TÜKETİCİ TATMİNİ VERİLERİNİN ANALİZİ: YAPAY SİNİR AĞLARI ve REGRESYON ANALİZİ KARŞILAŞTIRMASI

Save this PDF as:
 WORD  PNG  TXT  JPG

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "TÜKETİCİ TATMİNİ VERİLERİNİN ANALİZİ: YAPAY SİNİR AĞLARI ve REGRESYON ANALİZİ KARŞILAŞTIRMASI"

Transkript

1 1 TÜKETİCİ TATMİNİ VERİLERİNİN ANALİZİ: YAPAY SİNİR AĞLARI ve REGRESYON ANALİZİ KARŞILAŞTIRMASI Metehan TOLON Nuray GÜNERİ TOSUNOĞLU Özet Tüketc tatmn araştırmaları özelde pazarlama yönetclernn, genelde se şletme yönetclernn önem verdğ ve ttzlkle yürüttüğü araştırma türlernden brdr. İşletme faalyetlernn hedef tüketclern stek ve htyaçlarını ne oranda karşıladığı, ne tür yleştrmeler yapılması gerektğ düzenl olarak ncelenmeldr. Tüketc araştırmaları uygulanması zor araştırma türlernden brdr. İşletmelern hedef ktle seçmelerne rağmen, hedef ktle çndek tüketclern stek ve htyaçlarını, beklentlern ve memnunyet düzeylern doğru olarak belrlemeler pazarlama yönetcler çn hayat önem taşır. Her araştırmada olduğu gb tatmn araştırmalarında da hang yöntemle ölçüm yapılacağına karar vermek her zaman kolay olmamaktadır. Seçlecek olan yöntem, araştırma sonuçlarının objektflğn ve bu da yürütülmes gereken faalyetlern vermllğn etklemektedr. Hang yöntemn yapılacak araştırma çn en uygun olduğunu tespt edeblmek çn kullanılan analzlern karşılaştırılması hem akademk cama, hem de lgl sektörler açısından yararlı olacaktır. Bu çalışmada 2000 l yıllarla beraber kendne yer bulan yapay snr ağları le tatmn araştırmalarında sıklıkla kullanılan regresyon yöntem ele alınmış ve Ankamall müşterlerne yapılan uygulama karşılaştırmalı olarak analz edlmştr. Anahtar Kelmeler: tüketc tatmn, yapay snr ağları, regresyon analz ANALYZING CONSUMER SATISFACTION DATA: A COMPARISON OF ARTIFICIAL NEURAL NETWORKS and REGRESSION ANALYSIS Abstract Researches relatng to consumer satsfacton fall nto categores of researches whch marketng managers n especal and busness managers n general place emphass and perform wth accuracy. It should be regularly analyzed at whch rate Arş. Gör. Dr., Gaz Ü. İİBF İşletme Bölümü, Arş. Gör. Dr., Gaz Ünverstes T.T.E.F.Blgsayar Uygulamaları Eğtm Bölümü,

2 2 busness operatons meet the demands and needs of customers and whch amendments need to be performed. Consumer researches are one of the dffcult research type n mplementaton. Although frms have selected target audence, t s vtal mportance for marketng managers to assgn needs and desres, expectatons and satsfacton levels of consumers whch are n target audence correctly. It s not always easy to decde about whch methods to be employed n researches relatng to customer satsfactons just as all researches. The method to be selected nfluence the objectvty of research results and ths wll nfluence the productvty of the operatons to be performed. It wll be useful for both academcans and related sectors to determne most sutable method for related research by comparng useful analyss. In ths research, the method of artfcal neural networks, whch come to the forefront by the years 2000, and regresson analyss whch s employed occasonally n satsfacton researches have been revewed and the practse performed to Ankamall customers analyzed comparatvely. Key Words: consumer satsfacton, artfcal neural networks, regresson analyss GİRİŞ Pazarlama yönetclernn toplam şletme başarısını artırablmek çn araştırdığı konuların başında tüketc tatmn gelmektedr. Tüketc tatmn; tüketclern beklentler le şletmelern tüketclere sundukları mal ve hzmet performanslarının ne kadar denk olduğu le lşkl br kavramdır. İşletmeler sundukları mal ve hzmetlerle bu beklentler karşılamaya ve hatta beklentlern üzerne çıkmaya çalışmaktadırlar. Tüketc tatmn araştırmalarını sürekl hale getrerek var olan ekskler gderen, olumlu yönlere odaklanma sağlayan şletmeler sadık tüketc yaratma yolunda emn adımlar atablmektedrler. Bu amaçla pazarlama yönetcler çn öneml problemlerden br, objektf olarak yapılması gereken tüketc tatmn araştırmalarında kullanılacak yöntemn seçlmesdr. Sonuçları gerçeğe en yakın yöntemn seçlmes, yapılan araştırmanın etknlğn artırmakta ve dolayısıyla şletmenn mevcut durumunu göstererek lerye dönük olarak daha doğru kararlar vermesn sağlamaktadır. Tüketc tatmn araştırmaları, tüketc davranışlarının karmaşık yapısı tbaryle uygulanması zor araştırma türlernden brdr. Geleneksel statstksel analzlern tatmn araştırmalarında yetersz kaldığı brçok yazar tarafından kabul görmektedr. Bu nedenle yen teknklern araştırılarak karşılaştırmaya tab tutulması önem kazanmaktadır.

3 3 Pazarlama alanında son yıllarda kullanılan teknklerden br yapay snr ağlarıdır. Snr ağları nsan beynnn çalışmasından esnlenerek, byolojk snr sstem gb hareket edecek ağ modellernn kurulablmes çn gelştrlen br yöntemdr. Bu çalışmada tüketc tatmn araştırmalarında yapay snr ağlarının kullanımı rdelenmştr. Yöntemn performansını değerlendrmek çn regresyon analz le karşılaştırma yapılması amaçlanmıştır. Çalışmanın lk bölümünde yapay snr ağları konusu açıklanacaktır. İknc bölümde regresyon analz kısaca sunulacaktır. Üçüncü bölümde k yöntem karşılaştırmak çn Ankara da Ankamall alışverş merkez müşterler üzernde yapılan uygulama verlerek elde edlen sonuçlar değerlendrlecektr. I) YAPAY SİNİR AĞLARI Blgsayarlar, çok karmaşık sayısal şlemler anında çözümleyeblmelerne karşın, drak etme ve deneymlerle kazanılmış blgler kullanablme noktasında çok yeterszdrler. Bu olayda nsanı ya da nsan beynn üstün kılan temel özellk, snrsel algılayıcılar sayesnde kazanılmış ve görel olarak sınıflandırılmış blgler kullanablmesdr. Uzman sstemler, bulanık mantık, genetk algortma ve yapay snr ağları gb yapay zeka alt dalları özellkle son yıllarda genş br araştırma ve uygulama alanı bulmaktadır (Elmas, 2003: 21). Temelde yapay snr ağları, nsan beynnn mmarsnden yola çıkılarak düzenlenmektedr. Bu konudak lk teorler Mc Culloch ve Ptts tarafından 1943 yılında ortaya atılmıştır. Daha sonra Hebb n çalışması (Hebb n öğrenme teors 1949) nsan beynnn nöronlarının nasıl öğrendklern ortaya koymaya çalışmıştır yılında Rosenblatt algılama üzernde durmuştur. Yapay snr ağları hakkında en başarılı uygulamalar 1960 lı yıllarda Wdrow ve Hoff tarafından gelştrlmştr. Paul Werbos 1974 yılında Wdrow Hoff prosedürü çn karşıt hata görevler yapısını teklf etmş, böylece daha öncek tek-katman kısıtı elemne edlmş ve pek çok kısıtlı süreç hesaplanablmştr. Dğer gelşmeler büyük ölçüde Kolmogorov un (1957) süper durum teoremnden esnlenmştr. Bu bze sürekl fonksyonların doğrusal olmayan sonuçlarla doğrusal sonuçların bütünleştrlmesyle hesaplanableceğn göstermştr (Krycha ve Wagner, 1999: 186). Yapay snr ağları, tecrübeden öğreneblme yeteneğne sahp, yen durumlara adapte olablen, bunun yanında oldukça hızlı çalışan güçlü ve kıyaslanablr blgsayar sstemlerdr. Yapay snr ağlarında temel süreçleme elemanı nörondur. Her nöron ağırlıkla brleştrlmş br grd setne sahptr. (Wang ve Takefuj, 1993: 12).

4 4 DARPA (Defense Advanced Research Projects Agency) Yapay Snr Ağları Çalışması na göre yapay snr ağları sstem fonksyonu ağ yapısına göre tanımlanmış ve paralel olarak çalışan brçok bast süreç elemanlarından oluşmakta ve süreçleme elemanların hesaplanmasıyla çalışmaktadır. Yapay snr ağları mmars, yüksek hesaplama oranlarını sağlamak çn brçok bast süreç elemanları kullanan byolojk snr sstemler mmarsnden esnlenmektedr (DARPA Yapay Snr Ağları Çalışması, 1988: 60). Verlen tanımlamalar ışığında yapay snr ağlarının, nsan snr sstemndek mmary ele alarak verlern analz çn blgsayar sstemn kullandığını söylemek mümkündür. Burada öneml olan nokta pazarlama araştırması açısından karmaşık br yapıya sahp olan tüketc tatmn araştırmalarında yapay snr ağları sstemnn daha esnek ve gerçekç sonuçlara ulaşmasının mümkün olablmesdr. A) Yapay Snr Ağı Modeller Yapay snr ağı model brbrleryle bağlantılı olan snrlern bulunduğu katmanlardan oluşmaktadır. Temelde bu katmanlar; grd katmanı, gzl katman ve çıktı katmanı olmak üzere üç tanedr. Grd değşkenler grd katmanından gelmektedr. Bu grd unsurları etkleşme tab tutulduktan sonra ortaya çıktı değşkenler çıkar. Bunlar da çıktı katmanını oluşturur. Arada bulunan gzl katmanı se dış ortamla bağlantısı olmayan snrlerden oluşur ve bu snrler grd katmanındak snyaller çıktı katmanına gönderrler. Yapay snr ağı yapısını Şekl 1 de görmek mümkündür. Şekl 1. Yapay Snr Ağı Yapısı Kaynak: Kurup ve Dudan 2002: 571

5 5 İşleyş şekllerne göre yapay snr ağları ler beslemel ve ger beslemel ağlar olmak üzere kye ayrılırlar. İler beslemel yapay snr ağlarında snyaller sadece tek br yönde, grd katmanından çıktı katmanına doğru yönelr. Br katmandan elde edlen çıktı değer, aynı katmandak snrler etklemez. İler beslemel ağlarda, snrler yalnızca br sonrak katmanda bulunan snrlerle bağlantıya sahptr. Bu modellerde ağın çıktısı, tamamen ağa gren grdlere bağlıdır. İler beslemel ağlar herhang br dnamklk özellğ taşımazlar ve gösterdkler özellk bakımından doğrusal ve doğrusal olmayan kararlı problem alanlarında uygulanmaları mümkündür (Güner, Apaydın, 2004: 175) (Cchock, Unbehaven, 1993: 64 65). Ger beslemel ağlarda br tür ger besleme şlem vardır. Bu ağ yapılarında snyaln yönü grd katmanından çıktı katmanına doğrudur. Ancak aynı zamanda, br katman üzernde yer alan snrler, kendsnden, katmandak dğer snrlerden ya da dğer katmanlardak snrlerden snyal alablmektedr. Bu sebeple ger beslemel ağlarda br snrn çıkışı, snrn o andak grdler ve ağırlık değerleryle belrlenmesnn yanında bazı snrlern br öncek süredek çıkış değerlernden de etklenmektedr (Güner, Apaydın, 2004: 175)(Elmas, 2003: 63). B) Yapay Snr Ağlarında Öğrenme Yapay snr ağlarında blg, ağdak bağlantıların ağırlıklarında depolanır. Br ağda öğrenme, stenen br şlev yerne getrecek şeklde ağırlıkların ayarlanması sürecdr. Yapay snr ağlarında öğrenme, snrler arasındak ağırlıkların değştrlmes le gerçekleşmektedr. Buna göre snrler arası bağlantılar üzerndek ağırlıkları belrl br yöntem le dnamk olarak değştrleblen ağlar eğtleblr. Öğreneblen ağlar, yen şekller tanıyablr ya da verlen br grşn hang sınıfa at olduğuna karar vereblr. Yapay snr ağlarında öğrenme düğümler arasındak ağırlıkların, düğümlerdek etknlk ya da aktarım şlevlernn değşkenlernn ayarlanmasıyla yapılmaktadır (Elmas, 2003: 95). Yapay snr ağları kullanılarak yapılan araştırmalarda en sık kullanılan öğrenme yöntemler, danışmalı ve danışmasız öğrenme yöntemler olmasından dolayı bu yöntemler üzernde durulacaktır. Danışmalı öğrenmede, yapay snr ağı kullanılmadan önce eğtlmeldr. Eğtme şlem, snr ağına grş ve çıkış blgler sunmaktan oluşur. Bu blgler genellkle eğtme kümes olarak adlandırılır. Her br grş kümes çn uygun çıkış kümes ağa sağlanmalıdır (Elmas, 2003: 96).

6 6 Sstemde yer alan her br grd değşken le lşkde olan hedef çıktı değerler blndğ zaman danışmalı öğrenmeye htyaç duyulur. Başka br deyşle, sstemdek grdlere karşılık üretlmes arzu edlen çıktılar belrtlr (Güner, Apaydın, 2004: 176). Danışmalı öğrenme yöntem, ler beslemel ağlarda daha sıklıkla kullanılan br yöntemdr. Danışmalı öğrenme yöntemnde çalışma set, vernn özellkler ve gözlemleneblr çıktılar hakkında bütün blgler çerr. Modeller, grdlerle çıktıların lşks öğrenlerek oluşturulablr (Smth, Gupta, 2002: 2). Danışmasız öğrenmede grd değşkenlerne karşılık arzu edlen çıktılar belrtlmez. Ağ yalnızca grd modeln öğrenr. Öğrenme sürec üzerndek ler dönüşün kaynağı bell değldr. Katmanlar arasındak ağırlıkların ayarlanması ağ tarafından kendlğnden gerçekleştrlr (Güner ve Apaydın, 2004: 176). Danışmasız öğrenmede sadece grd katmanındak değerler kullanılmaktadır. Amaç, ver setndek modeln ortaya çıkarılmasıdır. Sstemn doğru çıkış hakkında blgs yoktur ve grşlere göre kend kendsn örnekler. Danışmasız olarak eğtleblen ağlar, stenen ya da hedef çıkış olmadan grş blglernn özellklerne göre ağırlık değerlern ayarlar. Burada ağ stenen dış verlerle değl, grlen blglerle çalışır. Bu tür öğrenmede gzl snrler dışarıdan yardım almaksızın kendlern örgütlemek çn br yol bulmalıdırlar. Bu yaklaşımda, verlen grş vektörler çn önceden blneblen performansını ölçeblecek ağ çn hçbr çıkış örneğ sağlanmaz, yan ağ yaparak öğrenmektedr (Hanssens, Parsons, Schultz, 2001: 226) (Elmas, 2003: 150). C) Yapay Snr Ağlarının Avantaj ve Dezavantajları Geleneksel statstksel analzler genellkle uygulamayla lgl durumlara uygun sonuçlar ortaya koyamazlar. Tüketc tatmn araştırmalarında temel problem smgeler arasındak yüksek korelasyon değerlerdr. Bu, çok çeştl smgelern brbrlerne göre görecel önemn belrlemek çn kullanılan standart beta katsayısını etkleyeblmektedr. Eğer yüksek derecel çoklu bağlantı var olursa standart beta katsayısı öneml göstergelern yanlış yorumlanmasına sebebyet vereblr. Bunun yanında, geleneksel statstksel analzler göstergelern normal dağılım gösterdklern varsaymaktadır. Bu, tüketc tatmn ölçümü le örtüşmemektedr. Son olarak geleneksel statstksel analzler bağımsız ve bağımlı değşkenlern arasında doğrusal br lşk olduğunu varsaymaktadır. Bu da öneml br hatadır. Geçmştek araştırmalar lşklern genellkle eğrsel ve doğrudan uzakta olduğunu göstermektedr (Garver, 2002: 10). Yapay snr ağları uygulama tbaryle uzun yıllardır kullanılmasına karşın pazarlama alanındak kullanımı son beş yıl çersnde yaygınlaşmıştır. Özellkle tüketc

7 7 davranışlarının açıklanması bakımından dğer statstksel analz yöntemlerne göre daha esnek ve gerçeğe yakın sonuçlar ortaya koymasından dolayı terch edlme oranı bundan sonra da artacaktır. Bununla beraber yapay snr ağları yöntemnn bazı avantaj ve dezavantajları bulunmaktadır. Bunlar (Elmas, 2003: 27) (Yıldız, 1999: 118)(Güner, 2001: 10 11): Avantajları: - Yapay snr ağları öncek deneymlerden öğreneblr, br kez eğtldklernde yen br ver kümesne hemen cevap vereblr. Br örnekten hareket ederek dğer örnekler açıklayablr. - Yapay snr ağları matematksel modele htyaç duymaz. Yapay snr ağı yazınında verlern yapay snr ağının eğtmnde kullanılması çn gerekl br varsayıma rastlanmamıştır. - Yapay snr ağları verlerden hareketle blnmeyen lşkler akıllıca hemen ortaya çıkarablr. Ağların bu özellğ, uygulama açısından önemldr. - Geleneksel blgsayar sstemler, sstemde oluşacak hatalara karşı çok hassastır. Sstemde meydana geleblecek en ufak br hata, sonuca ulaşmama ya da sonuçlarda büyük hataya yol açablmektedr. Ancak yapay snr ağlarının br veya brkaç nöronunun zarar görmes sstem geleneksel blg şlem teknolojlernde olduğu kadar etklemez. - Ağ ağırlık katsayısı ve yapısı gb kend parametreler değştğnde somut br problemn çözümü çn kendn adapte edeblme özellğne sahptr. - Ağlar doğrusal değldr. Bu nedenle karmaşık problemler doğrusal teknklerden daha doğru çözeblrler. Doğrusal olmayan davranışlar hssedlr, algılanır ve blneblr. Ancak, bu problemler ve davranışları matematksel olarak çözmek zordur. Dezavantajları: - Sstem çersnde ne olduğu blnemez. Bu sebeple bazı durumlarda ağların verdğ sonuçları değerlendrmek zor olablr. - Br problemn çözümünde çok uygun br çözüm bulamayablrler ya da hata yapablrler. Bunun sebeb, ağı eğtecek br fonksyonun bulunmamasıdır. Bazı durumlarda fonksyon bulunsa ble yeterl ver bulunamayablr. - Eğtlmek çn uzun br zamana htyaç duyarlar ve bundan dolayı zaman ve para malyet yüksektr. - Farklı sstemlere uyarlanması zor olablr.

8 8 - Ağın kaltes ve kapastes, uygulamadak hızı le orantılıdır. Öyle k, düğümlern sayısındak artış ble zamanın çok daha artmasına sebep olablr. II) REGRESYON ANALİZİ Blndğ gb araştırmalarda değşkenler arasındak lşky belrlemek çn en çok kullanılan teknklerden br de regresyon analz teknğdr. Çoğu blm adamı snr ağlarını daha y anlatablmek çn, snr ağları le regresyon modeller arasındak lşky açıklamaya çalışmıştır. Doğrusal, doğrusal olmayan, bast, çoklu, parametrk, parametrk olmayan, lojstk, vb. gb çok sayıda regresyon model bulunmaktadır. Yapılan çalışmalarda snr ağları regresyon modelleryle karşılaştırılırken bu modeller kullanılmıştır (Güner ve Apaydın, 2004:176). Regresyon, statstkte k ya da daha çok değşken arasındak lşknn modellenmesnde kullanılan br teknktr. Regresyon analznde bağımlı değşken (açıklanan değşken, cevap değşken) Y le, bağımsız değşkenler (açıklayıcı değşkenler) se X j ( j=1,..., m) le gösterlr. Burada amaç, bağımlı değşken le br ya da brden çok bağımsız değşken arasında kurulan modeldek parametreler tahmn ederek, bağımsız değşkenlern blnen değerler çn bağımlı değşkenn alacağı değer tahmn etmektr. Yan bağımlı değşken le bağımsız değşkenler arasındak lşk yapısını belrlemektr. Y bağımlı değşkenn etkleyen m tane bağımsız değşken X 1, X 2,..., X m olmak üzere çoklu regresyon model, Y β + β X + β X β X ε (1) = o m m + olarak tanımlanır. Burada β 0 ve β j (j=1,..., m) parametreler, X ( j) bağımsız değşkenler sabt tutulduğunda X j dek br brmlk değşmenn Y bağımlı değşken üzerndek beklenen değşm mktarını veren regresyon katsayıları ve ε hata termdr. Model tahmnnde amaç ε hata termn mnmum yapacak şekldek β 0 ve β j katsayılarını tahmn etmektedr. Regresyon modeller, tek tabakalı br snr ağı yapısına benzetleblr. Bağımsız değşkenler snr ağlarındak grdlere, bağımlı değşken çıktılara, β j katsayıları da snr ağlarındak ağırlıklara dönüştürüleblr. Katsayıları bulmak çn, deney ve gözlemler yapılarak ver setnn oluşturulması gerekr. Bu, snr ağlarında danışmanlı öğrenme sürec üzerndek eğtm setne benzemektedr. Regresyon analznde β 0 ve β j katsayılarının bulunması amaçlanmıştır.

9 9 Snr ağları yaklaşımı, br regresyon problem gb ele alındığında, burada da amaç, ağırlık katsayılarının bulunması olacaktır. Snr ağı üzerndek ağırlıkların bulunmasında ger yayılım algortması kullanılablmektedr 1. III) UYGULAMA Bu çalışmanın amacı 2000 l yıllarla beraber pazarlama araştırmalarında kendne yer bulan Yapay Snr Ağları yöntemnn uygulanışını göstermek ve yöntemn doğrusal regresyon analz le br karşılaştırmasını yapmaktır. Bu amaçla şletmeler açısından üzernde önemle durulan tüketc tatmn konusunda br uygulama yapılması düşünülmüştür. Uygulama çn Ankara da bulunan ve tüketclern en fazla terch ettkler varsayılan Ankamall alışverş merkeznn müşterlerne, alışverş merkeznden duydukları tatmnn ölçülmes amacıyla ulaşılmaya çalışılmıştır. Ayrıca ortaya çıkan sonuçlar alışverş merkezlerne geleblecek potansyel müşterlern tatmn düzeylernn tahmn açısından da önem taşımaktadır. Araştırma le lgl verlern toplanmasında yüz yüze anket metodu kullanılmıştır. Anket formu üç bölümden oluşmaktadır. Brnc bölümde müşterlere at demografk özellklere yer verlmştr. İknc bölümde 31 değşkenden oluşan br soru tablosu le müşterlern beklentlernn ortaya koyulması amaçlanmıştır. Son bölümde se aynı değşkenler açısından müşterlern Ankamall alışverş merkeznden duydukları tatmn düzey sorgulanmıştır. Bu değşkenler seçlrken alışverş merkezlernde tüketc tatmn konusunda yapılmış olan çalışmalardan yararlanılmış ayrıca bunların yanında uygun olacağı düşünülen değşkenler eklenmştr Anket formu hazırlanırken soruların, cevaplayıcılar tarafından anlaşılır olmasına ve sonuçların tartışmaya açık olmamasına özen gösterlmştr. Bu amaçla 57 brmlk br plot uygulama yapılarak anket formunda gerekl düzeltmeler yapılmıştır. Gerçekleştrlen 57 brmlk plot uygulama sonrasında anketn güvenlrlğ test edlmş ve Cronbach Alfa katsayısı beklent düzey açısından 0,82, tatmn düzey açısından se 0,86 çıkmıştır. Bu değerler araştırmanın güvenlr olduğunu göstermektedr. Anketlern uygulandığı müşterler hareket halndek br nüfusu oluşturduğundan keyf örnekleme metodunun trafk örneklemes türüne göre seçlmştr. Araştırmada 273 müşterye anket uygulanmıştır. Anketler farklı müşter gruplarına ulaşmak amacıyla haftanın değşk günlernde ve günün değşk saatlernde uygulanmıştır. Uygulama esnasında, yapılan anketlerdek beklentler ölçen knc grup sorularda ölçülen değşkenler faktör analznden yararlanılarak gruplandırılmıştır. Analz sonucunda ortaya çıkan dört değşken grubu en uygun olacak bçmde 1 Ayrıntılar çn bakınız Warner ve Mısra 1996.

10 10 smlendrlmştr. Analzde bağımlı değşken müşterlern ortalama tatmn düzeylerdr. Tatmn etkleyen bağımsız değşkenler se müşterlern beklent düzeylerdr ve bu değşkenler, - Müşter Hzmetler, - Fzksel Şartlar, - Personel, - Perakendec Karması Çeştllğ dr. Tanımlanan bu bağımsız değşkenler aşağıda açıklandığı gbdr: x 1 : Müşter Hzmetler (Satış gelştrme faalyetlernn etknlğ (hedye çek, hedye çeklş vb ), Yangın, sağlık ve emnyet gb durumlar çn özel önlemlern alınmış olması, Engell tüketcler çn rahat alışverş mkanı sağlanması, Çalışma saatlernn uygun olması, Alışverş yapanlar çn evlere servs mkanının bulunması) x 2 : Fzksel Şartlar (Alışverş esnasında çalan müzk, Isı, aydınlatma ve havalandırmanın yeterl olması, Yeterl otopark alanına sahp olması, Alışverş merkeznn bulunduğunuz yere yakın olması (ev, şyer), Alışverş merkeznn ç hacmnn yeterl olması) x 3 : Personel (Çalışanların gym kuşamı, çalışanların müşterlere karşı lgsnn yeterllğ, çalışanların müşterlere karşı htabı) x 4 : Perakendec Karması Çeştllğ (Yyecek-çecek katının yeterllğ, Çocuk eğlence alanlarının olması, Çocuk tekstl mağazalarının olması, Genç tekstl mağazalarının olması, Yetşkn tekstl mağazalarının olması, Saat-Optk-Kuyumcu mağazalarının olması, Elektronk ve Beyaz eşya mağazalarının olması, Cep telefonu mağazalarının olması, Ev dekorasyon ve yapı market mağazasının olması, Banka ATM olması, Kozmetk ve bjuter mağazalarının olması, Ayakkabı-Çanta mağazalarının olması, Çamaşır-Çorap mağazalarının olması, Kuru temzleme mağazalarının olması, Ktap-Kırtasye mağazalarının olması, Snemanın olması, Oyuncakçı mağazalarının olması, Spor malzeme satan mağazaların olması)

11 11 Tüketclern tatmnn ölçmek çn önce yapay snr ağları le daha sonra çoklu doğrusal regresyon le analz yapılmıştır. Yapay snr ağları le analz yapılırken ver setnde yer alan verler rasgele olarak; eğtm, geçerllk ve test set olmak üzere üç bölüme ayrılmıştır. Ver setnn %80 n eğtm set, %10 unu geçerllk set, %10 unu da test set oluşturmuştur. Eğtm set, ağın eğtmnde, geçerllk set, snr ağındak gzl ünte sayısını seçmede, test set se eğtmn uygulanmasının performansını ölçmede kullanılır. Yapay snr ağları le uygulamada kullanılan model ler beslemel ağlar çn ger yayılım algortması ve öğrenme yöntem de danışmalı öğrenme yöntemdr. Ağırlıkların belrlenmes sürecne lşkn algortma; k = 1,2,..., Z katman numarası, k X : k ıncı katmandak brmnn grds, y : k ıncı katmandak brmnn çıktısı, w j : (k-1) nc katmandak brmn, k ıncı katmandak j brmne bağlayan ağırlık, olmak üzere aşağıdak gbdr (Elmas, 2003: ): Adım 1) w ya gerçek değerl küçük rastlantısal sayılar başlangıç değer olarak atanır. p Adım 2) Rasgele br ( x p, t ) (grş, hedef) çalışma model seçlr ve k katmanındak her br j brm çn ler yönde çıktı değer hesaplanır. Böylece çıkış, y k = f k 1 k ( y w ) j olur. 1 no lu katmanın grdler 0 üssüyle adlandırılır. Bu da 0 y = x bçmnde gösterlr. Adım 3) Son Z katmanında hesaplanan brmler çn y Z ve karşılık gelen y p değerler Delta mktarlarının hesaplanmasında kullanılmaktadır. Çıkış brmler çn hata termler hesaplanır. δ Z = Z p Z ( v y ) f ( X )

12 12 Adım 4) k = Z, Z-1,..., 2 katmanlarındak tüm brmler çn gerye yayılımla deltaları yan gzl katman brmler çn hata termler hesaplanır. k 1 k 1 k k j δ = f ( X ) δ w Adım 5) Bütün ağrılıklar w ler kullanılarak güncellenr. w yen = w Δw = ηδ j k j esk j + Δ k k 1 y w k j j Adım 6) 2. adıma dönüp, toplam hata kabul edleblr br düzeye gelene kadar her br p model çn şlemler tekrarlanır. Bu algortmanın uygulanması le en y ağırlıklar elde edlmş olur. Analz sonucunda ortaya çıkan denklemler şu şeklde değerlendrmek mümkündür: - Denklemdek katsayılar her br değşken setnn tatmne ne kadar etk ettğn göstermektedr. Bu açıdan poztf olan katsayılar tatmne poztf yönde etk eden değşken setlern, negatf katsayılar se tatmne negatf etk eden değşken setlern fade etmektedr, - Denklemde, potansyel müşterler çn yapılacak analzde, her br değşken setne verlen cevapların ortalamaları alınarak, bunlar denklemde yerne konulduğunda potansyel müşter çn tatmn düzey ortaya konablmektedr. İk yöntemden elde edlen sonuçların karşılaştırılması çn test setnn performansı değerlendrlmştr. Bunun çn test setnde yer alan verlere lşkn tatmn düzeylernn tahmnler her k yöntemden elde edlen tahmn denklemler aracılığı le bulunarak standart hata değerler hesaplanmıştır. Standart hata değer, s = ( y yˆ ) n k 2 formülü le hesaplanmaktadır. Burada y gerçek tatmn değer, ŷ tahmn tatmn değer, n ver sayısı, k se değşken sayısıdır.

13 13 A) Uygulama Sonuçları Ankamall müşterlernn mağazadan duydukları tatmne lşkn yapay snr ağlarından elde edlen tahmn denklem, ŷ ysa = -0,08479x 1 + 0,11973x 2 + 0,1308x 3 + 0,12718x 4 + 2,42921 ve regresyon analznden elde edlen tahmn denklem se, ŷ r = -0,100x 1 + 0,083x 2 + 0,120x 3 + 0,164x 4 + 2,552 bçmnde bulunmuştur. Her k yöntemden elde edlen denklemde de müşter hzmetler değşken setnn tatmn negatf yönde etkledğ görülmektedr. Sonuçlar ncelendğnde müşter hzmetlernn tatmne negatf etk etmesnn en öneml sebeplernn evlere servs mkanının olmaması ve satış gelştrme faalyetlernn etkn yürütülmemes olduğunu söylemek mümkündür. Dğer değşken setler se tatmn poztf yönde etklemektedr. İk yöntemden elde edlen sonuçların karşılaştırılması çn test setne lşkn bağımsız değşkenlern değerler, yan müşterlern beklent düzeylerne lşkn ortalamalar, bulunan denklemlerde yerne yazılarak, tahmn tatmn düzeyler hesaplanmıştır. Gerçek tatmn değerler le tahmn tatmn değerler arasındak farka lşkn standart hata değer bulunarak karşılaştırma yapılmıştır. Elde edlen hata değerler Tablo 1 de verlmştr. Tablo 1. Tahmnlere İlşkn Standart Hata Değerler Yapay Snr Ağları Regresyon Analz Standart Hata Değer 0,25 0,27 Tablo 1 den görülebleceğ gb yapay snr ağlarından elde edlen tahmnler çok az br farkla da olsa regresyon analznden elde edlen tahmnlerden daha az hataya sahptr. Bu sonuç yapay snr ağlarının pazarlama araştırmalarında kullanılmasının uygun olduğunu ve regresyon analz kadar etkn sonuçlar verdğn göstermektedr.

14 14 SONUÇ Tüketc tatmn araştırmasında kullanılan regresyon analz ve yapay snr ağları le lgl yapılan uygulama sonucunda, beyndek snr ağları yapısını örnekleyerek analzn gerçekleştren yapay snr ağlarının, regresyon analznden daha az hataya sahp sonuçlar verdğ görülmektedr. Bu durumda tatmn araştırmalarında sıklıkla kullanılan regresyon analznn gerçekleştrleblmes çn gerekl varsayımların sağlanmadığı durumlarda yapay snr ağları yöntemnn rahatlıkla terch edlebleceğn söylemek mümkündür. Bundan sonra yapılacak çalışmalarda, çeştl sektörlerden toplanan daha genş çaplı verler le tatmn araştırmalarında kullanılan dğer yöntemlerle yapay snr ağlarının karşılaştırmalı analznn yapılmasının, yapay snr ağları yöntemnn etknlğn belrlemede lteratüre katkı sağlayacağı düşünülmektedr. KAYNAKÇA.., (1988), DARPA Yapay Snr Ağları Çalışması, AFCEA Internatonal Pres: Alexandra. CICHOCKI Andrzej, UNBEHAVEN Rolf, (1993), Neural Networks for Optmzaton and Sgnal Processng, John Wley&Sons: England. ELMAS Çetn, (2003), Yapay Snr Ağları (Kuram, Mmar, Eğtm, Uygulama), Seçkn Yayınları: Ankara. GARVER Mchael S., (2002), Usng Data Mnng For Customer Satsfacton Research, Journal of Marketng Research, Sprng2002, Vol. 14, Issue 1, s GÜNERİ Nuray, APAYDIN Ayşen, (2004), Öğrenc Başarılarının Sınıflandırılmasında Lojstk Regresyon Analz ve Snr Ağları Yaklaşımı, Tcaret ve Turzm Eğtm Fakültes Dergs, Yıl: 2004, Sayı: 1, s HANSSENS Domnque M. ve dğerler, (2001), Market Response Models Econometrc and Tme Seres Analyss, 2nd Edton, Kluwer Academc Pub.: New York KRYCHA Karl A., WAGNER Udo, (1999), Applcatons of Artfcal Neural Networks n Management Scence: A Survey, Journal of Retalng and Consumer Servces, Vol. 6, p KURUP Pradeep U., DUDANI Ntn K., (2002), Neural Networks for Proflng Stress Hstory of Clays from PCPT Data., Journal of Geotechncal & Geoenvronmental Engneerng, July 2002, Vol. 128, Issue 7, p. 569, 11p.

15 15 SMITH Kate A., GUPTA Jatnder N.D., (2002), Neural Networks n Busness: Technques and Applcatons, IRM Pres: Unted Kngdom WANG Jun, TAKEFUJI Yoshyasu, (1993), Neural Networks In Desgn and Manufactorng, World Scentfc Pub.: Sngapore. WARNER B., MISRA M., (1996), Understandng Neural Networks As Statstcal Tools, The Amercan Statstcan, 50(4); YILDIZ Brol, (1999), Fnansal Başarısızlığın Öngörülmesnde Yapay Snr Ağı Kullanımı ve Amprk Br Çalışma, Yayımlanmamış Doktora Tez, T.C. Dumlupınar Ünverstes Sosyal Blmler Ensttüsü: Kütahya

ÖZET. Alışveriş Merkezlerinin Tanımı, Gelişimi ve Önemi

ÖZET. Alışveriş Merkezlerinin Tanımı, Gelişimi ve Önemi ALIŞVERİŞ MERKEZİ TÜKETİCİLERİNİN TATMİNİNİN YAPAY SİNİR AĞLARI YÖNTEMİYLE ÖLÇÜLMESİ Yrd. Doç. Dr. Mehmet BAŞ Gaz Ü. İİBF İşletme Bölümü Dr. Metehan TOLON Gaz Ü. İİBF İşletme Bölümü Dr. Nuray GÜNERİ TOSUNOĞLU

Detaylı

ÇOKLU REGRESYON MODELİ, ANOVA TABLOSU, MATRİSLERLE REGRESYON ÇÖZÜMLEMESİ,REGRES-YON KATSAYILARININ YORUMU

ÇOKLU REGRESYON MODELİ, ANOVA TABLOSU, MATRİSLERLE REGRESYON ÇÖZÜMLEMESİ,REGRES-YON KATSAYILARININ YORUMU 6.07.0 ÇOKLU REGRESON MODELİ, ANOVA TABLOSU, MATRİSLERLE REGRESON ÇÖZÜMLEMESİ,REGRES-ON KATSAILARININ ORUMU ÇOKLU REGRESON MODELİ Ekonom ve şletmeclk alanlarında herhang br bağımlı değşken tek br bağımsız

Detaylı

ENDÜSTRİNİN DEĞİŞİK İŞ KOLLARINDA İHTİYAÇ DUYULAN ELEMANLARIN YÜKSEK TEKNİK EĞİTİM MEZUNLARINDAN SAĞLANMASINDAKİ BEKLENTİLERİN SINANMASI

ENDÜSTRİNİN DEĞİŞİK İŞ KOLLARINDA İHTİYAÇ DUYULAN ELEMANLARIN YÜKSEK TEKNİK EĞİTİM MEZUNLARINDAN SAĞLANMASINDAKİ BEKLENTİLERİN SINANMASI V. Ulusal Üretm Araştırmaları Sempozyumu, İstanbul Tcaret Ünverstes, 5-7 Kasım 5 ENDÜSTRİNİN DEĞİŞİK İŞ KOLLARINDA İHTİYAÇ DUYULAN ELEMANLARIN YÜKSEK TEKNİK EĞİTİM MEZUNLARINDAN SAĞLANMASINDAKİ BEKLENTİLERİN

Detaylı

YÖNETİM VE EKONOMİ Yıl:2006 Cilt:13 Sayı:1 Celal Bayar Üniversitesi İ.İ.B.F. MANİSA

YÖNETİM VE EKONOMİ Yıl:2006 Cilt:13 Sayı:1 Celal Bayar Üniversitesi İ.İ.B.F. MANİSA YÖNETİM VE EKONOMİ Yıl:2006 Clt:3 Sayı: Celal Bayar Ünverstes İ.İ.B.F. MANİSA Bulanık Araç Rotalama Problemlerne Br Model Öners ve Br Uygulama Doç. Dr. İbrahm GÜNGÖR Süleyman Demrel Ünverstes, İ.İ.B.F.,

Detaylı

2005 Gazi Üniversitesi Endüstriyel Sanatlar Eğitim Fakültesi Dergisi Sayı:16, s31-46

2005 Gazi Üniversitesi Endüstriyel Sanatlar Eğitim Fakültesi Dergisi Sayı:16, s31-46 2005 Gaz Ünverstes Endüstryel Sanatlar Eğtm Fakültes Dergs Sayı:16, s31-46 ÖZET BANKALARDA MALİ BAŞARISIZLIĞIN ÖNGÖRÜLMESİ LOJİSTİK REGRESYON VE YAPAY SİNİR AĞI KARŞILAŞTIRMASI 31 Yasemn KESKİN BENLİ 1

Detaylı

Tuğla Duvardaki ve Tesisattaki Isı Kaybının Yapay Sinir Ağları İle Belirlenmesi

Tuğla Duvardaki ve Tesisattaki Isı Kaybının Yapay Sinir Ağları İle Belirlenmesi Fırat Ünv. Fen ve Müh. Bl. Der. Scence and Eng. J of Fırat Unv. 18 (1), 133-141, 2006 18 (1), 133-141, 2006 Tuğla Duvardak ve Tessattak Isı Kaybının Yapay Snr Ağları İle Belrlenmes Ömer KELEŞOĞLU ve Adem

Detaylı

ALGILANAN HİZMET KALİTESİ VE LOJİSTİK REGRESYON ANALİZİ İLE HİZMET TERCİHİNE ETKİSİNİN BELİRLENMESİ. Özet

ALGILANAN HİZMET KALİTESİ VE LOJİSTİK REGRESYON ANALİZİ İLE HİZMET TERCİHİNE ETKİSİNİN BELİRLENMESİ. Özet Dokuz Eylül Ünverstes Sosyal Blmler Ensttüsü Dergs Yayın Gelş Tarh: 18.02.2011 Clt: 13, Sayı: 1, Yıl: 2011, Sayfa: 21-37 Yayına Kabul Tarh: 17.03.2011 ISSN: 1302-3284 ALGILANAN HİZMET KALİTESİ VE LOJİSTİK

Detaylı

Muhasebe ve Finansman Dergisi

Muhasebe ve Finansman Dergisi Muhasebe ve Fnansman Dergs Ocak/2012 Farklı Muhasebe Düzenlemelerne Göre Hazırlanan Mal Tablolardan Elde Edlen Fnansal Oranlar İle Şrketlern Hsse Sened Getrler Ve Pyasa Değerler Arasındak İlşk Ahmet BÜYÜKŞALVARCI

Detaylı

SİLİS DUMANI KATKILI BETONLARIN ÇARPMA DAYANIMININ YAPAY SİNİR AĞI İLE BELİRLENMESİ

SİLİS DUMANI KATKILI BETONLARIN ÇARPMA DAYANIMININ YAPAY SİNİR AĞI İLE BELİRLENMESİ ISSN:1306-3111 e-journal of New World Scences Academy 2008, Volume: 3, Number: 1 Artcle Number: A0046 NATURAL AND APPLIED SCIENCES CIVIL ENGINEERING Receved: June 2007 Accepted: December 2007 2008 www.newwsa.com

Detaylı

X, R, p, np, c, u ve diğer kontrol diyagramları istatistiksel kalite kontrol diyagramlarının

X, R, p, np, c, u ve diğer kontrol diyagramları istatistiksel kalite kontrol diyagramlarının 1 DİĞER ÖZEL İSTATİSTİKSEL KALİTE KONTROL DİYAGRAMLARI X, R, p, np, c, u ve dğer kontrol dyagramları statstksel kalte kontrol dyagramlarının temel teknkler olup en çok kullanılanlarıdır. Bu teknkler ell

Detaylı

Makine Öğrenmesi 6. hafta

Makine Öğrenmesi 6. hafta Makne Öğrenmes 6. hafta Yapay Snr Ağlarına Grş Tek katmanlı YSA lar Algılayıcı (Perceptron) Aalne (Aaptve Lnear Elemen Byolojk Snr Hücres Byolojk snrler ört ana bölümen oluşmaktaır. Bunlar: Denrt, Akson,

Detaylı

Bulanık Mantık ile Hesaplanan Geoid Yüksekliğine Nokta Yüksekliklerinin Etkisi

Bulanık Mantık ile Hesaplanan Geoid Yüksekliğine Nokta Yüksekliklerinin Etkisi Harta Teknolojler Elektronk Dergs Clt: 5, No: 1, 2013 (61-67) Electronc Journal of Map Technologes Vol: 5, No: 1, 2013 (61-67) TEKNOLOJİK ARAŞTIRMALAR www.teknolojkarastrmalar.com e-issn: 1309-3983 Makale

Detaylı

ARAŞTIRMA MAKALESİ/RESEARCH ARTICLE TEK ÇARPIMSAL SİNİR HÜCRELİ YAPAY SİNİR AĞI MODELİNİN EĞİTİMİ İÇİN ABC VE BP YÖNTEMLERİNİN KARŞILAŞTIRILMASI ÖZ

ARAŞTIRMA MAKALESİ/RESEARCH ARTICLE TEK ÇARPIMSAL SİNİR HÜCRELİ YAPAY SİNİR AĞI MODELİNİN EĞİTİMİ İÇİN ABC VE BP YÖNTEMLERİNİN KARŞILAŞTIRILMASI ÖZ ANADOLU ÜNİVERSİTESİ Blm ve Teknoloj Dergs A-Uygulamalı Blmler ve Mühendslk Clt: 14 Sayı: 3 013 Sayfa: 315-38 ARAŞTIRMA MAKALESİ/RESEARCH ARTICLE Faruk ALPASLAN 1, Erol EĞRİOĞLU 1, Çağdaş Hakan ALADAĞ,

Detaylı

BANKACILIKTA ETKİNLİK VE SERMAYE YAPISININ BANKALARIN ETKİNLİĞİNE ETKİSİ

BANKACILIKTA ETKİNLİK VE SERMAYE YAPISININ BANKALARIN ETKİNLİĞİNE ETKİSİ BANKACILIKTA ETKİNLİK VE SERMAYE YAPISININ BANKALARIN ETKİNLİĞİNE ETKİSİ Yrd. Doç. Dr. Murat ATAN - Araş. Gör. Gaye KARPAT ÇATALBAŞ 2 ÖZET Bu çalışma, Türk bankacılık sstem çnde faalyet gösteren tcar bankaların

Detaylı

KIRMIZI, TAVUK VE BEYAZ ET TALEBİNİN TAM TALEP SİSTEMİ YAKLAŞIMIYLA ANALİZİ

KIRMIZI, TAVUK VE BEYAZ ET TALEBİNİN TAM TALEP SİSTEMİ YAKLAŞIMIYLA ANALİZİ Süleyman Demrel Ünverstes Sosyal Blmler Ensttüsü Dergs Yıl: 2007/2, Sayı: 6 Journal of Suleyman Demrel Unversty Insttue of Socal Scences Year: 2007/2, Number: 6 KIRMIZI, TAVUK VE BEYAZ ET TALEBİNİN TAM

Detaylı

BIST da Demir, Çelik Metal Ana Sanayii Sektöründe Faaliyet Gösteren İşletmelerin Finansal Performans Analizi: VZA Süper Etkinlik ve TOPSIS Uygulaması

BIST da Demir, Çelik Metal Ana Sanayii Sektöründe Faaliyet Gösteren İşletmelerin Finansal Performans Analizi: VZA Süper Etkinlik ve TOPSIS Uygulaması EGE AKADEMİK BAKIŞ / EGE ACADEMIC REVIEW Clt: 4 Sayı: Ocak 04 ss. 9-9 BIST da Demr, Çelk Metal Ana Sanay Sektöründe Faalyet Gösteren İşletmelern Fnansal Performans Analz: VZA Süper Etknlk ve TOPSIS Uygulaması

Detaylı

NİTEL TERCİH MODELLERİ

NİTEL TERCİH MODELLERİ NİTEL TERCİH MODELLERİ 2300 gözlem sayısı le verlen değşkenler aşağıdak gbdr: calsma: çocuk çalışıyorsa 1, çalışmıyorsa 0 (bağımlı değşken) Anne_egts: Anne eğtm sevyes Baba_egts: Baba eğtm sevyes Kent:

Detaylı

MÜŞTERİ MEMNUNİYET İNDEKSLERİ VE CEP TELEFONU SEKTÖRÜNDE BİR PLOT UYGULAMA ÖZET

MÜŞTERİ MEMNUNİYET İNDEKSLERİ VE CEP TELEFONU SEKTÖRÜNDE BİR PLOT UYGULAMA ÖZET MÜŞTERİ MEMNUNİYET İNDEKSLERİ VE CEP TELEFONU SEKTÖRÜNDE BİR PLOT UYGULAMA Al Türkyılmaz Fath Ünverstes, Endüstr Mühendslğ Bölümü, 34900 Büyükçekmece İstanbul Tel: (212) 8890810 1094 Fax: (212) 8890906

Detaylı

DENEY 4: SERİ VE PARALEL DEVRELER,VOLTAJ VE AKIM BÖLÜCÜ KURALLARI, KIRCHOFF KANUNLARI

DENEY 4: SERİ VE PARALEL DEVRELER,VOLTAJ VE AKIM BÖLÜCÜ KURALLARI, KIRCHOFF KANUNLARI A. DNYİN AMACI : Bast ser ve bast paralel drenç devrelern analz edp kavramak. Voltaj ve akım bölücü kurallarını kavramak. Krchoff kanunlarını deneysel olarak uygulamak. B. KULLANILACAK AAÇ V MALZML : 1.

Detaylı

Metin Madenciliği ile Soru Cevaplama Sistemi

Metin Madenciliği ile Soru Cevaplama Sistemi Metn Madenclğ le Soru Cevaplama Sstem Sevnç İlhan 1, Nevchan Duru 2, Şenol Karagöz 3, Merve Sağır 4 1 Mühendslk Fakültes Blgsayar Mühendslğ Bölümü Kocael Ünverstes slhan@kocael.edu.tr, nduru@kocael.edu.tr,

Detaylı

4.5. SOĞUTMA KULELERİNİN BOYUTLANDIRILMASI İÇİN BİR ANALIZ

4.5. SOĞUTMA KULELERİNİN BOYUTLANDIRILMASI İÇİN BİR ANALIZ Ünsal M.; Varol, A.: Soğutma Kulelernn Boyutlandırılması İçn Br Kuramsal 8 Mayıs 990, S: 8-85, Adana 4.5. SOĞUTMA KULELERİNİN BOYUTLANDIRILMASI İÇİN BİR ANALIZ Asaf Varol Fırat Ünverstes, Teknk Eğtm Fakültes,

Detaylı

BÖLÜM 5 İKİ VEYA DAHA YÜKSEK BOYUTLU RASGELE DEĞİŞKENLER İki Boyutlu Rasgele Değişkenler

BÖLÜM 5 İKİ VEYA DAHA YÜKSEK BOYUTLU RASGELE DEĞİŞKENLER İki Boyutlu Rasgele Değişkenler BÖLÜM 5 İKİ VEYA DAHA YÜKSEK BOYUTLU RASGELE DEĞİŞKENLER 5.. İk Boyutlu Rasgele Değşkenler Br deney yapıldığında, aynı deneyle lgl brçok rasgele değşkenn aynı andak durumunu düşünmek gerekeblr. Böyle durumlarda

Detaylı

SEK Yönteminin Güvenilirliği Sayısal Bir Örnek. Ekonometri 1 Konu 11 Sürüm 2,0 (Ekim 2011)

SEK Yönteminin Güvenilirliği Sayısal Bir Örnek. Ekonometri 1 Konu 11 Sürüm 2,0 (Ekim 2011) İk Değşkenl Bağlanım Model SEK Yöntemnn Güvenlrlğ Ekonometr 1 Konu 11 Sürüm,0 (Ekm 011) UADMK Açık Lsans Blgs İşbu belge, Creatve Commons Attrbuton-Non-Commercal ShareAlke 3.0 Unported (CC BY-NC-SA 3.0)

Detaylı

VERİ ZARFLAMA ANALİZİ İLE TIBBİ GÖRÜNTÜ, ARŞİV VE İLETİŞİM SİSTEMLERİNİN DEVLET HASTANELERİ PERFORMANSINA ETKİLERİNİN ARAŞTIRILMASI

VERİ ZARFLAMA ANALİZİ İLE TIBBİ GÖRÜNTÜ, ARŞİV VE İLETİŞİM SİSTEMLERİNİN DEVLET HASTANELERİ PERFORMANSINA ETKİLERİNİN ARAŞTIRILMASI Süleyman Demrel Ünverstes Sosyal Blmler Ensttüsü DergsYıl: 2013/1, Sayı:17 Journal of Süleyman Demrel Unversty Insttute of Socal ScencesYear: 2013/1, Number:17 VERİ ZARFLAMA ANALİZİ İLE TIBBİ GÖRÜNTÜ,

Detaylı

Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi Pamukkale University Journal of Engineering Sciences

Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi Pamukkale University Journal of Engineering Sciences Pamukkale Ünverstes Mühendslk Blmler Dergs, Clt 0, Sayı 3, 04, Sayfalar 85-9 Pamukkale Ünverstes Mühendslk Blmler Dergs Pamukkale Unversty Journal of Engneerng Scences PREFABRİK ENDÜSTRİ YAPIARININ ARMONİ

Detaylı

Deney No: 2. Sıvı Seviye Kontrol Deneyi. SAKARYA ÜNİVERSİTESİ Dijital Kontrol Laboratuvar Deney Föyü Deneyin Amacı

Deney No: 2. Sıvı Seviye Kontrol Deneyi. SAKARYA ÜNİVERSİTESİ Dijital Kontrol Laboratuvar Deney Föyü Deneyin Amacı SRY ÜNİVERSİESİ Djtal ontrol Laboratuvar Deney Föyü Deney No: 2 Sıvı Sevye ontrol Deney 2.. Deneyn macı Bu deneyn amacı, doğrusal olmayan sıvı sevye sstemnn belrlenen br çalışma noktası cvarında doğrusallaştırılmış

Detaylı

Kİ KARE ANALİZİ. Doç. Dr. Mehmet AKSARAYLI Ki-Kare Analizleri

Kİ KARE ANALİZİ. Doç. Dr. Mehmet AKSARAYLI  Ki-Kare Analizleri Kİ KAR ANALİZİ 1 Doç. Dr. Mehmet AKSARAYLI www.mehmetaksarayl K-Kare Analzler OLAY 1: Genelde br statstk sınıfında, öğrenclern %60 ının devamlı, %30 unun bazen, %10 unun se çok az derse geldkler düşünülmektedr.

Detaylı

Öğretim planındaki AKTS TASARIM STÜDYOSU IV 214058100001312 2 4 0 4 9

Öğretim planındaki AKTS TASARIM STÜDYOSU IV 214058100001312 2 4 0 4 9 Ders Kodu Teork Uygulama Lab. Ulusal Kred Öğretm planındak AKTS TASARIM STÜDYOSU IV 214058100001312 2 4 0 4 9 Ön Koşullar : Grafk İletşm I ve II, Tasarım Stüdyosu I, II, III derslern almış ve başarmış

Detaylı

a IIR süzgeç katsayıları ve N ( M) de = s 1 (3) 3. GÜRÜLTÜ GİDERİMİ UYGULAMASI

a IIR süzgeç katsayıları ve N ( M) de = s 1 (3) 3. GÜRÜLTÜ GİDERİMİ UYGULAMASI Fırat Ünverstes-Elazığ MİTRAL KAPAK İŞARETİ ÜZERİNDEKİ ANATOMİK VE ELEKTRONİK GÜRÜLTÜLERİN ABC ALGORİTMASI İLE TASARLANAN IIR SÜZGEÇLERLE SÜZÜLMESİ N. Karaboğa 1, E. Uzunhsarcıklı, F.Latfoğlu 3, T. Koza

Detaylı

İÇME SUYU ŞEBEKELERİNİN GÜVENİLİRLİĞİ

İÇME SUYU ŞEBEKELERİNİN GÜVENİLİRLİĞİ Türkye İnşaat Mühendslğ, XVII. Teknk Kongre, İstanbul, 2004 İÇME SUYU ŞEBEKELERİNİN GÜVENİLİRLİĞİ Nur MERZİ 1, Metn NOHUTCU, Evren YILDIZ 1 Orta Doğu Teknk Ünverstes, İnşaat Mühendslğ Bölümü, 06531 Ankara

Detaylı

UYUM ĐYĐLĐĞĐ TESTĐ. 2 -n olup. nin dağılımı χ dir ve sd = (k-1-p) dir. Burada k = sınıf sayısı, p = tahmin edilen parametre sayısıdır.

UYUM ĐYĐLĐĞĐ TESTĐ. 2 -n olup. nin dağılımı χ dir ve sd = (k-1-p) dir. Burada k = sınıf sayısı, p = tahmin edilen parametre sayısıdır. UYUM ĐYĐLĐĞĐ TESTĐ Posson: H o: Ver Posson dağılıma sahp br ktleden gelmektedr. H a : Ver Posson dağılıma sahp br ktleden gelmemektedr. Böyle br hpotez test edeblmek çn, önce Posson dağılım parametres

Detaylı

DOĞRUSAL HEDEF PROGRAMLAMA İLE BÜTÇELEME. Hazırlayan: Ozan Kocadağlı Danışman: Prof. Dr. Nalan Cinemre

DOĞRUSAL HEDEF PROGRAMLAMA İLE BÜTÇELEME. Hazırlayan: Ozan Kocadağlı Danışman: Prof. Dr. Nalan Cinemre 1 DOĞRUSAL HEDEF PROGRAMLAMA İLE BÜTÇELEME Hazırlayan: Ozan Kocadağlı Danışman: Prof. Dr. Nalan Cnemre 2 BİRİNCİ BÖLÜM HEDEF PROGRAMLAMA 1.1 Grş Karar problemler amaç sayısına göre tek amaçlı ve çok amaçlı

Detaylı

CuEEG: EEG Verilerinin Hızlı İşlenmesi için GPU Tabanlı Bir Yaklaşım CuEEG: A GPU-Based Approach for Fast Processing of EEG Data

CuEEG: EEG Verilerinin Hızlı İşlenmesi için GPU Tabanlı Bir Yaklaşım CuEEG: A GPU-Based Approach for Fast Processing of EEG Data ELECO '212 Elektrk - Elektronk ve Blgsayar Mühendslğ Sempozyumu, 29 Kasım - 1 Aralık 212, Bursa CuEEG: EEG Verlernn Hızlı İşlenmes çn GPU Tabanlı Br Yaklaşım CuEEG: A GPU-Based Approach for Fast Processng

Detaylı

Sinirsel Bulanık Sistemler İle Trafik Gürültüsünün Tahmini

Sinirsel Bulanık Sistemler İle Trafik Gürültüsünün Tahmini Snrsel Bulanık Sstemler İle Trafk Gürültüsünün Tahmn Ahmet Tortum Yrd. Doç. Dr.,Atatürk Ünverstes,Mühendslk Fakültes,İnşaat Bölümü,Erzurum E-posta : atortum@ataun.edu.tr Yasn Çodur Arş.Gör., Atatürk Ünverstes,Mühendslk

Detaylı

EMG İşaretlerinin K-Ortalama Algoritması Kullanılarak Öbekleştirilmesi. EMG Signal Analysis Using K-Means Clustering

EMG İşaretlerinin K-Ortalama Algoritması Kullanılarak Öbekleştirilmesi. EMG Signal Analysis Using K-Means Clustering KSÜ Mühendslk Blmler Dergs, (), 9 5 KSU Journal of Engneerng Scences, (), 9 EMG İşaretlernn K-Ortalama Algortması Kullanılarak Öbekleştrlmes Mücahd Günay, Ahmet ALKA, KSÜ Mühendslk-Mmarlık Fakültes Elektrk-Elektronk

Detaylı

İyi Tarım Uygulamaları Ve Tüketici Davranışları (Logit Regresyon Analizi)(*)

İyi Tarım Uygulamaları Ve Tüketici Davranışları (Logit Regresyon Analizi)(*) Gazosmanpaşa Ünverstes Zraat Fakültes Dergs Journal of Agrcultural Faculty of Gazosmanpasa Unversty http://zraatderg.gop.edu.tr/ Araştırma Makales/Research Artcle JAFAG ISSN: 1300-2910 E-ISSN: 2147-8848

Detaylı

TÜRKİYE DE YOKSULLUK PROFİLİ VE GELİR GRUPLARINA GÖRE GIDA TALEBİ

TÜRKİYE DE YOKSULLUK PROFİLİ VE GELİR GRUPLARINA GÖRE GIDA TALEBİ TÜRKİYE DE YOKSULLUK PROFİLİ VE GELİR GRUPLARINA GÖRE GIDA TALEBİ Yrd. Doç. Dr. Seda ŞENGÜL Çukurova Ünverstes İktsad Ve İdar Blmler Fakültes Ekonometr Bölümü Mart 2004 ANKARA YAYIN NO: 119 ISBN: 975-407-151-9

Detaylı

Rasgele Değişken Üretme Teknikleri

Rasgele Değişken Üretme Teknikleri Rasgele Değşken Üretme Teknkler Amaç Smülasyon modelnn grdlern oluşturacak örneklern üretlmes Yaygın olarak kullanılan ayrık veya sürekl dağılımların örneklenmes sürecn anlamak Yaygın olarak kullanılan

Detaylı

Türkiyede ki ĠĢ Kazalarının Yapay Sinir Ağları ile 2025 Yılına Kadar Tahmini

Türkiyede ki ĠĢ Kazalarının Yapay Sinir Ağları ile 2025 Yılına Kadar Tahmini Türkyede k ĠĢ Kazalarının Yapay Snr Ağları le 2025 Yılına Kadar Tahmn Hüseyn Ceylan ve Murat Avan Kırıkkale Meslek Yüksekokulu, Kırıkkale Ünverstes, Kırıkkale, 71450 Türkye. Kaman Meslek Yüksekokulu, Ah

Detaylı

Üniversite Öğrencilerinin Kredi Kartı Sahipliğini Belirleyen Faktörler

Üniversite Öğrencilerinin Kredi Kartı Sahipliğini Belirleyen Faktörler Ünverste Öğrenclernn Kred Kartı Sahplğn Belrleyen Faktörler H. Dlara KESKİN Yrd. Doç. Dr., Karadenz Teknk Ünverstes, İİBF İşletme Bölümü dlarakeskn@yahoo.com Emrah KOPARAN Öğr. Gör., Amasya Ünverstes Merzfon

Detaylı

VERİ ZARFLAMA ANALİZİ (VZA) VE MALMQUİST ENDEKSİ İLE TOPLAM FAKTÖR VERİMLİLİK ÖLÇÜMÜ: BİST TE İŞLEM GÖREN MEVDUAT BANKALARI ÜZERİNE BİR UYGULAMA

VERİ ZARFLAMA ANALİZİ (VZA) VE MALMQUİST ENDEKSİ İLE TOPLAM FAKTÖR VERİMLİLİK ÖLÇÜMÜ: BİST TE İŞLEM GÖREN MEVDUAT BANKALARI ÜZERİNE BİR UYGULAMA Atatürk Ünverstes İktsad ve İdar Blmler Dergs, Clt: 27,Sayı:4,2013 110 VERİ ZARFLAMA ANALİZİ (VZA) VE MALMQUİST ENDEKSİ İLE TOPLAM FAKTÖR VERİMLİLİK ÖLÇÜMÜ: BİST TE İŞLEM GÖREN MEVDUAT BANKALARI ÜZERİNE

Detaylı

YAŞAM ÇÖZÜMLEMESİNDE AYKIRI DEĞERLER OUTLIERS IN SURVIVAL ANALYSIS

YAŞAM ÇÖZÜMLEMESİNDE AYKIRI DEĞERLER OUTLIERS IN SURVIVAL ANALYSIS YAŞAM ÇÖZÜMLEMESİNDE AYKIRI DEĞERLER OUTLIERS IN SURVIVAL ANALYSIS NURAY TUNCER PROF. DR. DURDU KARASOY Tez Danışmanı Hacettepe Ünverstes Lsansüstü Eğtm-Öğretm Yönetmelğnn İstatstk Anablm Dalı İçn Öngördüğü

Detaylı

FARKLI REGRESYON YÖNTEMLERİ İLE BETA KATSAYISI ANALİZİ

FARKLI REGRESYON YÖNTEMLERİ İLE BETA KATSAYISI ANALİZİ FARKLI REGRESYON YÖNTEMLERİ İLE BETA KATSAYISI ANALİZİ M.Ensar YEŞİLYURT (*) Flz YEŞİLYURT (**) Özet: Özellkle uzak verlere sahp ver setlernn analz edlmesnde en küçük kareler tahmnclernn kullanılması sapmalı

Detaylı

QKUIAN. SAĞLIK BAKANLIĞI_ KAMU HASTANELERİ KURUMU Trabzon Ili Kamu Hastaneleri Birliği Genel Sekreterliği Kanuni Eğitim ve Araştırma Hastanesi

QKUIAN. SAĞLIK BAKANLIĞI_ KAMU HASTANELERİ KURUMU Trabzon Ili Kamu Hastaneleri Birliği Genel Sekreterliği Kanuni Eğitim ve Araştırma Hastanesi V tsttşfaktör T.C. SAĞLIK BAKANLIĞI KAMU HASTANELERİ KURUMU Trabzon Il Kamu Hastaneler Brlğ Genel Sekreterlğ Kanun Eğtm ve Araştırma Hastanes Sayı ı 23618724/?ı C.. Y** 08/10/2015 Konu : Yaklaşık Malyet

Detaylı

bir yol oluşturmaktadır. Yine i 2 , de bir yol oluşturmaktadır. Şekil.DT.1. Temel terimlerin incelenmesi için örnek devre

bir yol oluşturmaktadır. Yine i 2 , de bir yol oluşturmaktadır. Şekil.DT.1. Temel terimlerin incelenmesi için örnek devre Devre Analz Teknkler DEE AAĐZ TEKĐKEĐ Bu zamana kadar kullandığımız Krchoffun kanunları ve Ohm kanunu devre problemlern çözmek çn gerekl ve yeterl olan eştlkler sağladılar. Fakat bu kanunları kullanarak

Detaylı

Soğutucu Akışkan Karışımlarının Kullanıldığı Soğutma Sistemlerinin Termoekonomik Optimizasyonu

Soğutucu Akışkan Karışımlarının Kullanıldığı Soğutma Sistemlerinin Termoekonomik Optimizasyonu Soğutucu Akışkan arışımlarının ullanıldığı Soğutma Sstemlernn ermoekonomk Optmzasyonu * 1 Hüseyn aya, 2 ehmet Özkaymak ve 3 rol Arcaklıoğlu 1 Bartın Ünverstes akne ühendslğ Bölümü, Bartın, ürkye 2 arabük

Detaylı

1. KEYNESÇİ PARA TALEBİ TEORİSİ

1. KEYNESÇİ PARA TALEBİ TEORİSİ DERS NOTU 07 KEYNESÇİ PARA TALEBİ TEORİSİ, LM EĞRİSİ VE PARA TALEBİ FAİZ ESNEKLİĞİ Bugünk dersn çerğ: 1. KEYNESÇİ PARA TALEBİ TEORİSİ... 1 1.1 İŞLEMLER (MUAMELELER) TALEBİ... 2 1.2 ÖNLEM (İHTİYAT) TALEBİ...

Detaylı

BAŞKENT ÜNİVERSİTESİ MAKİNE MÜHENDİSLİĞİ BÖLÜMÜ MAK MAKİNE MÜHENDİSLİĞİ LABORATUVARI DENEY - 8

BAŞKENT ÜNİVERSİTESİ MAKİNE MÜHENDİSLİĞİ BÖLÜMÜ MAK MAKİNE MÜHENDİSLİĞİ LABORATUVARI DENEY - 8 BAŞKENT ÜNİVERSİTESİ MAKİNE MÜHENDİSLİĞİ BÖLÜMÜ MAK - 402 MAKİNE MÜHENDİSLİĞİ LABORATUVARI DENEY - 8 FARKLI YÜZEY ÖZELLİKLERİNE SAHİP PLAKALARIN ISIL IŞINIM YAYMA ORANLARININ HESAPLANMASI BAŞKENT ÜNİVERSİTESİ

Detaylı

Türkiye de Zeytin Sıkma Tesislerinin Karlılığı ve Etkinliği: Ege Bölgesi Örneği 1

Türkiye de Zeytin Sıkma Tesislerinin Karlılığı ve Etkinliği: Ege Bölgesi Örneği 1 Yıldıztekn ve Tuna Araştırma Makales (Research Artcle) Akın F.OLGUN M. Metn ARTUKOĞLU 3 Hakan ADANACIOĞLU 4 Ege Ünverstes Zraat Fakültes Tarım Ekonoms Bölümü 35100 Bornova/İzmr., e-posta: akn.olgun@ege.edu.tr

Detaylı

MESLEKi EGiTiMDE HizMET ici EGiTiM

MESLEKi EGiTiMDE HizMET ici EGiTiM MESLEK EGTMDE HzMET C EGTM Prof. Dr. Suna BAYKA (*) Yıldız GÜGE (**) Sevnç ÜAL (U) Br yükseköğretm programını btrmş ve meslek hayatına atılmış öğretmenlern çağımızdak blm ve teknolojk gelşmeler zlemeler

Detaylı

Çok ölçütlü karar verme yaklaşımlarına dayalı tedarikçi seçimi: elektronik sektöründe bir uygulama

Çok ölçütlü karar verme yaklaşımlarına dayalı tedarikçi seçimi: elektronik sektöründe bir uygulama 346 Çok ölçütlü karar verme yaklaşımlarına dayalı tedarkç seçm: elektronk sektöründe br uygulama Murat ARIKAN 1, Berat GÖKBEK 1 1 Endüstr Mühendslğ Bölümü, Mühendslk Fakültes, Gaz Ünverstes, Maltepe-Ankara

Detaylı

Atatürk Üniversitesi İktisadi ve İdari Bilimler Dergisi, Cilt: 25, Sayı: 1, 2011 225

Atatürk Üniversitesi İktisadi ve İdari Bilimler Dergisi, Cilt: 25, Sayı: 1, 2011 225 Atatürk Ünverstes İktsad ve İdar Blmler Dergs, Clt: 25, Sayı:, 20 225 FİNANSAL ANALİZDE KULLANILAN ORANLAR VE HİSSE SENEDİ GETİRİLERİ ARASINDAKİ İLİŞKİ: EKONOMİK KRİZ DÖNEMLERİ İÇİN İMKB İMALAT SANAYİ

Detaylı

İl Özel İdareleri ve Belediyelerde Uygulanan Program Bütçe Sistemi ve Getirdiği Yenilikler

İl Özel İdareleri ve Belediyelerde Uygulanan Program Bütçe Sistemi ve Getirdiği Yenilikler İl Özel İdareler ve Beledyelerde Uygulanan Program Bütçe Sstem ve Getrdğ Yenlkler Hayrettn Güngör Mehmet Deınrtaş İlk 2 Mayıs 1990 gün ve 20506 sayılı, kncs 19 Şubat 1994 gün ve 2 ı 854 sayılı Resm Gazete'de

Detaylı

Epilepside EEG Tabanlı Entropi Değişimleri

Epilepside EEG Tabanlı Entropi Değişimleri TURKMIA 9 Proceedngs 7 VI. Ulusal Tıp Blşm Kongres Bldrler ENMI Vol V No 1, 9 Eplepsde EEG Tabanlı Entrop Değşmler b c Serap 1 AYDINa,1, H.Melh SARAOĞLU, Sadık KARA a Elektrk-Elektronk Müh Böl, Ondokuz

Detaylı

LOJİSTİK REGRESYON VE CART ANALİZİ TEKNİKLERİYLE SOSYAL GÜVENLİK KURUMU İLAÇ PROVİZYON SİSTEMİ VERİLERİ ÜZERİNDE BİR UYGULAMA. Zeynep Burcu KIRAN

LOJİSTİK REGRESYON VE CART ANALİZİ TEKNİKLERİYLE SOSYAL GÜVENLİK KURUMU İLAÇ PROVİZYON SİSTEMİ VERİLERİ ÜZERİNDE BİR UYGULAMA. Zeynep Burcu KIRAN LOJİSTİK REGRESYON VE CART ANALİZİ TEKNİKLERİYLE SOSYAL GÜVENLİK KURUMU İLAÇ PROVİZYON SİSTEMİ VERİLERİ ÜZERİNDE BİR UYGULAMA Zeynep Burcu KIRAN YÜKSEK LİSANS TEZİ İSTATİSTİK GAZİ ÜNİVERSİTESİ FEN BİLİMLERİ

Detaylı

A İSTATİSTİK. 4. X kesikli rasgele (random) değişkenin moment çıkaran. C) 4 9 Buna göre, X in beklenen değeri kaçtır?

A İSTATİSTİK. 4. X kesikli rasgele (random) değişkenin moment çıkaran. C) 4 9 Buna göre, X in beklenen değeri kaçtır? . Br torbada 6 syah, 4 beyaz top vardır. Bu torbadan yerne koyarak top seçlyor. A İSTATİSTİK KPSS/-AB-PÖ/006. Normal dağılıma sahp br rasgele (random) değşkenn varyansı 00 dür. Seçlen topların ksnn de

Detaylı

PARMAKİZİ RESİMLERİNİN YAPAY SİNİR AĞLARI İLE TEMİZLENMESİ VE İYİLEŞTİRİLMESİ

PARMAKİZİ RESİMLERİNİN YAPAY SİNİR AĞLARI İLE TEMİZLENMESİ VE İYİLEŞTİRİLMESİ PARMAKİZİ RESİMLERİNİN YAPAY SİNİR AĞLARI İLE TEMİZLENMESİ VE İYİLEŞTİRİLMESİ Necla ÖZKAYA Şeref SAĞIROĞLU Blgsayar Mühendslğ Bölümü, Mühendslk Fakültes, Ercyes Ünverstes, 38039, Talas, Kayser Gaz Ünverstes,

Detaylı

Dersin Yürütülmesi Hakkında. (Örgün / Yüz Yüze Eğitim için) (Harmanlanmış Eğitim için) (Uzaktan Eğitim için)

Dersin Yürütülmesi Hakkında. (Örgün / Yüz Yüze Eğitim için) (Harmanlanmış Eğitim için) (Uzaktan Eğitim için) Ders Kodu Teork Uygulama Lab. Uluslararası Muhasebe ve Fnansal Raporlama Standartları Ulusal Kred Öğretm planındak AKTS 344000000000510 3 0 0 3 6 Ön Koşullar : Bu dersn ön koşulu ya da yan koşulu bulunmamaktadır.

Detaylı

PROJE PLANLAMASINDA BULANIK HEDEF PROGRAMLAMA YAKLAŞIMI. Müh. Ramadan VATANSEVER

PROJE PLANLAMASINDA BULANIK HEDEF PROGRAMLAMA YAKLAŞIMI. Müh. Ramadan VATANSEVER İSTANBUL TEKNİK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ PROJE PLANLAMASINDA BULANIK HEDEF PROGRAMLAMA YAKLAŞIMI YÜKSEK LİSANS TEZİ Müh. Ramadan VATANSEVER Anablm Dalı: İşletme Mühendslğ Programı: İşletme

Detaylı

AHP AND GRA INTEGRATED APPROACH IN INNOVATION PERFORMANCE REVIEW PROCESS: AN APPLICATION IN DAIRY INDUSTRY

AHP AND GRA INTEGRATED APPROACH IN INNOVATION PERFORMANCE REVIEW PROCESS: AN APPLICATION IN DAIRY INDUSTRY Dumlupınar Ünverstes Sosyal Blmler Dergs / Dumlupınar Unversty Journal of Socal Scences İNOVASYON PERFORMANSI DEĞERLENDİRME SÜRECİNDE AHS VE GİA BÜTÜNLEŞİK YAKLAŞIMI: SÜT ÜRÜNLERİ SEKTÖRÜNDE BİR UYGULAMA

Detaylı

KENTSEL ALANDA ET TALEP ANALİZİ: BATI AKDENİZ BÖLGESİ ÖRNEĞİ. Dr. Ali Rıza AKTAŞ 1 Dr. Selim Adem HATIRLI 2

KENTSEL ALANDA ET TALEP ANALİZİ: BATI AKDENİZ BÖLGESİ ÖRNEĞİ. Dr. Ali Rıza AKTAŞ 1 Dr. Selim Adem HATIRLI 2 Journal of Yasar Unversty 2010 3294-3319 KENTSEL ALANDA ET TALEP ANALİZİ: BATI AKDENİZ BÖLGESİ ÖRNEĞİ Dr. Al Rıza AKTAŞ 1 Dr. Selm Adem HATIRLI 2 ÖZET Bu çalışmada, Batı Akdenz Bölges kent merkezlernde

Detaylı

YÜKSEK LİsANS VE DOKTORA PROGRAMLARI

YÜKSEK LİsANS VE DOKTORA PROGRAMLARI , EK-A YÜKSEK LİsANS VE DOKTORA PROGRAMLARI Değerl Arkadaşlar, --e------ Bldğnz üzere, ş dünyası sthdam edeceğ adaylarda, ünverste mezunyet sonrası kendlerne ne ölçüde katma değer ekledklern de cddyetle

Detaylı

TEKNOLOJĐK ARAŞTIRMALAR

TEKNOLOJĐK ARAŞTIRMALAR www.teknolojkarastrmalar.com ISSN:305-63X Yapı Teknolojler Elektronk Dergs 008 () - TEKNOLOJĐK ARAŞTIRMALAR Makale Başlığın Boru Hattı Etrafındak Akıma Etks Ahmet Alper ÖNER Aksaray Ünverstes, Mühendslk

Detaylı

Merkezi Eğilim (Yer) Ölçüleri

Merkezi Eğilim (Yer) Ölçüleri Merkez Eğlm (Yer) Ölçüler Ver setn tanımlamak üzere kullanılan ve genellkle tüm elemanları dkkate alarak ver setn özetlemek çn kullanılan ölçülerdr. Ver setndek tüm elemanları temsl edeblecek merkez noktasına

Detaylı

YAYILI YÜK İLE YÜKLENMİŞ YAPI KİRİŞLERİNDE GÖÇME YÜKÜ HESABI. Perihan (Karakulak) EFE

YAYILI YÜK İLE YÜKLENMİŞ YAPI KİRİŞLERİNDE GÖÇME YÜKÜ HESABI. Perihan (Karakulak) EFE BAÜ Fen Bl. Enst. Dergs (6).8. YAYII YÜK İE YÜKENİŞ YAPI KİRİŞERİNDE GÖÇE YÜKÜ HESABI Perhan (Karakulak) EFE Balıkesr Ünverstes ühendslk marlık Fakültes İnşaat üh. Bölümü Balıkesr, TÜRKİYE ÖZET Yapılar

Detaylı

TEKNOLOJİ, PİYASA REKABETİ VE REFAH

TEKNOLOJİ, PİYASA REKABETİ VE REFAH TEKNOLOJİ, PİYASA REKABETİ VE REFAH Dr Türkmen Göksel Ankara Ünverstes Syasal Blgler Fakültes Özet Bu makalede teknoloj sevyesnn pyasa rekabet ve refah sevyes üzerndek etkler matematksel br model le ncelenecektr

Detaylı

G.1. : Y.Kutlu, M.Kuntalp, D.Kuntalp. : Öz Düzenleyici Haritalar Kullanilarak Diken Dalgalarin Analizi. Yay nlanan Kitapç k.

G.1. : Y.Kutlu, M.Kuntalp, D.Kuntalp. : Öz Düzenleyici Haritalar Kullanilarak Diken Dalgalarin Analizi. Yay nlanan Kitapç k. G.1 Yazarlar : Y.Kutlu, M.Kuntalp, D.Kuntalp Ba l k : Öz Düzenley Hartalar Kullanlarak Dken Dalgalarn Analz Yay nlanan Ktapç k : Genç Blm nsanlar le Beyn Byofz II. Çal tay, Izmr / Turkey, 21-23 ubat2008

Detaylı

FARKLI VERİ YAPILARINDA KULLANILABİLECEK REGRESYON YÖNTEMLERİ

FARKLI VERİ YAPILARINDA KULLANILABİLECEK REGRESYON YÖNTEMLERİ Anadolu Tarım Blm. Derg., 203,28(3):68-74 Anadolu J Agr Sc, 203,28(3):68-74 do: 0.76/anaas.203.28.3.68 URL: htt://dx.do.org/0.76/anaas.203.28.3.68 Derleme Revew FARKLI VERİ YAPILARINDA KULLANILABİLECEK

Detaylı

( ) 3.1 Özet ve Motivasyon. v = G v v Operasyonel Amplifikatör (Op-Amp) Deneyin Amacı. deney 3

( ) 3.1 Özet ve Motivasyon. v = G v v Operasyonel Amplifikatör (Op-Amp) Deneyin Amacı. deney 3 Yıldız Teknk Ünverstes Elektrk Mühendslğ Bölümü Deneyn Amacı İşlemsel kuvvetlendrcnn çalışma prensbnn anlaşılması le çeştl OP AMP devrelernn uygulanması ve ncelenmes. Özet ve Motvasyon.. Operasyonel Amplfkatör

Detaylı

04.10.2012 SU İHTİYAÇLARININ BELİRLENMESİ. Suİhtiyacı. Proje Süresi. Birim Su Sarfiyatı. Proje Süresi Sonundaki Nüfus

04.10.2012 SU İHTİYAÇLARININ BELİRLENMESİ. Suİhtiyacı. Proje Süresi. Birim Su Sarfiyatı. Proje Süresi Sonundaki Nüfus SU İHTİYAÇLARII BELİRLEMESİ Suİhtyacı Proje Süres Brm Su Sarfyatı Proje Süres Sonundak üfus Su ayrım çzs İsale Hattı Su Tasfye Tess Terf Merkez, Pompa İstasyonu Baraj Gölü (Hazne) Kaptaj Su Alma Yapısı

Detaylı

Kar Payı Politikası ve Yaşam Döngüsü Teorisi: İMKB İmalat Sektöründe Ampirik Bir Uygulama

Kar Payı Politikası ve Yaşam Döngüsü Teorisi: İMKB İmalat Sektöründe Ampirik Bir Uygulama Anadolu Ünverses Sosyal Blmler Dergs Anadolu Unversy Journal of Socal Scences Kar Payı Polkası ve Yaşam Döngüsü Teors: İMKB İmalat Sektöründe Amprk Br Uygulama Dvdend Payout Polcy and Lfe Cycle Theory:

Detaylı

TOPSIS ÇOK KRİTERLİ KARAR VERME SİSTEMİ: TÜRKİYE DEKİ KAMU BANKALARI ÜZERİNE BİR UYGULAMA

TOPSIS ÇOK KRİTERLİ KARAR VERME SİSTEMİ: TÜRKİYE DEKİ KAMU BANKALARI ÜZERİNE BİR UYGULAMA Araştırma Makaleler TOPSIS ÇOK KRİTERLİ KARAR VERME SİSTEMİ: TÜRKİYE DEKİ KAMU BANKALARI ÜZERİNE BİR UYGULAMA Dr., Dokuz Eylül Ünverstes, İİBF İşletme Bölümü erhan.demrel@deu.edu.tr ÖZET Ekonomk faalyetlern

Detaylı

Meteorolojik Verilerin Yapay Sinir Ağları Đle Modellenmesi

Meteorolojik Verilerin Yapay Sinir Ağları Đle Modellenmesi KSÜ Fen ve Mühendslk Dergs, 10(1), 2007 148 KSU Journal of Scence and Engneerng, 10(1), 2007 Meteorolojk Verlern Yapay Snr Ağları Đle Modellenmes Kemal ATĐK 1, Emrah DENĐZ 1, Enver YILDIZ 2 1 ZKÜ. Karabük

Detaylı

ADJUSTED DURBIN RANK TEST FOR SENSITIVITY ANALYSIS IN BALANCED INCOMPLETE BLOCK DESIGN

ADJUSTED DURBIN RANK TEST FOR SENSITIVITY ANALYSIS IN BALANCED INCOMPLETE BLOCK DESIGN SAÜ Fen Edebyat Dergs (2010-I) F.GÖKPINAR v.d. DENGELİ TAMAMLANMAMIŞ BLOK TASARIMINDA, DUYUSAL ANALİZ İÇİN DÜZELTİLMİŞ DURBİN SIRA SAYILARI TESTİ Fkr GÖKPINAR*, Hülya BAYRAK, Dlşad YILDIZ ve Esra YİĞİT

Detaylı

Şiddet-Süre-Frekans Bağıntısının Genetik Algoritma ile Belirlenmesi: GAP Örneği *

Şiddet-Süre-Frekans Bağıntısının Genetik Algoritma ile Belirlenmesi: GAP Örneği * İMO Teknk Derg, 28 4393-447, Yazı 29 Şddet-Süre-Frekans Bağıntısının Genetk Algortma le Belrlenmes: GAP Örneğ * Hall KARAHAN* M. Tamer AYVAZ** Gürhan GÜRARSLAN*** ÖZ Bu çalışmada, Genetk Algortma (GA)

Detaylı

TEKNOLOJĐK ARAŞTIRMALAR

TEKNOLOJĐK ARAŞTIRMALAR www.teknolojkarastrmalar.com ISSN:134-4141 Makne Teknolojler Elektronk Dergs 28 (1) 61-68 TEKNOLOJĐK ARAŞTIRMALAR Kısa Makale Tabakalı Br Dskn Termal Gerlme Analz Hasan ÇALLIOĞLU 1, Şükrü KARAKAYA 2 1

Detaylı

Sabit Varyans. Var(u i X i ) = Var(u i ) = E(u i2 ) = s 2

Sabit Varyans. Var(u i X i ) = Var(u i ) = E(u i2 ) = s 2 X Sabt Varyans Y Var(u X ) = Var(u ) = E(u ) = s Eşt Varyans EKKY nn varsayımlarından br anakütle regresyon fonksyonu u lern eşt varyanslı olmasıdır Her hata term varyansı bağımsız değşkenlern verlen değerlerne

Detaylı

TEKNOLOJİ BAĞIMLI YAŞAMIN MATEMATİKSEL DESENLERİ-I

TEKNOLOJİ BAĞIMLI YAŞAMIN MATEMATİKSEL DESENLERİ-I TEKNOLOJİ BAĞIMLI YAŞAMIN MATEMATİKSEL DESENLERİ-I Fevz ÜNLÜ *, Esra DALAN YILDIRIM **,Şule AYAR *** ÖZET: Evren her an nano-önces, nano, mkro, normal, makro ve makro-ötes gözler le gözlemlermze açıktır.

Detaylı

Hasar sıklıkları için sıfır yığılmalı kesikli modeller

Hasar sıklıkları için sıfır yığılmalı kesikli modeller www.statstkcler.org İstatstkçler Dergs 5 (01) 3-31 İstatstkçler Dergs Hasar sıklıkları çn sıfır yığılmalı keskl modeller Sema Tüzel Hacettepe Ünverstes Aktüerya Blmler Bölümü 06800-Beytepe, Ankara, Türkye

Detaylı

TEDARİKÇİ SEÇİMİNDE ANALİTİK HİYERARŞİ PROSESİ VE HEDEF PROGRAMLAMA YÖNTEMLERİNİN KOMBİNASYONU: OTEL İŞLETMELERİNDE BİR UYGULAMA

TEDARİKÇİ SEÇİMİNDE ANALİTİK HİYERARŞİ PROSESİ VE HEDEF PROGRAMLAMA YÖNTEMLERİNİN KOMBİNASYONU: OTEL İŞLETMELERİNDE BİR UYGULAMA TEDARİKÇİ SEÇİMİNDE ANALİTİK HİYERARŞİ PROSESİ VE HEDEF PROGRAMLAMA YÖNTEMLERİNİN KOMBİNASYONU: OTEL İŞLETMELERİNDE BİR UYGULAMA Yrd. Doç. Dr. Meltem KARAATLI * Yrd. Doç. Dr. Gonca DAVRAS ** ÖZ Otel şletmelernde,

Detaylı

BULANIK HEDEF PROGRAMLAMA VE BİR TEKSTİL FİRMASINDA UYGULAMA ÖRNEĞİ

BULANIK HEDEF PROGRAMLAMA VE BİR TEKSTİL FİRMASINDA UYGULAMA ÖRNEĞİ Eskşehr Osmangaz Ünverstes Sosyal Blmler Dergs Clt: 6 Sayı: 2 Aralık 2005 BULANIK HEDEF PROGRAMLAMA VE BİR TEKSTİL FİRMASINDA UYGULAMA ÖRNEĞİ İrfan ERTUĞRUL Pamukkale Ünverstes İİBF, Denzl ÖZET Günümüzde

Detaylı

Kİ-KARE VE KOLMOGOROV SMİRNOV UYGUNLUK TESTLERİNİN SİMULASYON İLE ELDE EDİLEN VERİLER ÜZERİNDE KARŞILAŞTIRILMASI

Kİ-KARE VE KOLMOGOROV SMİRNOV UYGUNLUK TESTLERİNİN SİMULASYON İLE ELDE EDİLEN VERİLER ÜZERİNDE KARŞILAŞTIRILMASI C.Ü. İktsad ve İdar Blmler Dergs, Clt 4, Sayı 1, 3 6 Kİ-KARE VE KOLMOGOROV SMİRNOV UYGUNLUK TESTLERİNİN SİMULASYON İLE ELDE EDİLEN VERİLER ÜZERİNDE KARŞILAŞTIRILMASI H. BİRCAN, Y. KARAGÖZ ve Y. KASAPOĞLU

Detaylı

KALĐTE ARTIŞLARI VE ENFLASYON: TÜRKĐYE ÖRNEĞĐ

KALĐTE ARTIŞLARI VE ENFLASYON: TÜRKĐYE ÖRNEĞĐ Central Bank Revew Vol. 11 (January 2011), pp.1-9 ISSN 1303-0701 prnt / 1305-8800 onlne 2011 Central Bank of the Republc of Turkey http://www.tcmb.gov.tr/research/revew/ KALĐTE ARTIŞLARI VE ENFLASYON:

Detaylı

SUÇ VERİ TABANININ LOJİSTİK REGRESYON ANALİZİ İLE TAHMİNİ: BURSA ÖRNEĞİ Estimating of Crime Database with Logistic Regression Analysis: Bursa Case

SUÇ VERİ TABANININ LOJİSTİK REGRESYON ANALİZİ İLE TAHMİNİ: BURSA ÖRNEĞİ Estimating of Crime Database with Logistic Regression Analysis: Bursa Case SUÇ VERİ TABANININ LOJİSTİK REGRESYON ANALİZİ İLE TAHMİNİ: BURSA ÖRNEĞİ Estmatng of Crme Database wth Logstc Regresson Analyss: Bursa Case Mehmet NARGELEÇEKENLER * B Özet u çalışmada, Bursa Emnyet Müdürlüğünden

Detaylı

TEMEL DEVRE KAVRAMLARI VE KANUNLARI

TEMEL DEVRE KAVRAMLARI VE KANUNLARI TDK Temel Devre Kavramları ve Kanunları /0 TEMEL DEVRE KAVRAMLARI VE KANUNLARI GĐRĐŞ: Devre analz gerçek hayatta var olan fzksel elemanların matematksel olarak modellenerek gerçekte olması gereken sonuçların

Detaylı

MOBİPA MOBİLYA TEKSTİL İNŞAAT NAKLİYE PETROL ÜRÜNLERİ. SÜPERMARKET VE TuRİzM SANAYİ VE TİcARET ANONİM ŞİRKETİ

MOBİPA MOBİLYA TEKSTİL İNŞAAT NAKLİYE PETROL ÜRÜNLERİ. SÜPERMARKET VE TuRİzM SANAYİ VE TİcARET ANONİM ŞİRKETİ MOBİPA MOBİLYA TEKSTİL İNŞAAT NAKLİYE PETROL ÜRÜNLERİ SÜPERMARKET VE TuRİzM SANAYİ VE TİcARET ANONİM ŞİRKETİ 2011-2012-2013 MALİ yılına İLİşKİN YÖNETİM KURULU FAALİYET RAPORU ("Şrket") 01012011-31 ı22013

Detaylı

Farklı Varyans. Var(u i X i ) = Var(u i ) = E(u i2 ) = s 2 Eşit Varyans

Farklı Varyans. Var(u i X i ) = Var(u i ) = E(u i2 ) = s 2 Eşit Varyans Farklı Varyans Var(u X ) = Var(u ) = E(u ) = s Eşt Varyans Y X 1 Farklı Varyans Hata Var(u X ) = Var(u ) = E(u ) = s Farklı Varyans Zaman EKKY nn varsayımlarından br anakütle regresyon fonksyonu u lern

Detaylı

Antalya Đlinde Serada Domates Üretiminin Kâr Etkinliği Analizi

Antalya Đlinde Serada Domates Üretiminin Kâr Etkinliği Analizi Tarım Blmler Dergs Tar. Bl. Der. Derg web sayfası: www.agr.ankara.edu.tr/derg Journal of Agrcultural Scences Journal homepage: www.agr.ankara.edu.tr/journal TARIM BİLİMLERİ DERGİSİ JOURNAL OF AGRICULTURAL

Detaylı

TEKLİF MEKTUBU SAĞLIK BAKANLIĞI_. '.. m

TEKLİF MEKTUBU SAĞLIK BAKANLIĞI_. '.. m SAĞLIK BAKANLIĞI TC Kayıt No: 133709 TURKIYE KAMU HASTANELERI KURUMU ı TRABZON ILI KAMU HASTANELERI BIRLIGI GENEL SEKRETERLIGI Kanun Eğtm Araştırma Hastanes TEKLİF MEKTUBU Sayı : 23618724 12.10.2015 Konu

Detaylı

ANTALYA DA OBEZİTE YAYGINLIĞI VE DÜZEYİNİ ETKİLEYEN SOSYO-EKONOMİK DEĞİŞKENLER

ANTALYA DA OBEZİTE YAYGINLIĞI VE DÜZEYİNİ ETKİLEYEN SOSYO-EKONOMİK DEĞİŞKENLER Akdenz İ.İ.B.F. Dergs (21) 2011, 17-45 ANTALYA DA OBEZİTE YAYGINLIĞI VE DÜZEYİNİ ETKİLEYEN SOSYO-EKONOMİK DEĞİŞKENLER PREVALENCE AND SOCIOECONOMICS DETERMINANTS OF ADULTS OBESITY IN ANTALYA Arş. Gör. F.

Detaylı

AYLIK ORTALAMA GÖL SU SEVİYESİNİN BULANIK-OLASILIK YAKLAŞIMI İLE GÖZLENMİŞ ZAMAN SERİSİNDEN TAHMİNİ

AYLIK ORTALAMA GÖL SU SEVİYESİNİN BULANIK-OLASILIK YAKLAŞIMI İLE GÖZLENMİŞ ZAMAN SERİSİNDEN TAHMİNİ AYLIK ORTALAMA GÖL SU SEVİYESİİ BULAIK-OLASILIK YAKLAŞIMI İLE GÖZLEMİŞ ZAMA SERİSİDE TAHMİİ Veysel GÜLDAL, Hakan TOGAL 2 S.D.Ü.Mühendslk Mmarlık Fakültes İnşaat Müh Böl., Isparta/TÜRKİYE vguldal@mmf.sdu.edu.tr

Detaylı

Tek Yönlü Varyans Analizi

Tek Yönlü Varyans Analizi Tek Yönlü Varyan Analz Nedr ve hang durumlarda kullanılır? den fazla grupların karşılaştırılmaı öz konuu e, çok ayıda t-tet nn kullanılmaı, Tp I hatanın artmaına yol açar; Örneğn, eğer 5 grubu kşerl olarak

Detaylı

BEYKENT ÜNİVERSİTESİ - DERS İZLENCESİ - Sürüm 2. Öğretim planındaki AKTS 581058202101319 2 1 0 3 5

BEYKENT ÜNİVERSİTESİ - DERS İZLENCESİ - Sürüm 2. Öğretim planındaki AKTS 581058202101319 2 1 0 3 5 BEYKENT ÜNİVERSİTESİ - DERS İZLENCESİ - Sürüm 2 Ders Kodu Teork Uygulama Lab. YAPI ARAŞTIRMASI VE DOKÜMANTASYON Ulusal Kred Öğretm planındak AKTS 581058202101319 2 1 0 3 5 Ön Koşullar : Önerlen Dersler

Detaylı

K-Ortalamalar Yöntemi ile Yıllık Yağışların Sınıflandırılması ve Homojen Bölgelerin Belirlenmesi *

K-Ortalamalar Yöntemi ile Yıllık Yağışların Sınıflandırılması ve Homojen Bölgelerin Belirlenmesi * İMO Teknk Derg, 2012 6037-6050, Yazı 383 K-Ortalamalar Yöntem le Yıllık Yağışların Sınıflandırılması ve Homojen Bölgelern Belrlenmes * Mahmut FIAT* Fath DİKBAŞ** Abdullah Cem KOÇ*** Mahmud GÜGÖ**** ÖZ

Detaylı

Kayseri deki Özel Hastanelerde Maliyet Etkinliğinin Veri Zarflama Metoduyla Ölçülmesi

Kayseri deki Özel Hastanelerde Maliyet Etkinliğinin Veri Zarflama Metoduyla Ölçülmesi Uluslararası Alanya İşletme Fakültes Dergs Internatonal Journal of Alanya Faulty of Busness Yıl:2014, C:6, S:2, s. 45-54 Year:2014, Vol:6, No:2, s. 45-54 Kayser dek Özel Hastanelerde Malyet Etknlğnn Ver

Detaylı

T.C. KEÇiÖREN BELEDİYE BAŞKANLIGI Mali Hizmetler Müdürlüğü BAŞKANLIK MAKAMINA

T.C. KEÇiÖREN BELEDİYE BAŞKANLIGI Mali Hizmetler Müdürlüğü BAŞKANLIK MAKAMINA l!l KEÇÖREN BELEDİYE BAŞKANLIGI KEÇöREN BELeDYES SA YI : M.06.6.KEç.O-31/2009KONU: Yetk Devr bo f.!200fd 6.1. BAŞKANLIK MAKAMINA Blndğ üzere O 1.01.2006 tarhnden tbaren tüm yerel yönetmlerde 31.12.2005

Detaylı

FUZZY TOPSİS YÖNTEMİ İLE SANAL MAĞAZALARIN WEB SİTELERİNİN DEĞERLENDİRİLMESİ

FUZZY TOPSİS YÖNTEMİ İLE SANAL MAĞAZALARIN WEB SİTELERİNİN DEĞERLENDİRİLMESİ FUZZY TOPSİS YÖNTEMİ İLE SNL MĞZLRIN WEB SİTELERİNİN DEĞERLENDİRİLMESİ Süleyman DÜNDR (*) Fath EER (**) Şuayb ÖZDEMİR (***) Özet: Bu çalışmanın amacı, fuzzy TOPSİS yöntemn kullanarak sanal mağazaların

Detaylı

ENDÜSTRİYEL BİR ATIK SUYUN BİYOLOJİK ARITIMI VE ARITIM KİNETİĞİNİN İNCELENMESİ

ENDÜSTRİYEL BİR ATIK SUYUN BİYOLOJİK ARITIMI VE ARITIM KİNETİĞİNİN İNCELENMESİ ENDÜSTRİYEL BİR ATIK SUYUN BİYOLOJİK ARITIMI VE ARITIM KİNETİĞİNİN İNCELENMESİ Emel KOCADAYI EGE ÜNİVERSİTESİ MÜH. FAK., KİMYA MÜH. BÖLÜMÜ, 35100-BORNOVA-İZMİR ÖZET Bu projede, Afyon Alkalot Fabrkasından

Detaylı

Servis Amaçlı Robotlarda Modüler ve Esnek Boyun Mekanizması Tasarımı ve Kontrolü

Servis Amaçlı Robotlarda Modüler ve Esnek Boyun Mekanizması Tasarımı ve Kontrolü Servs Amaçlı Robotlarda Modüler ve Esnek Boyun Mekanzması Tasarımı ve Kontrolü Neşe Topuz, Hüseyn Burak Kurt, Pınar Boyraz, Chat Bora Yğt Makna Mühendslğ Bölümü İstanbul Teknk Ünverstes İnönü Cd. No:65,

Detaylı

PRODUCTION PLANNING BASED ON GOAL PROGRAMMING FOR MASS CUSTOMIZATION IN A COMPANY

PRODUCTION PLANNING BASED ON GOAL PROGRAMMING FOR MASS CUSTOMIZATION IN A COMPANY BİR İŞLETMEDE KİTLESEL ÖZEL ÜRETİME YÖNELİK HEDEF PROGRAMLAMA TABANLI ÜRETİM PLANLAMA PRODUCTION PLANNING BASED ON GOAL PROGRAMMING FOR MASS CUSTOMIZATION IN A COMPANY ESRA AKBAL Başkent Ünverstes Lsansüstü

Detaylı