal regresyon modeli: .. + n gözlem için matris gösterimi,. olarak verilir.
203-204 Bahar REGRESYON DENKLEMİNİN HESAPLANMASI Basit Doğrusal Regresyo Basit doğrusal regresyo modeli: y i = β 0 + β x i + ε i Modeli matris gösterimi, y i = [ x i ] β 0 β + ε i şeklidedir. x y 2 gözlem
Detaylıİleri Diferansiyel Denklemler
MIT AçıkDersSistemi http://ocw.mit.edu 18.034 İleri Diferasiyel Deklemler 2009 Bahar Bu bilgilere atıfta bulumak veya kullaım koşulları hakkıda bilgi içi http://ocw.mit.edu/terms web sitesii ziyaret ediiz.
DetaylıÇOKLU DOĞRUSAL BAĞLANTI
ÇOKLU DOĞRUSAL BAĞLANTI ÇOKLU DOĞRUSALLIĞIN ANLAMI Çoklu doğrusal bağlanı; Bağımsız değişkenler arasında doğrusal (yada doğrusala yakın) ilişki olmasıdır... r xx i j paramereler belirlenemez hale gelir.
DetaylıÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ
İSTATİSTİKSEL TAHMİNLEME VE İSTATİSTİKSEL YORUMLAMA TAHMİNLEME SÜRECİ VE YORUMLAMA SÜRECİ ÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ ÖRNEKLEME VE ÖRNEKLEME ÖRNEKLEME DAĞILIMLARI VE ÖRNEKLEME DAĞILIMLARI Yorumlama
DetaylıBÜYÜME VE İHRACAT ARASINDAKİ NEDENSELLİK İLİŞKİSİ: TÜRKİYE ÖRNEĞİ
BÜYÜME VE İHRACAT ARASINDAKİ NEDENSELLİK İLİŞKİSİ: TÜRKİYE ÖRNEĞİ Yrd. Doç. Dr. Erdal Demirha Afyo Kocatepe Üiversitesi İktisadi ve İdari Bilimler Fakültesi Özet Bu çalışma Türkiye de 1990 yılıı ilk çeyreğide
Detaylı(3) Eğer f karmaşık değerli bir fonksiyon ise gerçel kısmı Ref Lebesgue. Ref f. (4) Genel karmaşık değerli bir fonksiyon için. (6.
Problemler 3 i Çözümleri Problemler 3 i Çözümleri Aşağıdaki özellikleri kaıtlamaızı ve buu yaıda daha fazla soyut kaıt vermeizi isteyeceğiz. h.h. eşitliğii ölçümü sıfır ola bir kümei tümleyei üzeride eşit
DetaylıISF404 SERMAYE PİYASALAR VE MENKUL KIYMETLER YÖNETİMİ
4. HAFTA ISF44 SERMAYE PİYASALAR VE MENKUL KIYMETLER YÖNETİMİ PARANIN ZAMAN DEĞERİ VE GETİRİ ÇEŞİTLERİ Doç. Dr. Murat YILDIRIM muratyildirim@karabuk.edu.tr 2 Paraı Zama Değeri Paraı Zama Değeri Yatırım
Detaylıİstatistik Nedir? Sistem-Model Kavramı
İstatistik Nedir? İstatistik rasgelelik içere olaylar, süreçler, sistemler hakkıda modeller kurmada, gözlemlere dayaarak bu modelleri geçerliğii sıamada ve bu modellerde souç çıkarmada gerekli bazı bilgi
DetaylıHİPOTEZ TESTLERİ. İstatistikte hipotez testleri, karar teorisi olarak adlandırılır. Ortaya atılan doğru veya yanlış iddialara hipotez denir.
HİPOTEZ TETLERİ İstatistikte hipotez testleri, karar teorisi olarak adladırılır. Ortaya atıla doğru veya yalış iddialara hipotez deir. Öreği para hilesizdir deildiğide bu bir hipotezdir. Ortaya atıla iddiaya
DetaylıAtatürk Ü. İİBF Dergisi, 10. Ekonometri ve İstatistik Sempozyumu Özel Sayısı,
Aaürk Ü. İİBF Dergisi, 0. Ekoomeri ve İsaisik Sempozyumu Özel Sayısı, 20 59 TÜRKİYE NİN CARİ İŞLEMLER AÇIKLARININ SÜRDÜRÜLEBİLİRLİĞİ: ZAMANLARARASI DIŞ BÜTÇE KISITININ GÖSTERGELERİ Sabri AZGÜN Nurullah
DetaylıTÜRKİYE DE 1963 2006 DÖNEMİNDE KAMU VE ÖZEL SEKTÖR ÜCRETLERİ ÜZERİNE AMPİRİK BİR UYGULAMA
TÜRKİYE DE 1963 2006 DÖNEMİNDE KAMU VE ÖZEL SEKTÖR ÜCRETLERİ ÜZERİNE AMPİRİK BİR UYGULAMA Mura ASLAN Eskişehir Osmangazi Üniversiesi H. Kürşad ASLAN Ken Sae Üniversiesi Öze İskandinav ücre modelinden hareke
DetaylıCebirsel Olarak Çözüme Gitmede Wegsteın Yöntemi
3 Cebirsel Olarak Çözüme Gitmede Wegsteı Yötemi Bu yötem bir izdüşüm tekiğie dayaır ve yalış pozisyo olarak isimledirile matematiksel tekiğe yakıdır. Buradaki düşüce f() çizgisi üzerideki bilie iki oktada
DetaylıGayrimenkul Değerleme Esasları Dönem Deneme Sınavı I
1) I. Bia türü II. Bia yaşı III. Bia sııfı IV. İşaat evi V. Yıprama oraı Türkiye de bia metrekare ormal işaat maliyet bedelleri yukarıdakilerde hagilerie göre belirleir? A) Yalız II B) Yalız III C) II
DetaylıRegresyon ve Korelasyon Analizi. Regresyon Analizi
Regresyo ve Korelasyo Aalz Regresyo Aalz Regresyo Aalz Regresyo aalz, aralarıda sebep-souç lşks bulua k veya daha fazla değşke arasıdak lşky belrlemek ve bu lşky kullaarak o kou le lgl tahmler (estmato)
DetaylıANA NİRENGİ AĞLARINDA NİRENGİ SAYISINA GÖRE GPS ÖLÇÜ SÜRELERİNİN KURAMSAL OLARAK BULUNMASI
TMMOB Harita ve Kadastro Mühedisleri Odası 13. Türkiye Harita Bilimsel ve Tekik Kurultayı 18 22 Nisa 2011, Akara ANA NİRENGİ AĞLARINDA NİRENGİ SAYISINA GÖRE GPS ÖLÇÜ SÜRELERİNİN KURAMSAL OLARAK BULUNMASI
Detaylı24.05.2010. Birim Kök Testleri. Zaman Serisi Modelleri: Birim Kök Testleri, Eşbütünleşme, Hata Düzeltme Modelleri
Yıldız Teknik Üniversiesi İkisa Bölümü Ekonomeri II Ders Noları Ders Kiabı: J.M. Wooldridge, Inroducory Economerics A Modern Approach, 2nd. ed., 2002, Thomson Learning. Zaman Serisi Modelleri: Birim Kök
DetaylıTOPLAM KOLESTEROL, LDL, HDL VE TRİGLİSERİT SEVİYELERİNİN YAŞA GÖRE DEĞİŞİMİNİN DEĞİŞİK REGRESYON MODELLERİYLE İNCELENMESİ
T.C. İNÖNÜ ÜNİVERSİTESİ SAĞLIK BİLİMLERİ ENSTİTÜSÜ TOPLAM KOLESTEROL, LDL, HDL VE TRİGLİSERİT SEVİYELERİNİN YAŞA GÖRE DEĞİŞİMİNİN DEĞİŞİK REGRESYON MODELLERİYLE İNCELENMESİ YÜKSEK LİSANS TEZİ EMRE DİRİCAN
DetaylıİSTATİSTİK 2. Tahmin Teorisi 07/03/2012 AYŞE S. ÇAĞLI. aysecagli@beykent.edu.tr
İSTATİSTİK 2 Tahmi Teorisi 07/03/2012 AYŞE S. ÇAĞLI aysecagli@beyket.edu.tr İstatistik yötemler İstatistik yötemler Betimsel istatistik Çıkarımsal istatistik Tahmi Hipotez testleri Nokta tahmii Aralık
DetaylıKIRILGAN BEŞLİ ÜLKELERİNİN HİSSE SENEDİ PİYASALARI ARASINDAKİ EŞBÜTÜNLEŞME ANALİZİ 1
Uluslararası Yöetim İktisat ve İşletme Dergisi, Cilt 11, Sayı 24, 2015 It. Joural of Maagemet Ecoomics ad Busiess, Vol. 11, No. 24, 2015 KIRILGAN BEŞLİ ÜLKELERİNİN HİSSE SENEDİ PİYASALARI ARASINDAKİ EŞBÜTÜNLEŞME
DetaylıYatırım Projelerinde Kaynak Dağıtımı Analizi. Analysis of Resource Distribution in Investment Projects
Uşak Üiversitesi Sosyal Bilimler Dergisi (2012) 5/2, 89-101 Yatırım Projeleride Kayak Dağıtımı Aalizi Bahma Alp RENÇBER * Özet Bu çalışmaı amacı, yatırım projeleride kayak dağıtımıı icelemesidir. Yatırım
DetaylıMEKANİK TESİSATTA EKONOMİK ANALİZ
MEKANİK TESİSATTA EKONOMİK ANALİZ Mustafa ÖZDEMİR İ. Cem PARMAKSIZOĞLU ÖZET Düya çapıda rekabeti ö plaa çıktığı bu gükü şartlarda, e gelişmiş ürüü, e kısa sürede, e ucuza üretmek veya ilk yatırım ve işletme
DetaylıTürkiye Cumhuriyet Merkez Bankası Sayı: 2010-8 / 24 Mayıs 2010 EKONOMİ NOTLARI
Türkiye Cumhuriye Merkez Bankası Sayı: 2010-8 / 24 Mayıs 2010 EKONOMİ NOTLARI TCMB Faiz Kararlarının Piyasa Faizleri Ve Hisse Senedi Piyasaları Üzerine Ekisi Mura Duran Refe Gürkaynak Pınar Özlü Deren
DetaylıPOLİNOMLARDA İNDİRGENEBİLİRLİK. Derleyen Osman EKİZ Eskişehir Fatih Fen Lisesi 1. GİRİŞ
POLİNOMLARDA İNDİRGENEBİLİRLİK Derleye Osma EKİZ Eskişehir Fatih Fe Lisesi. GİRİŞ Poliomları idirgeebilmesi poliomları sıfırlarıı bulmada oldukça öemlidir. Şimdi poliomları idirgeebilmesi ile ilgili bazı
DetaylıYAPAY SİNİR AĞLARI İLE KARAKTER TABANLI PLAKA TANIMA
YAPAY SİNİR AĞLARI İLE KARAKTER TABANLI PLAKA TANIMA Cemil ÖZ 1, Raşi KÖKER 2, Serap ÇAKAR 1 1 Sakara Üiversiesi Mühedislik Fakülesi Bilgisaar Mühedisliği Bölümü, Eseepe, Sakara 2 Sakara Üiversiesi Tekik
DetaylıTEMEL KAVRAMLAR GİRİŞ
TEMEL KAVRAMLAR GİRİŞ İstatistik kelimesii kökei Almaca olup devlet alamıa gelmektedir. İstatistik kelimesi gülük hayatta farklı alamlarda kullaılmaktadır. Televizyoda bir futbol müsabakasıı izleye bir
DetaylıORMAN FAKÜLTESİ DERGİSİ JOURNAL OF FACULTY OF FORESTRY
ZONGULDAK KARAELMAS ÜNİVERSİTESİ ZONGULDAK KARAELMAS UNIVERSITY ISSN: 1302-0056 ORMAN FAKÜLTESİ DERGİSİ JOURNAL OF FACULTY OF FORESTRY Cil/Volume 7 Yıl/Year 2005 Sayı/Number 7 hp://bof.karaelmas.edu.r/joural
DetaylıDEĞİŞKENLER ARASINDAKİ GECİKMELİ İLİŞKİLER: Dağıtılmış Gecikme ve Otoregresiv Modeller
DEĞİŞKENLER ARASINDAKİ GECİKMELİ İLİŞKİLER: Dağıılmış Gecikme ve Ooregresiv Modeller 1 Zaman serisi modellerinde, bağımlı değişken Y nin zamanındaki değerleri, bağımsız X değişkenlerinin zamanındaki cari
DetaylıYER ÖLÇÜLERİ. Yer ölçüleri, verilerin merkezini veya yığılma noktasını belirleyen istatistiklerdir.
YER ÖLÇÜLERİ Yer ölçüler, verler merkez veya yığılma oktasıı belrleye statstklerdr. Grafkler bze verler yığılma oktaları hakkıda ö blg vermede yardımcı olurlar. Acak bu değerler gerçek değerler değldr,
DetaylıT.C. SELÇUK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ
T.C. SELÇUK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ ÇOK DEĞİŞKENLİ EŞİKSEL OTOREGRESİF MODELLER ÜZERİNE BİR ÇALIŞMA Ümran Münire KAHRAMAN DOKTORA TEZİ İsaisik Anabilim Dalı 2012 KONYA Her Hakkı Saklıdır TEZ
DetaylıBİYOİSTATİSTİK İstatistiksel Tahminleme ve Hipotez Testlerine Giriş Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH
BİYOİSTATİSTİK İstatistiksel Tahmileme ve Hipotez Testlerie Giriş Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH Ege Üiversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr
Detaylı