Welch and Bishop (2004) Kalman filtresinin kullanımını voltaj tahmini ile örneklendirerek açıklamışlardır.
|
|
- Kelebek Usta
- 5 yıl önce
- İzleme sayısı:
Transkript
1 . GİRİŞ Maroeonomi model; eonominin işleyişini açılayan, amaçlanan eonomi yapıya ulaşabilme için birbiriyle ilişili temel eonomi büyülülerin nasıl gelişeceğini ve hangi alanlarda darboğazlarla arşılaşılacağını mümün olduğunca gerçeçi olara açılamaya çalışan bir soyutlamadır. Anca, eonomi ilişilerin deneysel olara test edilmesinin ve modellenmesinin güç olması, gerçete modele dahil edilmesi gereen birço ayrıntının veri esiliği sebebiyle model dışında alması gibi sebeplerle hiçbir model bunu tam olara başaramaz. Maroeonomi modeller eonomi sürecin işleyişi ile ilgili olara tartışmalı ve test edilmesi gereen değişi eonomi uram ve varsayımlardan yararlanırlar. Bunlar modelde apsanan eonomi olaylarla ilgili değişenlerin seçiminde ve aralarındai ilişiyi tanımlamata en can alıcı rolü üstlenirler. Eonometri modeller, eonomi değişenler arasındai ilişilerin istatistisel olara test edilere doğrulanmasıyla elde edilen ve eşanlı olara çözülen matematisel denlem ümelerinden oluşmatadır. Oluşturulma aşamasında ço sayıda veri geretiren bu modeller, maroeonomi ya da miroeonomi olabilir. Maroeonometri modeller apsama durumunda olduları eonomi ilişileri eşanlı denlem ümeleri olara sunmaları nedeniyle incelenmesi ve yorumlanması güç yapılar oluşturmatadırlar (Ayanoğlu vd. 996). Politia analizlerinde büyü bir maroeonometri modelin yanı sıra daha dar apsamlı anca, büyü modelle tutarlı ve aynı teori yapıya sahip modeller de ullanılmatadır. Genel olara, apalı eonomiler için oluşturulan modeller, IS, LM, Phillips eğrisi gibi denlemleri içermetedir. Son yıllarda, Yeni Keynesci modeller, maroeonomi ilişilerin incelenmesinde sıça ullanılmatadır. Keynesyen İtisat (talep yönlü itisat), 929 dünya eonomi bunalımının ortaya çıardığı işsizli ve toplam taleptei yetersizlileri giderme amacıyla geliştirilmiş bir itisadi düşüncedir. Talep yönlü itisadı, eonomide etin ayna ullanımının
2 sağlanması, eonomi büyüme ve alınmanın gerçeleştirilmesi, adil bir gelir ve servet dağılımının temini ve eonomi istirarın sağlanması için devletin toplam talep üzerinde yönlendirici ararlar almasını öneren bir itisadi düşünce olara tanımlama mümündür. Talep yönlü itisadın teori temelleri J. M. Keynes tarafından yayınlanan İstihdam, Faiz ve Paranın Genel Teorisi adlı eserinde yer almıştır. Genel Teori de maroeonomi dengenin; toplam arz ile toplam talebin eşitlendiği notada gerçeleşeceği belirtilmetedir. Keynes in "Genel Teorisi" ve diğer eserlerindei düşünceleri, zaman içerisinde itisatçılarca farlı şeillerde yorumlanmıştır. 936 yılında J. M. Keynes in Genel Teorisi ni yayınlamasından sonra, bu teorinin aademi çevrelerde tanınmasında ve benimsenmesinde J. Hics in önemli atıları olmuştur. Hics, ısa dönem denge gelir ve istihdam düzeyi ve faiz oranının; para arzının para talebine eşitlendiği bir seviyede belirleneceğini abul etmiştir. Hics in bu görüşleri daha sonra A. H. Hansen tarafından geliştirilmiş ve itisat literatürüne Hics-Hansen Modeli olara geçmiştir. Gelir-Harcama Modeli (Income-Expenditure Model) veya IS/LM Analizi olara da adlandırılan bu sentez daha sonraları başlıca Don Patinin, Paul Samuelson ve James Tobin in çalışmaları ile önemli ölçüde geliştirilmiştir (Atan 2000). Maroeonomi dinamilerin modellenmesi ve parametrelerinin tahmini onusunda birço çalışma ve farlı yöntemler vardır. Ço sayıda farlı dallarda uygulama alanı bulan ilerletilmiş Kalman filtresi (İKF) son dönem eonomi yazınında biraç çalışmada ullanılmıştır. Maybec (979) Kalman filtresinin (KF) tanıtımını yapara ullanımını, gece vati denizde aybolmuş birinin yıldızların onumuna baara yön bulması örneği ile açılamıştır. Julier and Uhlmann (997), Lineer olmayan sistemlerde ilerletilmiş Kalman filtresinin ullanımını açılayara çalışmalarını, ço yüsete ve ço hızlı hareet eden bir aracın onumunun tahmin edilmesi problemi ile örnelendirmişlerdir. 2
3 Özbe (998), Kesili-zaman stoasti durum-uzay modellerinde durum vetörünün tahmin edilmesi problemini ele almış ve ardışı tahmin yöntemlerinden Kalman filtresinin değişi optimizasyon ölçütlerine göre elde edilişini açılamıştır. Güvel (998), Türiye eonomisinin ısa dönem analizi adlı çalışmasında maro politialar ve eonomi dalgalanmalar üzerine eonometri bir inceleme yapmıştır. Çalışmasında farlı eonomi yalaşımlara uygun olara oluşturduğu modelinin parametrelerini en üçü areler yöntemi ile tahmin etmiştir. Türiye eonomisinin ısa dönem özellilerinin büyü ölçüde Keynesyen hipotezlerle tutarlılı sergilediğini ortaya oymuştur. King (2000), The New IS/LM Model çalışmasında milli gelir, fiyat düzeyi, enflasyon, reel faiz oranı ve nominal faiz oranı değişenlerini ullanara oluşturduğu maroeonomi modelinin işleyişini, model değişenleri arasındai ilişiyi ayrıntılı olara ele almıştır. Özbe ve Öztür (2003), lineer olmayan esili-zaman durum-uzay modelleri ile ilgili olara, bir yayın ucuna bağlı cismin salınımı için İKF ullanımına bir örne vermişlerdir. Özbe vd. (2003) Keynesyen basit maroeonomi modelde hüümet harcamalarını rasgele yürüyüş süreci ile modelleyere bilinmeyen parametreleri İKF ile tahmin etmişlerdir. Özbe ve Özlale (2004), tahmin yöntemi olara ilerletilmiş alman filtresini ullandıları çıtı açığının ölçülmesine ilişin çalışmalarında, Türiye eonomisi için çıtı açığı ve potansiyel çıtı serilerini lineer olmayan durum-uzay modeli haline getirmişler ve enflasyon ile çıtı açığı arasındai ilişiyi analiz etmişlerdir. Welch and Bishop (2004) Kalman filtresinin ullanımını voltaj tahmini ile örnelendirere açılamışlardır. 3
4 Sarıaya vd. (2005) Türiye eonomisi için çıtı açığının tahmin edilmesinde İKF ullanmışlardır. Collard and Dellas (2005), Basit Keynesyen maroeonomi modelin parametrelerini, hüümet harcamalarını rasgele yürüyüş süreci ile modelleyere İKF ile tahmin etmişlerdir. Bhattarai (2005) Basit Keynesyen maroeonomi modelini IS/LM analizi çerçevesinde oluşturara değişenler arasındai ilişiyi ayrıntılı şeilde açılamıştır. Dueer (2005), Basit maroeonomi modelin bilinmeyen parametrelerini İKF ile tahmin etmiştir. Erdoğdu ve Özbe (2005) Türiye gibi süreli bütçe açığı, sağlısız maliye politiası ve uzun süreli yüse enflasyon yaşayan bir üle için bireylerin tüetim eğiliminde, maliye politialarının etisi olup olmadığını görebilme amacıyla yaptıları çalışmada model parametrelerini alman filtresi ile tahmin etmişlerdir. Dewachter and Lyrio (2006) çıtı açığı, enflasyon oranı ve faiz oranı değişenlerini ullanara oluşturduları Keynesyen maroeonomi modelin parametrelerini İKF ile tahmin etmişlerdir. 970'li yıllarda lasi itisat öğretisine arşı önemini yitirmeye başlayan Keynesçi modeller, günümüzde çözüm aranan bir ço maroeonomi problem için yeniden referans notası olmuştur. Klasi itisat öğretisinin, "para ve maliye politialarının reel maroeonomi değişenler üzerinde ısa ve uzun vadede etisiz olduğu" görüşü yerini ısa dönemde bu politiaların etili olduğunu savunan "yeni Keynesçi görüş"e bıramıştır. Türiye eonomisi için maliye politialarının basın olduğu varsayımı altında, Keynesçi bir model urulabilir (Özbe vd. 2003). Bu çalışmada Keynesyen görüşe uygun olara IS/LM analizi çerçevesinde basit bir maroeonomi model urulmuştur. Modelin bilinmeyen parametrelerinin tahmin edilebilmesi için ilerletilmiş Kalman filtresi ullanılmıştır. 4
5 2. DURUM-UZAY MODELİ VE TAHMİN 2. Lineer Kesili-Zaman Durum-Uzay Modeli ve Kalman Filtresi Lineer esili-zaman stoasti durum-uzay modelleri, 960'lı yıllarda uydu, güdümlü mermi, uzay araçları ve hareet yeteneği olan hedeflerin onumunu izleme ve ontrol etme gibi uygulamalar için geliştirilmiştir. Ayrıca durum-uzay modelleri, fizisel ve itisadi süreçlerin modellenmesinde pe ço uygulama alanına sahiptir (Özbe 2000, Özbe vd. 2003). Durum-uzay modeli, sistemin durumunu gösteren anca gözlenemeyen, { x ; = 0,,2,... } stoasti süreci ile ilgili bir durum eşitliği ve gözlenebilen { ; 0,, 2,... } z = stoasti süreci ile ilgili bir ölçüm (gözlem) eşitliğinden oluşan; x = A x + + B w (2..) z = H x + v (2..2) şelinde bir modeldir. Burada x n R : sistem durum vetörünü, z m R : sistem gözlem vetörünü, A, nxn boyutlu sistem geçiş matrisini, H mxn boyutlu gözlem matrisini, w n R ve v m R sıfır ortalamalı beyaz gürültü süreçlerini (hata terimlerini) göstermetedir. Beyaz gürültü süreçlerinin her, j için aşağıdai varsayımları sağladığı abul edilir. E [ v ] = 0 (2..3) E [ w ] = 0 (2..4) Ortalaması sıfır olan herhangi bir { e : K} σ 2, h = 0 γ e ( h) = 0, d. d. e : K şelinde ise { } şelinde gösterilir (Adi 2003). zaman serisinin otoovaryans fonsiyonu, serisine, Beyaz Gürültü (White Noise) Serisi denir ve e WN σ 2 (0, ) 5
6 E v v ' [ j ] Rδ j E w w = (2..5) ' [ j ] Qδ j ' [ j ] 0 = (2..6) E v w = (2..7) E [ x ] = x (2..8) 0 0 E [ ( x - x )( x - x )'] = P (2..9) E x w = (2..0) ' [ 0 ] 0 E x v = (2..) ' [ 0 ] 0 Ayrıca, tüm =0,,2,... anlarında A, (Özbe 2000, Özbe vd. 2003). Burada H, B, Q ve Q nxn ve R matrislerinin bilindiği varsayılır R mxm boyutlu matrislerdir. (Bu alanda rasgele vetörler üçü harfler ile gösterildiğinden çalışmanın geri alan ısmında bu notasyona uyulmuştur). 2.. Sonsal dağılımın en büyülenmesi ölçütüne göre Kalman filtresinin elde edilmesi Bu ısımda durum-uzay modelinde yer alan beyaz gürültü süreçlerinin ve x 0 başlangıç durumunun normal dağılıma sahip olduğu varsayımı altında, sonsal dağılımın en büyülenmesi ölçütüne göre Kalman filtresinin elde edilişi açılanmıştır. Ele alınan durum-uzay modelindei hata terimlerinin w v Ν(0, Q ) Ν(0, R ) x Ν( x, P ) şelinde normal dağılıma sahip olduğu, hata terimlerinin ve başlangıç durumunun (2..)-(2..) varsayımlarını sağladığı abul edilsin. En iyi filtreleme, {,,..., } Z z z z = 0 gözlemleri verildiğinde x durumunun en iyi tahminini 6
7 belirlemedir. Yapılan varsayımlar altında, x Ζ rasgele vetörünün dağılımı normal dağılıma sahiptir ve sonsal dağılımın en büyülenmesi ölçütüne göre elde edilen tahmin, oşullu belenen değer tahminine dentir. Z { z,z,...,z } x durumunun tahmini = gözlemleri verildiğinde 0 xˆ = E [ x z, z,..., z ] = E [ x Z ] 0 ile, hatanın ovaryans matrisi P = E [ ( x - xˆ )( x - xˆ )' Z ] ve Z { z, z,..., z } = gözlemleri verildiğinde x durumunun tahmini 0 - xˆ = E [ x z, z,..., z ] = E [ x Z ] 0 - ile, hatanın ovaryans matrisi P = E [ ( x - xˆ )( x - xˆ )' Z ] ile gösterilsin. Bu değerlerin belirlenmesi aşağıdai adımların uygulanmasıyla elde edilir (Özbe 2000). Adım-. anında x durumunun, xˆ tahmininin bilindiği abul edilsin ve x ˆ belirlenmeye çalışılsın. (2..) eşitliği x = A x + B w (2...) olara ele alınır, w rasgele vetörünün v, w 2,..., w0 rasgele vetörlerinden, x 0 7
8 başlangıç durumunun z0, z,..., z- vetörlerinden bağımsız olduğu göz önünde tutulursa [ Z ] E w - = 0 (2...2) olacağından, [ ] [ ] [ ] xˆ = E x Z = Α E x Z + B E w Z (2...3) = A xˆ (2...4) olara bulunur. Hata vetörü x ˆ x ; z0, z,..., z gözlemlerinden bağımsız olduğundan, bir adım sonrai öngörü için hatanın ovaryans matrisi P = E [ ( x - xˆ )( x - xˆ )' Z ] = E [ ( x - xˆ )( x - xˆ ) '] (2...5) - - dır. Bir adım öngörü hatası x xˆ = A ( x xˆ ) + B w (2...6) olara yazılabileceğinden, x vetörü, w 0, w,..., w 2 vetörlerinin bir fonsiyonu ve [ w ] E x - = 0 (2...7) E xˆ w Z = 0 - (2...8) olduğundan hatanın ovaryans matrisi P = A P A + B Q B (2...9) 8
9 olara bulunur (Özbe 2000). Adım-2. Z { z, z,..., z } = 0 gözlemleri verildiğinde x durumunun tahminin belirlenmesi için f ( x Z ) oşullu olasılı yoğunlu fonsiyonunun belirlenmesi gereir. Bu oşullu olasılı yoğunlu fonsiyonu, f ( x Z ) = f ( x Z, z ) (2...0) f ( x, Z, z ) = (2...) f ( Z, z ) f ( x Z ) = f ( z x, Z ). (2...2) f ( z, Z ) olara yazılabilir. Gözlem eşitliği ve x vetörünün 0,,..., z z z gözlemlerinden bağımsız olduğu göz önüne alınırsa ( v, x 0 ve w0, w,..., w vetörlerinden bağımsız) f ( z x, Z ) = f ( z x ) (2...3) elde edilir. Bu durumda (2...2) eşitliği f ( x Z ) f ( z x ) f ( x Z ) = (2...4) f ( z Z ) olara yazılabilir. Hata terimleri ile ilgili varsayımlardan [ ] E v x = 0 (2...5) [ ] E z x = Η x [( )( ) ] [ ] E z Η x z Η x = E v v = R olacağından, gözlem vetörünün durum vetörüne göre oşullu dağılımı 9
10 f z x K z x R z x 2 ( ) =.exp ( Η ) ( Η ) (2...6) şelinde normal dağılımdır. Başlangıç durumunun normal dağılıma sahip olmasından f ( x Z ) dağılımı da - f ( x ˆ ˆ Z ) = K.exp (x - x -) P -(x - x -) 2 (2...7) biçiminde normal dağılım olduğundan, f ( x Z ) sonsal dağılımı, - f ( x ).exp (( ) ( ) (x ˆ ˆ Z = K z Η x R z Η x + - x -) P - (x - x -)) 2 (2...8) biçiminde normal dağılım olara bulunur. Burada; KK,, K sabitlerdir. (2...8) sonsal dağılımının logaritması alındıtan sonra, x vetörüne göre türev alınıp sıfıra eşitlenirse [ ] ' - - H ˆ R z Η x - P - x - x - = 0 (2...9) elde edilir. Bu ifade, x vetörüne göre çözülüp, x yerine x ˆ alınırsa ' ' ˆ ˆ + = + H R H P x H R z P x (2...20) elde edilir ve bu eşitliğin sağ tarafına H R H xˆ ' ifadesi elenip çıarılırsa, ' ' xˆ ˆ ˆ = x + HR H + P HR z Hx (2...2) olara yazılır. (2...20) eşitliği 0
11 ' ' ˆ = + + xˆ H R H P H R z P x olara göz önüne alınır ve gözlem eşitliği (2..2) ullanılırsa, ' ' ' ˆ ˆ = x x x H R H P H R H x H R v P x (2...22) elde edilir. Bu ifadenin sağ tarafına düzenlemeler yapılırsa eşitli P x elenip çıarılırsa ve gereli olan ' ' ˆ ˆ = + x x H R H P H R v P ( x x ) (2...23) olara yazılır ve böylece P ˆ ˆ = E ( x x )( x x ) ' H R H P (2...24) = + olara bulunur. Bu eşitliğe matris tersi lemması 2 uygulanırsa, ' ' ' + = + H R H P P P H H P H R H P (2...25) elde edilir. K P H H P H R = [ + ] (2...26) 2 P, R, H matrisleri sırasıyla n n, m m, m n boyutlu ve P ve R pozitif tanımlı matrisler olsun. Bu durumda aşağıdai eşitliler sağlanır (Jazwinsi 970). [ ] P H R H P PH HPH R HP + = + [ ] P + H R H H R = PH HPH + R
12 olara tanımlanırsa P = [ I K H ] P (2...27) olara yazılabilir ve yine matris tersi lemmasından ' ' ' ' + = + H P H R H R P H H P H R (2...28) olduğundan xˆ = xˆ + K [ z - H xˆ ] (2...29) olara bulunur. Özetlenece olursa Kalman filtresi P ˆx = P 0-0 = x 0-0 başlangıç değerlerine bağlı olara aşağıdai eşitlilerle ile verilir: xˆ = A xˆ (2...30) xˆ = xˆ + K [ z - H xˆ ] (2...3) K P H [ H P H R ] = + (2...32) P = [ I K H ] P (2...33) P = A P A + B Q B (2...34) Eşitli (2...32) ile verilen matris Kalman Kazanç Matrisi olara da bilinir (Özbe 2000). 2
13 2.2 Lineer Olmayan Durum-Uzay Modeli ve İlerletilmiş Kalman Filtresi Lineer olmayan durum uzay modeli, x = f ( x ) + + H ( x ) w (2.2.) z = d ( x ) + v (2.2.2) eşitlileri ile verilir. Burada f ( x ) lineer olmayan sistemin geçiş metrisini ve d ( x ) sistemin gözlem matrisini temsil etmetedir. w ve v sırasıyla Q ve R ovaryans matrisli beyaz gürültü süreçlerini göstermetedir (Wan 993). x ˆ0= E( x0 ) P = cov( x ) 0 0 başlangıç değerlerine bağlı olara İKF ye ilişin işlemler ve gösterimler aşağıdai gibi özetlenebilir. P f ˆ f = ( x ) P ( x ) + Q x x ˆ ˆ =, x f ( xˆ ) (2.2.3) d d d K ( ˆ ) ( ˆ ) ( ˆ = P x x P x ) R + x x x P = I K d ( xˆ ) P x (2.2.4) (2.2.5) xˆ = xˆ + K ( ˆ ) z d x, =, 2,... (2.2.6) (Özbe ve Öztür 2003, Özbe vd. 2003). 3
14 2.2. İlerletilmiş Kalman filtresinin elde edilmesi Lineer olmayan model için. dereceden Taylor açılımı ile lineerleştirme yapılara yalaşımda bulunulmuş ve bu işlem İlerletilmiş Kalman Filtresi olara adlandırılmıştır. Bu ısımda Taylor açılımı yalaşımı ile İKF algoritmasının elde edilişi açılanacatır. Bir sistem ile ilgili durum değişeni, n -boyutlu x rasgele vetörü ve gözlem değişeni, n n m -boyutlu z rasgele vetörü olsun. f : ve d: süreli türevlere sahip olma üzere, bu sistem için durum-uzay modeli, n m fonsiyonları x, =,2,... (2.2..) = f ( x, ) + w z = d( x, ) + v (2.2..2) ve varsayımlar E ( ) = 0 (2.2..3) w E ( ) = 0 (2.2..4) v Q, i = E( w wi ) = 0, i (2.2..5) R, i = E( v vi ) = 0, i (2.2..6) E ( x 0 w ) = 0 (2.2..7) E ( x 0 v ) = 0 (2.2..8) E ( x = m (2.2..9) 0 ) 0 ) 0 Cov ( x = P (2.2..0) 0 olsun. { x } bir zaman serisi olma üzere bunun bir gerçeleşmesi sistemin durumunun bir yörüngesi olmatadır. 4
15 x nom = ( = m (2.2..) 0 E x0 ) 0 ve nom nom x = f ( x, ), =,2,... (2.2..2) olma üzere { x nom : = 0,,2,... } dizisine nominal yörünge denir. f süreli türevlere sahip olduğunda yörünge üzerindei bozulma (pertürbasyon) etileri nominal yörünge etrafında yapılan Taylor açılımı ile ifade edilebilir. δ, nominal yörüngeden pertürbasyonu gösterme üzere, δ x = x x (2.2..3) nom nom δ z = z d( x, ) (2.2..4) gösterimleri altında, f fonsiyonunun nom x notası omşuluğundai Taylor açılımından x = f ( x, ) (2.2..5) nom f ( x, ) f ( x, ) + nom δ x + alan terim x= x (2.2..6) x = nom f ( x, ) = x + nom δ x + alan x= x x terim (2.2..7) olup, f ( x, ) nom δ x = x = x δx + alan terim (2.2..8) x dır. Kalan terimin atılmasıyla 5
16 δ x ( nom F x, ) δ x (2.2..9) yazılabilir, burada nom f ( x, ) F( x, ) = nom x= x x ( ) dır. Gözlem denlemindei d fonsiyonunun nominal yörüngeye göre lineerleştirilmesi, nom d( x, ) d( x, ) = d( x, ) = nom δ x x x + alan terim = x (2.2..2) olup, alan terimin atılmasıyla δ z D( x nom, ) δ x ( ) yazılabilir, burada nom d( x, ) D( x, ) = nom x= x x ( ) dır. Böylece pertürbasyonlar için δ x ( nom F x, ) δ x + w ( ) 6
17 δ z D( x nom, ) δ x + v ( ) lineer durum-uzay modeline ulaşılır. Bu model için Kalman filtresinin işletilmesi aşağıdai gibidir. δˆ x ( ) = F( x, ) δˆ x ( + ), =, 2,... ( ) nom ˆ ˆ nom nom δ x ( ) ( ) (, ) (, ) ˆ + = δ x + K z D x D x δ x ( ) ( ) P ( ) = F( x, ) P ( + ) F ( x, ). + Q ( ) nom nom nom nom [ H ( x, ) P ( ) H ( x, ) + R ] nom K = P ( ) H ( x, ) ( ) nom [ I K H ( x, ) ] P ( ) P ( ) = ( ) + Burada K Kalman Kazanç Matrisi ile P matrislerinin hesaplanmasında ullanılan nom x değerleri bir nom x 0 değerine bağlı olara nom nom x = f ( x, ), =,2,... (2.2..3) bağıntısından hesaplandığından, endi içinde hesaplanabilir. K ile P matrisleri δˆ x durum estirimlerinden ayrı olara Yuarıdai Kalman filtresinde x, =,2,... değerleri yerine x ˆ ( ), =,2,... yazılması nom ve δ x = x xˆ olduğu göz önünde tutulmasıyla, x ˆ0= E( x0 ) P = cov( x ) 0 0 başlangıç değerlerine bağlı olara 7
18 P f ˆ f = ( x ) P ( x ) + Q x x x ˆ = f ( xˆ ) d d d K ( ˆ ) ( ˆ ) ( ˆ = P x x P x ) R + x x x P = I K d ( xˆ ) P x ˆ ( ) ( ) ( ) xˆ = xˆ + K ( ˆ ) z d x, =, 2,... ( ) ilerletilmiş Kalman filtresi elde edilir (Özbe ve Öztür 2003, Kösal vd. 2005). İlerletilmiş Kalman filtresini uygulama amacıyla, durum-uzay modelindei matrisler, θ bilinmeyen parametre vetörünü gösterme üzere F ( θ ), D ( θ ), H ( θ ) şelinde θ nın bir fonsiyonu şelinde yazılsın ve θ parametre vetörünün rasgele yürüyüş süreci şelinde modellendiği abul edilsin. Bu durumda, model x = F ( θ ) x + + H ( θ ) w ( ) z = D ( θ ) x + v ( ) ve parametre vetörü θ θ = + + t ( ) cov( t ) = S ( ) şelinde olacağından ( ) ve ( ) eşitlileri yeni bir durum-uzay modeli gibi düşünülüp birleştirilirse yeni oluşan durum uzay modeli x+ F ( θ ) x H ( θ ) w θ = + θ t + ( ) 8
19 x z [ D ( θ ) 0] v = + θ (2.2..4) şelinde lineer olmayan bir modeldir ve bu modele İKF uygulanabilir. ( ) eşitliğinde t beyaz gürültü sürecini göstermetedir ve ovaryans matrisinin cov( t ) = S = S> 0 olduğu abul edilmiştir. S=0 olması durumunda parametre vetörünün sabit olduğu varsayımı yapılmış olur ve ( )-(2.2..4) eşitlileri ile verilen lineer olmayan durum-uzay modeline İKF uygulandığında parametre vetörü haında herhangi bir bilgi elde edilemez. Bu nedenle uygulamada S>0 olara alınır. İKF algoritması eşitlileri ( ) ve (2.2..4) eşitlilerine uygulanırsa xˆ 0 E ( x0 ) ˆ = θ E ( θ 0 0 ) P 0 cov( x0 ) 0 = 0 S 0 başlangıç değerlerine bağlı olara =,2,... için xˆ ˆ F ˆ ( θ ) x = θ ˆ θˆ ( ) P ˆ ( ˆ ( ) ( )) ˆ ( ˆ ) ( ( ˆ F θ F θ x F θ F θ )) xˆ = P 0 I 0 I θ θ H ( θˆ ) Q H ( θˆ ) S - ( ) ˆ K ˆ ˆ P D ( θ ) 0 = D ( θ ) 0 P D ( θ ) 0 + R P I K D ˆ P = ( θ ) 0 ( ) ( ) 9
20 xˆ xˆ ( ˆ ) ˆ = + K z D θ x θ ˆ θ ˆ ( ) eşitlileri elde edilir (Özbe vd. 2003, Özbe ve Öztür 2003, Kösal vd. 2005). 20
21 3. MAKROEKONOMİK MODEL VE DURUM-UZAY GÖSTERİMİ 3. Maroeonomi Model Maroeonometri modeller, önemli eonomi değişenleri içeren maroeonomi modelleri test etmeyi amaçlar. Gelenesel eonometri modellerin temeli Keynesyen yapıya dayanmatadır. Bu modellerde amaç; toplam talep düzeyi, faiz oranı, fiyat düzeyi, hüümet harcamaları gibi değişenleri açılamatır (Bhattarai 2005). 930 lu yıllardan beri maroeonomi analizlerde çeşitli IS/LM modelleri geliştirilmiştir. Özellile Hics in geliştirmiş olduğu model, faiz oranı ve milli gelirin çeşitli şolar ve alternatif maliye politialarından nasıl etilendiğini açılama amacıyla ullanılmıştır. Maliye politialarının en önemli açılayıcı değişenlerinin ullanıldığı IS/LM modelleri temel maroeonomi modellerdir. Bu modeller, milli gelir, fiyat düzeyi, reel faiz oranı, enflasyon oranı ve nominal faiz oranı değişenlerini içerir (King 2000). Bu çalışmada ısa dönem maliye politialarının etileri Yeni Keynesyen IS/LM analizi çerçevesinde ele alınacatır. İleriye dönü belentileri de içeren toplam talep (AD) denlemini veren IS/LM eşitlileri yanında toplam arz (AS) denlemi de modele elenere basit bir maroeonomi model oluşturulacatır. Modelde ullanılaca değişen tanımlamaları ve eşitlileri aşağıda verilmiştir. Y : dönemdei Gayri Safi Yurtiçi Hasıla (GSYH), C : dönemdei Tüetim, I : dönemdei Yatırım, G : dönemdei Hüümet Harcamaları olma üzere apalı bir eonomide, Y = C + I + G (3..) 2
22 yazılabilir (Özbe vd. 2003, Bhattarai 2005). Buradan C = Y I G (3..2) dır. Böylece C = Y I G (3..3) olur ve i : dönemdei nominal faiz oranı, π : dönemdei enflasyon oranı olma üzere, C = ρ( i Eπ + ) + EC + (3..4) yazılabilir. (Clarida et al. 999, Fuhrer and Rudebusch 2003). Literatürde Euler eşitliği olara bilinen (3..4) eşitliğinde alındığında, C yerine (3..2), C + yerine (3..3) eşitlileri Y I G = ρ( i Eπ + ) + E ( Y + I + G + ) (3..5) olur. Burada E, ilgili değişenin belenen değer gösterimidir ve ve E π + = βπ (3..6) E ( Y I G ) = Y I G (3..7) olara alınırsa, Y I G = ρ ( i βπ ) + Y + I+ G + (3..8) olur. Böylece modelin mal piyasası dengesi için 22
23 IS: Y + Y ρ i βπ I + I G + G = + ( ) + ( ) + ( ) (3..9) eşitliği elde edilir. dönemdei yatırım için I = µ ( i π ) + φy (3..0) eşitliği yazılabilir. Böylece I = µ ( i π ) + φy (3..) olur. Burada µ < 0 ve φ > 0 dır (Bhattarai 2005). Bu çalışmada hüümet harcamaları rasgele yürüyüş süreci ile modellenecetir. Yani, G = δ G -+g (3..2) dır. Burada harcamaları eşitiği, g hata terimini ifade etmetedir ve bir dönem sonrası için hüümet G += δ G +g+ (3..3) olur. (3..0)-(3..3) ile verilen eşitliler (3..8) eşitliğinde yerine yazıldığında IS: Y + = (- φ) Y + ( ρ - µ ) i + ( µ ρβ) π + µ ( i + π+ ) + φy + + ( δ ) G + g+ (3..4) olur. 23
24 Modelin para piyasası dengesi nominal faiz oranı ile açılanmıştır. 970 li yıllardan itibaren nominal faiz oranının değişi şeilleri üzerinde bir ço çalışma yapılsa da en iyi bilinen örneği, Taylor uralıdır 3 (Taylor 993). Kısaca Taylor uralı, nominal faiz oranının, enflasyon oranı ile üretimin doğrusal bir fonsiyonu olara tanımlanabilir (Mishin 2002). Kapalı eonomilerde, enflasyon oranı tahmininin ullanılması halinde nominal faiz oranı, Taylor uralı ile aynı formdadır (Svensson 997). Böylece LM : i = λy + γ π + ε (3..5) eşitliği yazılabilir. Burada ε faiz oranı için hata terimidir. Kısa dönem toplam arz dengesi ; enflasyon oranı ile modele elenmiştir. dönemdei enflasyon oranı, AS : π = αy + Eπ + + u (3..6) eşitliği ile verilir (Svensson 997, Clarida et al. 999, King 2000). Burada u enflasyon oranı için hata terimini ifade etmetedir. 3.2 Durum-Uzay Gösterimi Maroeonomi model özetle aşağıdai şeilde verilir. IS: Y + = (- φ) Y + ( ρ - µ ) i + ( µ ρβ) π + µ ( i + π+ ) + φy + + ( δ ) G + g+ LM: i = Y + π + (3.2.) λ γ ε (3.2.2) 3 Y ; dönemdei çıtı açığı, i ; dönemdei nominal faiz oranı, π ; dönemdei enflasyon oranı ve * π ; dönem enflasyon hedefi olma üzere, Taylor uralı, 993). i * π Y π π ) = + α + β( ile verilir (Taylor 24
25 AS : π = αy + Eπ + + u (3.2.3) (3..6) eşitliğinde E π + = β π olduğu göz önüne alınırsa (3.2.3) eşitliği, π = αy + β π + u (3.2.4) ve π = αy + β π + u (3.2.5) olur. Buradan π+ = ( αy + + u+ ) ( β) (3.2.6) dir. (3.2.2) eşitliği göz önüne alındığında, i = λy + γ + ε (3.2.7) + + π + + dir. Burada π + yerine (3.2.6) eşitliği yazılırsa γ i = Y + ( ) + ( β) + λ + α Y + + u + ε+ (3.2.8) olur. (3.2.6) ve (3.2.8) eşitlileri (3.2.) eşitliğinde yerine yazılır ve gereli olan işlemler yapılırsa, IS: Y + µ ( γ ) ( ρ µ ) i + ( µ ρβ) π + ( φ) Y + ( δ ) G + u + µε + g ( β) = α ( γ ) µ λ + + φ ( β) (3.2.9) elde edilir. 25
26 Bu ifade (3.2.6) ve (3.2.8) eşitliğinde yerine yazılır ve gereli olan işlemler yapılırsa AS: π + [( ρ µ ) i ( µ ρβ) π ( φ) Y ( δ ) G µε g ] α = µ α ( γ ) ( β)( µλ φ) ( β) + + ve µ ( γ ) α + 2 α ( γ ) ( β ) µ λ + + φ ( β) u + (3.2.0) LM: i + γα λ β = α ( γ ) µ λ + + φ ( β) [( ρ µ ) i ( µ ρβ) π ( φ) Y ( δ ) G g ] + γα α ( γ ) λ + µ ( γ ) µ λ φ γ β ( β) + α ( γ ) ( β ) µ λ + + φ ( β) u + γα µ λ + β + α ( γ ) µ λ + + φ ( β) ε + (3.2.) olur. α ( γ ) n = µ λ + + φ ve m = ( β) λ + γα β olma üzere (3.2.9)-(3.2.) eşitlileri ile verilen maro eonomi modelin durum uzay gösterimi aşağıdai şeilde verilir. 26
27 Y π i G + + = + + ( φ ) ( µ ρβ) ( ρ µ ) ( δ ) n n n n α( φ) α ( µ ρβ) α( ρ µ ) α( δ ) Y ( β) n ( β) n ( β) n ( β) n π i m( φ ) m( µ ρβ) m( ρ µ ) m( δ ) G n n n n ( δ ) µ ( γ ) µ 0 ( β) n n n µ ( γ ) α αµ α 0 u 2 + ( β) n ( β) n ( β) n ε+ + g + µ ( γ ) m + nγ µ m m ( β) n n n (3.2.2) z [ 0 0 0] Y π + = + v+ i G (3.2.3) (3.2.2) eşitliğindei bilinmeyen parametreleri ve durum değişenlerini tahmin etme amacıyla ( ) eşitliğindei parametre vetörü θ = ( α β γ λ ρ δ µ φ) alınara ( )-(2.2..4) eşitlilerinde belirtilen durum-uzay modeli oluşturulursa; 27
28 Y + π + i + G + α + β γ+ λ + ρ+ δ + µ + φ + + = ( φ ) ( µ ρβ) ( ρ µ ) ( δ ) n n n n α ( φ) α( µ ρβ ) α ( ρ µ ) α ( δ ) Y ( β ) n ( β) n ( β ) n ( β ) n π i m( φ ) m( µ ρβ) m( ρ µ ) m( δ ) n n n n G α ( δ ) β γ λ ρ δ µ φ µ ( γ ) µ 0 0 ( β) n n n µ ( γ ) α αµ α ( β) n ( β) n ( β) n µ ( γ ) m + nγ µ m m u ( β) n n n ε+ + g t (3.2.4) 28
29 29 ( ) Y i G z v π α β γ λ ρ δ µ φ + = + (3.2.5) elde edilir. Gereli türev alma işlemleri yapılara ( )-( ) eşitlileri ile verilen İKF algoritması uygulanır.
30 4. SİMÜLASYON ÇALIŞMASI 4. Sayı Üretere Oluşturulan Veri Seti İçin Simülasyon Simülasyon çalışmasında Matlab 6.5 programı ullanılmıştır. (3.2.2)-(3.2.3) eşitlilerinden veri üretme için, modelde yer alan parametreler, başlangıç değerleri ve hata terimlerinin varyansları, [ Y π i G ] = [ ] α = β = 0.3 γ = λ = 0.0 ρ = 0.0 δ = µ = 0.5 φ = 0.0 var( u ) = 0.0 var( ε ) = 0.0 var( g ) = 0. var( v ) = 0. olara alınmıştır.( )-(2.2..4) eşitlileri ile verilen İKF algoritmasını uygulama amacıyla filtrede yer alan değerler, 30
31 xˆ θˆ = Q =,.I 4x4 R = , S 0= I8x8, S = I 8x8, P= 0.. I 4x4 olara seçilmiştir. Bu başlangıç değerlerine göre İKF uyguladığında, modelden üretilen veriler ile İKF den elde edilen durum değişenlerinin tahmin sonuçları Şeil de gösterilmiştir. 3
32 Şeil 4. GSYH ve tahmini Şeil 4.2 Enflasyon oranı ve tahmini 32
33 Şeil 4.3 Faiz oranı ve tahmini Şeil 4.4 Hüümet harcamaları ve tahmini 33
34 Modeldei parametrelerin aldığı tahmin sonuçları aşağıda verilmiştir. Enflasyon denleminde, GSYH oranı olara Şeil 4.5 α parametresinin ardışı tahmininin , enflasyon denleminin bir diğer önemli bileşeni olara Şeil 4.6 β parametresinin 0.44 civarında değerler aldığını göstermetedir. Şeil 4.5 α parametresinin tahmini Şeil 4.6 β parametresinin tahmini 34
35 Şeil 4.7 de Faiz oranının enflasyondan ne derece etilendiğini gösteren γ parametresinin, 0.06 dolaylarında değer aldığını görülmetedir. Şeil 4.8 ise GSYH nin faiz oranına etisi olan λ parametresinin 0.0 dolaylarındai tahmin sonucunu içermetedir. Şeil 4.7 γ parametresinin tahmini Şeil 4.8 λ parametresinin tahmini 35
36 Şeil 4.9 Reel faizdei değişimin GSYH dei etisini gösterenρ parametresinin civarındai tahminini vermetedir. Modelde rasgele yürüyüş süreci ile belirlenen hüümet harcamalarının önündei δ parametresinin civarında değerler aldığı Şeil 4.0 da görülmetedir. Şeil 4.9ρ parametresinin tahmini Şeil 4.0 δ parametresinin tahmini 36
37 Şeil 4. de, yatırımın reel faizden olumsuz yönde etilendiğini gösteren µ parametresinin tahmininin civarında, şeil 4.2 de, GSYH nın yatırıma etisini gösteren φ parametresinin tahmininin 0.0 dolaylarında olduğu görülmetedir. Şeil 4. µ parametresinin tahmini Şeil 4.2 φ parametresinin tahmini 37
38 4.2 Gerçe Veri Seti Uygulaması Simülasyon sonuçları maro eonomi dinamileri açılamata İKF nin olumlu sonuçlar verdiğini göstermetedir. Modelin durum değişenlerinin ve parametrelerinin gerçe veriler ullanıldığında alacağı tahmin değerlerini görebilme için, Türiye Cumhuriyet Merez Banası nın (TCMB) eletroni veri dağıtım sisteminden (EVDS) temin edilen dönemini apsayan üçer aylı Gayri Safi Yurtiçi Hasıla (GSYİH) verileri ullanılmıştır. Çalışmada her bir veriye logaritmi dönüşüm uygulanmıştır. Elde edilen sonuçlar aşağıda verilmiştir. Şeil 4.3 GSYH ve tahmini 38
39 Şeil 4.4 Enflasyon oranı Şeil 4.5 Faiz Oranı 39
40 Şeil 4.6 Hüümet harcamaları Gerçe veriler ullanılara yapılan çalışmada GSYH ve hüümet harcamalarının alınan dönemde süreli artış gösterdiği görülmetedir. Enflasyon oranının 0. den 0.2 düzeyine adar artış gösterdiği, faiz oranının ise 0.5 civarında değer aldığı görülmetedir. Model parametrelerinin gerçe veri seti ullanıldığında aldıları değerler Şeil de verilmiştir. Şeil 4.7 α parametresinin tahmini 40
41 Şeil 4.8 β parametresinin tahmini Şeil 4.9 γ parametresinin tahmini 4
42 Şeil 4.20 λ parametresinin tahmini Şeil 4.2 ρ parametresinin tahmini 42
43 Şeil 4.22 δ parametresinin tahmini Şeil 4.23 µ parametresinin tahmini 43
44 Şeil 4.24 φ parametresinin tahmini GSYH verilerine ilişin parametre tahminleri yuarıda verildiği şeilde elde edilmiştir. Bu sonuçlara baıldığında sayı üretilere yapılan simülasyon sonucunda dolaylarında tahmin edilen α parametresinin değeri dolaylarında, 0.06 civarında tahmin edilen γ parametresinin 0.0 dolaylarında ve 0.0 civarında tahmin edilen φ parametresinin civarında tahmin sonuçlarına ulaşılmatadır. Diğer parametrelerin her ii çalışma sonucunda da yaın değerler aldığı görülmetedir. 44
45 5. SONUÇ Bu çalışmada yeni eynesci IS/LM model ele alınara, modeldei parametreler ve durum değişenleri, lineer olmayan durum-uzay modeli biçimine getirilmiştir. Parametreleri ve durum değişenlerini İKF ile tahmin etme amacıyla simülasyon çalışması yapılmıştır. Simülasyon sonuçları hem durum değişenlerinin hem de parametrelerinin tahminlerinin modeldei değerlerine yaın bulunduğunu göstermetedir. Gerçe veriler ullanılara yapılan çalışma sonucu, İKF nin maroeonomi modellerdei bilinmeyen parametrelerin tahmininde ullanılmasının olumlu sonuçlar verdiği söylenebilir. 45
46 KAYNAKLAR Adi, Y Zaman Serileri Analizi (Birim Köler ve Kointegrasyon), Bıçalar Kitabevi, Anara. Atan, C Politi İtisat, Anadolu Matbaası, s.2-37, Anara. Ayanoğlu, K., Düzyol, M.C., İlter, N. ve Yılmaz, C Kamu yatırım projelerinin planlanması ve analizi /prjplan/prj.html, Erişim Tarihi: Bhattarai, K.R Keynesian Models for Analysis is of Macroeconomic Policy, Erişim Tarihi: Clarida, R., Gali, J. and Gertler, M The science of monetary policy: a new Keynesian perspective, Journal of Economic Literature pp.0-37, Chicago. Collard, F. and Dellas, H The new Keynesian model with imperfect information and learning, Erişim Tarihi: Dewachter, H. and Lyrio, M Learning, Macroeconomic Dynamics and the Term Structure of Interest Rates, Journal of Money, Belgium Dueer, M Kalman Filtering with Truncated Normal State Variables for Bayesian Estimation of Macroeconomic Models, Federal Reserve Ban of St. Louis, St. Louis. Erdoğdu, O.S. ve Özbe, L Türiye de tüetim eğilimi ve maliye politiası, İtisat İşletme ve Finans dergisi (235), Fuhrer, J.C. and Rudebusch, G.D Estimating the Euler Equation for Output. Fortcoming in Journal of Monetary Economics, publications./economics/paper/2002/wp02-2b.pdf. Erişim Tarihi: Güvel, E.A Türiye eonomisinin ısa dönem analizi, maro politialar ve eonomi dalgalanmalar üzerine eonometri bir inceleme, Erişim Tarihi: Jazwinsi, A.H Stochastic processes and filtering theory. Academic press. 46
47 Julier, S.J. and Uhlmann, K.J A New Extension of the Kalman Filter to Nonlineer Systems, The Robotics Research Group, Department of Engineering Science, The University of Oxford, Oxford. King, R.R The new IS-LM Model: Language, logicilimits, Federal Reserve Ban of Richmond, Economic Quarterly, 86(3), pp Kösal, E., Özbe, L. ve Öztür, F İlerletilmiş Kalman Filtresi ve Sistem Belirleme üzerine bir çalışma, Selçu Üniv. Fen-Ed. Fa., Fen Dergisi, sayı 25, 9-8 Maybec, P.S Stochastic model, estimation and control,united Kingdom Edition Published, volume, London. Mishin, F.S The Role of Output in the Conduct of Monetary Policy NBER Woring Paper (929). Özbe, L Kesili-zaman durum uzay modelleri, indirgemeli tahmin ve yaınsama problemleri. Dotora tezi (basılmamış). Anara Üniversitesi, Anara. Özbe, L Durum-uzay modelleri ve Kalman Filtresi. Gazi Üniv. Fen Bilimleri Ens. Dergisi, Özbe, L. ve Öztür, F Lineer olmayan durum-uzay modelleri ve İlerletilmiş Kalman Filtresi ullanımı üzerine bir çalışma, VI. Ulusal Eonometri ve İstatisti Sempozyumu, Gazi Üniversitesi, Anara. Özbe, L., Öztür, F. ve Özlale, Ü Employing Extended Kalman Filter in a Simple Macroeconomic Model, Central Ban. Anara, -6. Özbe, L., and Özlale, Ü Journal of economic dynamics and control. (29) Sarıaya, Ç., Öğünç F., Ece D., Kara, H. and Özlale, Ü Estimating Output Gap for the Turish Economy. Türiye Cumhuriyet Merez Banası Tartışma Tebliği, No:2005/3. Svensson, L.E.O Inflation Forecast Targeting: Implementing and Monitoring Inflation Targets, European Economic Review, 4,
48 Taylor, J.B Discretion versus Policy in Practice, Carnegie-Rochester Conference Series on Public Policy, 39, Wan, E Finite Impulse Response Neural Networs With Applications in Time Series Prediction. A Dissertation Submitted to the Department of Electrical Engineering and The Committee on Graduate Studies of Stanford University in Partial Fulfillment of The Requirements for The Degree of Doctor of Philosophy, USA. Welch, G. and Bishop, G An Introduction to the Kalman Filter, Department of Computer Science University of North Carolina at Chapel Hill, UNC-Chapel Hill. 48
49 EK İKF Algoritması %maro modelden sayı üretme clc close all clear all randn('seed',0) x0=[ ]'; H=[ 0 0 0]; alfa=.009; beta=.3; gama=.005; lamda=.0; ro=.0; delta=; mu=-.5; fi=0.0; % başlangıç durumu n=-(mu*(lamda+alfa*(gama-)/(-beta))+fi) m=lamda+(gama*alfa/(-beta)); Ai=[(-fi)/n (mu-(ro*beta))/n (ro-mu)/n (delta-)/n; alfa*(-fi)/((-beta)*n) (alfa*(mu-ro*beta))/((-beta)*n) (alfa*(ro-mu))/((-beta)*n) (alfa*(delta-))/((-beta)*n); m*(-alfa)/n m*(mu-ro*beta)/n (ro-mu)*m/n (delta-)*m/n; delta]; B=[(mu*(gama-))/((-beta)*n) mu/n /n 0; (mu*(gama-)*alfa)/(((-beta)^2)*n) (alfa*mu)/(n*(-beta)) alfa/((-beta)*n) 0; (m*(mu*(gama-)+n*gama)/((-beta)*n)) (m/n)*mu+ m/n 0; 0 0 0]; 49
50 for =::200 u=randn()*.0; e=randn()*.0; g=randn()*.0; w=[u; e; g; 0]; v=randn()*.; X(:,)=Ai*x0+B*w; Z(:,)=H*x0+v; x0=x(:,); end subplot(4,,) plot(x(,:)) xlabel('gsyh') subplot(4,,2) plot(x(2,:)) xlabel('enflasyon oranı') subplot(4,,3) plot(x(3,:)) xlabel('faiz oranı') subplot(4,,4) plot(x(4,:)) xlabel('huumet harcaması') figure plot(z) xlabel('gsyh') l=[x' Z'] save maro l -ascii std(z) 50
51 %model2 clc close all clear all H=[ ]; load maro eoef=maro; Z=eoef(:,5); Xest=[20;.7;2;3]; Parest=[.0;.46;.06;.0;.03;.0;-.5;.0]; P0=eye(4)*.; PP0=eye(8)*.00; P=[P0 zeros(4,8); zeros(8,4) PP0]; R=.5486^2; QQ=eye(4)*; S=eye(8)* landa=; for =:200 xx()=xest(,); xx(2)=xest(2,); xx(3)=xest(3,); xx(4)=xest(4,); alfa=parest(,); beta=parest(2,); 5
52 gama=parest(3,); lamda=parest(4,); ro=parest(5,); delta=parest(6,); mu=parest(7,); fi=parest(8,); n=-(mu*(lamda+alfa*(gama-)/(-beta))+fi) m=lamda+(gama*alfa/(-beta)); t=(-fi); b=(-beta); B=[(mu*(gama-))/((-beta)*n) mu/n /n 0; (mu*(gama-)*alfa)/(((-beta)^2)*n) (alfa*mu)/(n*(-beta)) alfa/((-beta)*n) 0; (m*(mu*(gama-)+n*gama)/((-beta)*n)) (m/n)*mu+ m/n 0; 0 0 0]; Q=B*QQ*B'; Q=[Q zeros(4,8); zeros(8,4) S]; Ai=[t/n (mu-(ro*beta))/n (ro-mu)/n (delta-)/n; alfa*t/(b*n) (alfa*(mu-ro*beta))/(b*n) (alfa*(ro-mu))/(b*n) (alfa*(delta-))/(b*n); m*(-alfa)/n m*(mu-ro*beta)/n (ro-mu)*m/n (delta-)*m/n; delta]; Ait(,)=xx()*(((mu*(gama-)/b)*t)/n^2)+ xx(2)*((mu*(gama-)/b)*(muro*beta))/n^2 + xx(3)*(((mu*(gama-)*(ro-mu))/b)/n^2)+xx(4)*(((mu*(gama- )*(delta-))/b)/n^2); Ait(,2)=xx()*(t*(mu*(gama-)/b))/(n^2)+xx(2)*(-ro*n-(-mu*alfa*(gama- )/b^2)*(mu-ro*beta))/n^2 +xx(3)*(-(-mu*alfa*(gama-)*(ro-mu))/b^2)/n^2+xx(4)*((- (-mu*alfa*(gama-)/b^2)*(delta-))/n^2); 52
53 Ait(,3)=xx()*(((mu*alfa/b)*t)/n^2)+xx(2)*(((mu*alfa/b)*(muro*beta))/n^2)+xx(3)*((mu*alfa/b)*(ro-mu)/n^2)+xx(4)*((mu*alfa/b)*(delta-)/n^2); Ait(,4)=xx()*(mu*t/n^2)+xx(2)*(mu*(mu-ro*beta)/n^2)+xx(3)*(mu*(romu)/n^2)+xx(4)*(mu*(delta-)/n^2); Ait(,5)=xx(2)*(-beta/n)+xx(3)*(/n); Ait(,6)=xx(4)*(/n); Ait(,7)=xx()*(((lamda+alfa*(gama-)/b)*t)/n^2)+xx(2)*((n-(-lamda-(alfa*(gama- )/b))*(mu-ro*beta))/n^2)+xx(3)*((-n-(-lamda-(alfa*(gama-)/b))*(romu))/n^2)+xx(4)*((-(-lamda-(alfa*(gama-)/b))*(delta-))/n^2); Ait(,8)=xx()*((-n+t)/n^2)+xx(2)*((mu-ro*beta)/n^2)+xx(3)*((romu)/n^2)+xx(4)*((delta-)/n^2); Ait(2,)=xx()*((t*b*n-((-mu*(gama-)/b)+(beta*mu*(gama- )/b))*(alfa*t))/(b*n)^2)+xx(2)*(((mu-ro*beta)*n*b+((b*(mu*(gama-)/b))*alfa*(muro*beta)))/(b*n)^2)+xx(3)*(((ro-mu)*b*n)-(b*(-mu*(gama-)/b)*alfa*(romu))/(b*n)^2)+xx(4)*((((delta-)*b*n)+(mu*(gama-)*alfa*(delta-)))/(b*n)^2); Ait(2,2)=xx()*(-((-mu*alfa*(gama-)/b^2)-+mu*lamda+(mu*alfa*(gama-)*b- beta*mu*alfa*(gama-))/(b^2)-fi)*alfa*t)/(b*n)^2+xx(2)*(-alfa*ro*b*n)-((- mu*alfa*(gama-)/b^2)-+mu*lamda+(mu*alfa*(gama-)*b-beta*mu*alfa*(gama- ))/(b^2)-fi)*alfa*(mu-ro*beta)/(n*b)^2+xx(3)*(-((-mu*alfa*(gama-)/b^2)- +mu*lamda+(mu*alfa*(gama-)*b-beta*mu*alfa*(gama-))/(b^2)-fi)*(alfa*(romu))/(b*n)^2)+xx(4)*(-((-mu*alfa*(gama-)/b^2)-+mu*lamda+(mu*alfa*(gama-)*bbeta*mu*alfa*(gama-))/(b^2)-fi)*alfa*(delta-)/(b*n)^2); Ait(2,3)=xx()*(mu*alfa*(alfa*t)/(b*n)^2)+xx(2)*((mu*alfa*alfa*(muro*beta))/(b*n)^2)+xx(3)*(mu*alfa*alfa*(romu)/(b*n)^2)+xx(4)*(mu*alfa*alfa*(delta-)/(b*n)^2); Ait(2,4)=xx()*b*mu*alfa*t/((b*n)^2) +xx(2)*mu*b/((b*n)^2)+xx(3)*b*mu*alfa*(romu)/((b*n)^2)+xx(4)*b*mu*alfa*(delta-)/((b*n)^2); Ait(2,5)=xx(2)*(-alfa*beta/n)+xx(3)*(alfa/(b*n)); Ait(2,6)=xx(4)/(b*n); 53
54 Ait(2,7)=xx()* -((b*(-lamda-(alfa*(gama-))/b))*alfa*t)/((b*n)^2)+xx(2)*(alfa*b*n- ((b*(-lamda-(alfa*(gama-))/b))*alfa*(mu-ro*beta)))/((b*n)^2)+xx(3)*((-alfa*b*n)- ((b*(-lamda-(alfa*(gama-))/b))*alfa*(ro-mu)))/((b*n)^2)+xx(4)*(lamda+alfa*(delta- )/b)/n^2; Ait(2,8)=xx()*((-alfa*b*n)+((beta+)*alfa*t))/(b*n)^2 +xx(2)*(-b*alfa*(muro*beta))/(n*b)^2 +xx(3)*b*alfa*(ro-mu)/(b*n)^2 +xx(4)*b*alfa*(delta-)/(b*n)^2; Ait(3,)=xx()*((t*gama*n/b)-(-mu*(gama-)/b)*t*m)/n^2+xx(2)*(gama/b*(muro*beta)*n-(-(mu*(gama-)/b)*m*(mu-ro*beta)))/n^2 +xx(3)*((gama*(ro-mu)/b)*n-((- (gama-)*mu/b)*(ro-mu)*m))/n^2+xx(4)*(((gama*n*(delta-)/b)-((-mu*(gama- )/b)*m*(delta-)))/n^2); Ait(3,2)=xx()*((((gama*alfa*t*n)/b^2)-(-(mu*(gama-)/b)*t*m))/n^2)+xx(2)*((- lamda*ro+mu*gama*alfa/(b^2)-(ro*gama*alfa*b+ro*beta*gama*alfa/(b^2)))*n-((- mu*alfa*(gama-)/(b^2))*m*(mu-ro*beta)))/n^2+xx(3)*((gama*alfa/b^2)*(ro- mu)*n+(m*(ro-mu)*mu*alfa*(gama-)/(b^2)))/n^2+xx(4)*(((gama*alfa*(delta- )*n)/b^2)-(-mu*alfa*(gama-)*m*(delta-)))/n^2; Ait(3,3)=xx()*(((t*alfa/b)*n-(-mu*alfa/b)*t*m)/n^2)+xx(2)*(((alfa/b)*n*(mu- ro*beta)-(-(mu*(gama-)/b)*m*(mu-ro*beta)))/n^2)+xx(3)*((alfa*(ro-mu)*n/b)-(- alfa*mu*m*(ro-mu)/b))/n^2+xx(4)*((alfa*(delta-)*n/b)-((-mu*alfa/b)*(delta- )*m))/n^2; Ait(3,4)=xx()*((t*n+m)/n^2)+xx(2)*((mu-ro*beta)*n+(mu*m*(mu- (ro*beta))))/n^2+xx(3)*((ro-mu)*n+mu*(ro-mu)*m)/n^2 +xx(4)*((delta- )*n+mu*m*(delta-))/n^2; Ait(3,5)=xx(2)*(-beta*m)/n+xx(3)*m/n; Ait(3,6)=xx(4)*(m/n) Ait(3,7)=xx()*(-(-lamda-alfa*(gama-)/b)*t*m)/n^2+xx(2)*(m*n-((-lamdaalfa*(gama-)/b)*m*(mu-ro*beta)))/n^2+xx(3)*((-lamda-gama*alfa/b)*n-(-lamdaalfa*(gama-)/b)*m*(ro-mu))/n^2 +xx(4)*(-(-lamda-alfa*(gama-)/b)*m*(delta-))/n^2; Ait(3,8)=xx()*(-(m*n)+t*m)/n^2+xx(2)*(m*(mu-ro*beta)/n^2)+xx(3)*((romu)*m)/n^2+xx(4)*(m*(delta-)/n^2); Ait(4,:5)=0; 54
55 Ait(4,6)=xx(4); Ait(4,7:8)=0; A=[Ai Ait; zeros(8,4) eye(8)]; X_pre=Ai*Xest(:,); Par_pre=Parest(:,); Z_pre=H*X_pre; zz()=z_pre; MR=Z()-Z_pre; P_pre=landa*(A*P*A'+Q); S=R+[H ]*P_pre*[H ]'; K=P_pre*[H ]'*inv(S); ll=[x_pre;par_pre]+k*mr; Xest(,+)=ll(); Xest(2,+)=ll(2); Xest(3,+)=ll(3); Xest(4,+)=ll(4); Parest(,+)=ll(5); Parest(2,+)=ll(6); Parest(3,+)=ll(7); Parest(4,+)=ll(8); Parest(5,+)=ll(9); Parest(6,+)=ll(0); Parest(7,+)=ll(); Parest(8,+)=ll(2); P=(eye(2)-K*[H ])*P_pre; end figure plot(xest(,:),'*') xlabel('milli Gelir tahmin..,gerçe -') hold on 55
56 plot(eoef(:,),'r') figure plot(xest(2,:),'*') xlabel('enflasyon Oranı tahmin..,gerçe -') hold on plot(eoef(:,2),'r') figure plot(xest(3,:),'*') xlabel('faiz oranı tahmin..,gerçe -') hold on plot(eoef(:,3),'r') figure plot(xest(4,:),'*') xlabel('hüümet Harcamaları tahmin..,gerçe -') hold on plot(eoef(:,4),'r') figure plot(parest(,:)) xlabel('alfa') figure plot(parest(2,:)) xlabel('beta') figure plot(parest(3,:)) xlabel('gama') figure plot(parest(4,:)) 56
57 xlabel('lamda') figure plot(parest(5,:)) xlabel('ro') figure plot(parest(6,:)) xlabel('delta') figure plot(parest(7,:)) xlabel('mu') figure plot(parest(8,:)) xlabel('fi') figure hist(zz) res=mean(zz) res=std(zz) %gerçe veri seti clc close all clear all H=[ ]; load gsyh.txt eoef=gsyh Z=eoef(:,); Xest=[20;.7;2;3]; Parest=[.0;.45;.0;.0;.03;.0;-.5;.0]; P0=eye(4)*00; PP0=eye(8)*.00; 57
58 P=[P0 zeros(4,8); zeros(8,4) PP0]; R=.5486^2; QQ=eye()*; S=eye(8)*.00000; landa=; for =:80 xx()=xest(,); xx(2)=xest(2,); xx(3)=xest(3,); xx(4)=xest(4,); alfa=parest(,); beta=parest(2,); gama=parest(3,); lamda=parest(4,); ro=parest(5,); delta=parest(6,); mu=parest(7,); fi=parest(8,); n=-(mu*(lamda+alfa*(gama-)/(-beta))+fi) m=lamda+(gama*alfa/(-beta)); t=(-fi); b=(-beta); B=[(mu*(gama-))/((-beta)*n) mu/n /n 0; (mu*(gama-)*alfa)/(((-beta)^2)*n) (alfa*mu)/(n*(-beta)) alfa/((-beta)*n) 0; (m*(mu*(gama-)+n*gama)/((-beta)*n)) (m/n)*mu+ m/n 0; 0 0 0]; Q=B*QQ*B'; Q=[Q zeros(4,8); zeros(8,4) S]; 58
59 Ai=[t/n (mu-(ro*beta))/n (ro-mu)/n (delta-)/n; alfa*t/(b*n) (alfa*(mu-ro*beta))/ (b*n) (alfa*(ro-mu))/(b*n) (alfa*(delta-))/(b*n); m*(-alfa)/n m*(mu-ro*beta)/n (ro-mu)*m/n (delta-)*m/n; delta]; Ait(,)=xx()*(((mu*(gama-)/b)*t)/n^2)+ xx(2)*((mu*(gama-)/b)*(mu-ro*beta)) /n^2 + xx(3)*(((mu*(gama-)*(ro-mu))/b)/n^2)+xx(4)* (((mu*(gama-)*(delta-))/b)/ n^2); Ait(,2)= xx()*(t*(mu*(gama-)/b))/(n^2)+ xx(2)*(-ro*n-(-mu*alfa*(gama-)/b^2)* (mu-ro*beta))/n^2 +xx(3)*(-(-mu*alfa*(gama-)*(ro-mu))/b^2)/n^2+xx(4)*((-(-mu* alfa* (gama-)/b^2)* (delta-))/n^2); Ait(,3)=xx()*(((mu*alfa/b)*t)/n^2)+xx(2)*(((mu*alfa/b)*(mu-ro*beta))/n^2)+xx(3)* ((mu*alfa/b)*(ro-mu)/n^2)+xx(4)*((mu*alfa/b)*(delta-)/n^2); Ait(,4)=xx()* (mu*t/n^2)+xx(2)*(mu*(mu-ro*beta)/n^2)+xx(3)*(mu*(ro-mu)/n^2)+ xx(4)*(mu*(delta-)/n^2); Ait(,5)=xx(2)*(-beta/n)+xx(3)*(/n); Ait(,6)=xx(4)*(/n); Ait(,7)=xx()*(((lamda+alfa*(gama-)/b)*t)/n^2)+xx(2)*((n-(-lamda-(alfa*(gama- )/b))*(mu-ro*beta))/n^2) + xx(3)*((-n-(-lamda-(alfa*(gama-)/b))*(ro-mu))/n^2) +xx(4)* ((-(-lamda-(alfa*(gama-)/b))*(delta-))/n^2); Ait(,8)= xx()*((-n+t)/n^2)+xx(2)*((mu-ro*beta)/n^2)+xx(3)*((ro-mu)/n^2)+ xx(4) *((delta-) /n^2); Ait(2,)= xx()*((t*b*n-((-mu*(gama-)/b)+(beta*mu*(gama-)/b))*(alfa*t))/(b*n)^2) +xx(2)*(((mu-ro*beta)*n*b + ((b*(mu*(gama-)/b))*alfa*(mu-ro*beta)))/(b*n)^2) 59
60 )*b*n) +(mu*(gama-)*alfa*(delta-)))/(b*n)^2); Ait(2,2)=xx()*(-((-mu*alfa*(gama-)/b^2)-+mu*lamda+(mu*alfa*(gama-)*b-beta *mu*alfa*(gama-))/(b^2)-fi)*alfa*t)/(b*n)^2+xx(2)*(-alfa*ro*b*n)-((-mu*alfa *(gama-)/b^2)- +mu*lamda +(mu*alfa*(gama-)*b-beta*mu*alfa*(gama-))/(b^2)-fi) *alfa*(mu-ro*beta)/(n*b)^2+xx(3)*(-((-mu*alfa*(gama-)/b^2)-+mu*lamda +(mu*alfa*(gama-)*b-beta*mu*alfa*(gama-))/(b^2)-fi)*(alfa*(ro-mu))/(b*n)^2) +xx(4)*(-((-mu*alfa*(gama-)/b^2)-+mu*lamda+(mu*alfa*(gama-)*b-beta*mu *alfa*(gama-))/(b^2)-fi)*alfa*(delta-)/(b*n)^2); Ait(2,3)=xx()*(mu*alfa*(alfa*t)/(b*n)^2)+xx(2)*((mu*alfa*alfa*(mu-ro*beta))/ +xx(3)* (((ro-mu)*b*n)-(b*(-mu*(gama-)/b)*alfa*(ro-mu))/(b*n)^2) +xx(4)*((((delta- (b*n)^2)+xx(3)*(mu*alfa*alfa*(ro-mu)/(b*n)^2)+xx(4)*(mu*alfa*alfa*(delta- )/(b*n)^2); Ait(2,5)=xx(2)*(-alfa*beta/n)+xx(3)*(alfa/(b*n)); Ait(2,6)=xx(4)/(b*n); Ait(2,8)=xx()*((-alfa*b*n)+((beta+)*alfa*t))/(b*n)^2 Ait(2,4)=xx()*b*mu*alfa*t/((b*n)^2) +xx(2)*mu*b/((b*n)^2)+xx(3)*b*mu*alfa*(romu)/((b*n)^2)+xx(4)*b*mu*alfa*(delta-)/((b*n)^2); Ait(2,7)=xx()* -((b*(-lamda-(alfa*(gama-))/b))*alfa*t)/((b*n)^2)+xx(2)*(alfa*b*n- ((b*(-lamda-(alfa*(gama-))/b))*alfa*(mu-ro*beta)))/((b*n)^2)+xx(3)*((-alfa*b*n)- ((b*(-lamda-(alfa*(gama-))/b))*alfa*(ro-mu)))/((b*n)^2)+xx(4)*(lamda+alfa*(delta- )/b)/n^2; +xx(2)*(-b*alfa*(muro*beta))/(n*b)^2 +xx(3)*b*alfa*(ro-mu)/(b*n)^2 +xx(4)*b*alfa*(delta-)/(b*n)^2; Ait(3,)= xx()*((t*gama*n/b)-(-mu*(gama-)/b)*t*m)/n^2 +xx(2)*(gama/b*(muro*beta) *n-(-(mu*(gama-)/b)*m*(mu-ro*beta)))/n^2 + xx(3)*((gama*(ro-mu)/b)*n- 60
61 )/b)*m*(delta-)))/n^2); ((-(gama-)*mu/b)*(ro-mu)*m))/n^2 + xx(4)*(((gama*n*(delta-)/b) - ((-mu*(gama- Ait(3,2)=xx()*((((gama*alfa*t*n)/b^2)-(-(mu*(gama-)/b)*t*m))/n^2)+xx(2)*((- lamda*ro+mu*gama*alfa/(b^2)-(ro*gama*alfa*b+ro*beta*gama*alfa/(b^2)))*n-((- mu*alfa*(gama-)/(b^2))*m*(mu-ro*beta)))/n^2+xx(3)*((gama*alfa/b^2)*(ro- mu)*n+(m*(ro-mu)*mu*alfa*(gama-)/(b^2)))/n^2+xx(4)*(((gama*alfa*(delta- )*n)/b^2)-(-mu*alfa*(gama-)*m*(delta-)))/n^2; Ait(3,3)=xx()*(((t*alfa/b)*n-(-mu*alfa/b)*t*m)/n^2)+xx(2)*(((alfa/b)*n*(mu-ro*beta) -(-(mu*(gama-)/b)*m*(mu-ro*beta)))/n^2) + xx(3)*((alfa*(ro-mu)*n/b)-(-alfa*mu*m *(ro-mu)/b))/n^2+xx(4)*((alfa*(delta-)*n/b)-((-mu*alfa/b)*(delta-)*m))/n^2; Ait(3,4)=xx()*((t*n+m)/n^2) + xx(2)*((mu-ro*beta)*n+ (mu*m*(mu-(ro*beta))))/n^2 +xx(3)*((ro-mu)*n+mu*(ro-mu)*m)/n^2 +xx(4)*((delta-)*n+mu*m*(delta-))/n^2; Ait(3,5)=xx(2)*(-beta*m)/n+xx(3)*m/n; Ait(3,6)=xx(4)*(m/n) Ait(3,7)=xx()*(-(-lamda-alfa*(gama-)/b)*t*m)/n^2+xx(2)*(m*n-((-lamda-alfa *(gama-)/b)*m*(mu-ro*beta)))/n^2 + xx(3)*((-lamda-gama*alfa/b)*n-(-lamdaalfa*(gama-)/b)*m*(ro-mu))/n^2+xx(4)*(-(-lamda-alfa*(gama-)/b)*m*(delta-))/n^2; Ait(3,8)=xx()*(-(m*n)+t*m)/n^2 +xx(2)*(m*(mu-ro*beta)/n^2) +xx(3)*((romu)*m)/n^2 +xx(4)*(m*(delta-)/n^2); Ait(4,:5)=0; Ait(4,6)=xx(4); Ait(4,7:8)=0; A=[Ai Ait; zeros(8,4) eye(8)]; 6
62 X_pre=Ai*Xest(:,); Par_pre=Parest(:,); Z_pre=H*X_pre; zz()=z_pre; MR=Z()-Z_pre; P_pre=landa*(A*P*A'+Q); S=R+[H ]*P_pre*[H ]'; K=P_pre*[H ]'*inv(S); ll=[x_pre;par_pre]+k*mr; Xest(,+)=ll(); Xest(2,+)=ll(2); Xest(3,+)=ll(3); Xest(4,+)=ll(4); Parest(,+)=ll(5); Parest(2,+)=ll(6); Parest(3,+)=ll(7); Parest(4,+)=ll(8); Parest(5,+)=ll(9); Parest(6,+)=ll(0); Parest(7,+)=ll(); Parest(8,+)=ll(2); P=(eye(2)-K*[H ])*P_pre; end figure plot(xest(,:),'*') xlabel( GSYH') hold on plot(eoef(:,),'r') 62
63 figure plot(xest(2,:),'*') xlabel('enflasyon Oranı tahmin ') figure plot(xest(3,:),'*') xlabel('faiz oranı tahmin ') figure plot(xest(4,:),'*') xlabel('hüümet Harcamaları ') figure plot(parest(,:)) xlabel('alfa') figure plot(parest(2,:)) xlabel('beta') figure plot(parest(3,:)) xlabel('gama') figure plot(parest(4,:)) xlabel('lamda') figure plot(parest(5,:)) xlabel('ro') figure plot(parest(6,:)) xlabel('delta') figure 63
64 plot(parest(7,:)) xlabel('mu') figure plot(parest(8,:)) xlabel('fi') figure hist(zz) res=mean(zz) res=std(zz) 64
65 ÖZGEÇMİŞ Adı Soyadı : Ayla ALCAN Doğum Yeri : Winterthur Doğum Tarihi : Medeni Hali : Bear Yabancı Dili : İngilizce Eğitim Durumu (Kurum ve Yıl) Lise : İbrahim Turhan Lisesi ( ) Ön Lisans : Kırıale Üniversitesi Kesin Mesle Yüse Oulu Piyasa Araştırmaları ve Pazarlama Bölümü ( ) Lisans : Kırıale Üniversitesi Fen-Edebiyat Faültesi İstatisti Bölümü ( ) Yüse Lisans : Anara Üniversitesi Fen Bilimleri Enstitüsü İstatisti Anabilim Dalı (Şubat 2005-Mayıs 2008) 65
SİMGELER DİZİNİ. ( t Φ Γ. E xz. xxz. j j j
ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ HEDEF TAKİBİNDE UYARLI KALMAN FİLTRESİNİN KULLANIMI ÜZERİNE BİR ÇALIŞMA Emine ÇERÇİOĞLU İSTATİSTİK ANABİLİM DALI ANKARA 2006 Her haı salıdır
DetaylıMIXED REGRESYON TAHMİN EDİCİLERİNİN KARŞILAŞTIRILMASI. The Comparisions of Mixed Regression Estimators *
MIXED EGESYON TAHMİN EDİCİLEİNİN KAŞILAŞTIILMASI The Comparisions o Mixed egression Estimators * Sevgi AKGÜNEŞ KESTİ Ç.Ü.Fen Bilimleri Enstitüsü Matemati Anabilim Dalı Selahattin KAÇIANLA Ç.Ü.Fen Edebiyat
DetaylıKİNETİK MODELLERDE OPTİMUM PARAMETRE BELİRLEME İÇİN BİR YAZILIM: PARES
KİNETİK MODELLERDE OPTİMUM PARAMETRE BELİRLEME İÇİN BİR YAZILIM: PARES Mehmet YÜCEER, İlnur ATASOY, Rıdvan BERBER Anara Üniversitesi Mühendisli Faültesi Kimya Mühendisliği Bölümü Tandoğan- 0600 Anara (berber@eng.anara.edu.tr)
DetaylıEÜFBED - Fen Bilimleri Enstitüsü Dergisi Cilt-Sayı: 3-2 Yıl: 2010 199-206
99 EÜFBED - Fen Bilimleri Enstitüsü Dergisi Cilt-Sayı: 3- Yıl: 99-6 İKİNCİ MERTEBEDEN BİR DİFERENSİYEL DENKLEM SINIFI İÇİN BAŞLANGIÇ DEĞER PROBLEMİNİN DİFERENSİYEL DÖNÜŞÜM YÖNTEMİ İLE TAM ÇÖZÜMLERİ THE
Detaylı4.2. SBM nin Beşeri Sermaye Değişkeni İle Genişletilmesi: MRW nin Beşeri Sermaye Modeli
112 4.2. SBM nin Beşeri Sermaye Değişeni İle Genişletilmesi: MRW nin Beşeri Sermaye Modeli MRW, Solow un büyüme modelini, beşeri sermaye olgusunu da atara genişletmetedir. Bu yeni biçimiyle model, genişletilmiş
DetaylıMatris Unutma Faktörü İle Uyarlanmış Kalman Filtresinin Başarım Değerlendirmesi
Fırat Üniv. Fen Bilimleri Dergisi Fırat Unv. Journal of Science 25(), 7-76, 23 25(), 7-76, 23 Matris Unutma Fatörü İle Uyarlanmış Kalman Filtresinin Başarım Değerlendirmesi Özet Cener BİÇER * Esin KÖKSAL
DetaylıSAÜ Fen Edebiyat Dergisi (2009-II) ÜÇ BOYUTLU LORENTZ UZAYI MANNHEİM EĞRİ ÇİFTİ ÜZERİNE A. ZEYNEP AZAK
SAÜ Fen Edebiyat Dergisi (009-II) ÜÇ BOYUTLU LORENTZ UZAYI L DE TIMELIKE MANNHEİM EĞRİ ÇİFTİ ÜZERİNE A. ZEYNEP AZAK Saarya Üniversitesi, Fen-Edebiyat Faültesi Matemati Bölümü, 5487, SAKARYA apirdal@saarya.edu.tr
DetaylıTürkiye de Enflasyon ve Döviz Kuru Arasındaki Nedensellik İlişkisi: 1984-2003
Türiye de Enflasyon ve Döviz Kuru Arasındai Nedenselli İlişisi: 1984-2003 The Causal Relationship Between Exchange Rates and Inflation in Turey:1984-2003 Yrd.Doç.Dr. Erem GÜL* Yrd.Doç.Dr. Ayut EKİNCİ**
Detaylı) ile algoritma başlatılır.
GRADYANT YÖNTEMLER Bütün ısıtsız optimizasyon problemlerinde olduğu gibi, bir başlangıç notasından başlayara ardışı bir şeilde en iyi çözüme ulaşılır. Kısıtsız problemlerin çözümü aşağıdai algoritma izlenere
Detaylıİstatistikçiler Dergisi
www.istatisticiler.org İstatistiçiler Dergisi (008) 68-79 İstatistiçiler Dergisi BAĞIMLI RİSKLER İÇİ TOPLAM HASAR MİKTARII DAĞILIMI Mehmet PIRILDAK Hacettepe Üniversitesi Fen Faültesi, Atüerya Bilimleri
DetaylıIS-MP-PC: Kısa Dönem Makroekonomik Model
1 Toplam Talep Toplam Talebin Elde Edilmesi 2 Para Politikası AD Eğrisi 3 4 Eğrisi Toplam Talep Toplam Talebin Elde Edilmesi Keynes (1936), The General Theory of Employment, Interest, and Money Toplam
DetaylıStokastik Süreçler. Bir stokastik Süreç ya da rastgele süreç şöyle tanımlanabilir.
Stoasti Süreçler Bir stoasti Süreç ya da rastgele süreç şöyle tanımlanabilir. Zamanla değişen bir rastgele değişendir. Rastgele değişenin alacağı değer zamanla değişmetedir. Deney çıtılarına atanan rastgele
DetaylıKİ KARE TESTLERİ. Biyoistatistik (Ders 2: Ki Kare Testleri) Kİ-KARE TESTLERİ. Sağlıktan Yakınma Sigara Var Yok Toplam. İçen. İçmeyen.
Biyoistatisti (Ders : Ki Kare Testleri) Kİ KARE TESTLERİ Yrd. Doç. Dr. Ünal ERKORKMAZ Saarya Üniversitesi Tıp Faültesi Biyoistatisti Anabilim Dalı uerormaz@saarya.edu.tr Kİ-KARE TESTLERİ 1. Ki-are testleri
Detaylık tane bağımsız değişgene bağımlı bir Y değişgeni ile bu bağımsız X X X X
3.1 Genel Doğrusal Bağlanım tane bağımsı değişgene bağımlı bir Y değişgeni ile bu bağımsı X X X X,,, değişgenleri arasındai ilişiyi bulma isteyelim. Bu ilişi modelinde yer alaca bağımsı değişgenler yalnıca
DetaylıEZ ONAYI Haydar ANKIŞHAN tarafından hazırlanan Gürültülü Ses Sinyali İyileştirilmesine İili Kalman Filtre Yalaşımı adlı tez çalışması aşağıdai jüri ta
ANKARA ÜNİVERSİESİ FEN BİLİMLERİ ENSİÜSÜ YÜKSEK LİSANS EZİ GÜRÜLÜLÜ SES SİNYALİ İYİLEŞİRİLMESİNE İKİLİ KALMAN FİLRE YAKLAŞIMI HAYDAR ANKIŞHAN ELEKRONİK MÜHENDİSLİĞİ ANABİLİM DALI ANKARA 2007 i EZ ONAYI
DetaylıRASGELE SÜREÇLER. Bir X rasgele değişkenin, a ve b arasında tekdüze dağılımlı olabilmesi için olasılık yoğunluk fonksiyonu aşağıdaki gibi olmalıdır.
RASGELE SÜREÇLER Eğer bir büyülüğün her t anında alacağı değeri te bir şeilde belirleyen matematisel bir ifade verilebilirse bu büyülüğün deterministi bir büyülü olduğu söylenebilir. Haberleşmeden habere
DetaylıELECO '2012 Elektrik - Elektronik ve Bilgisayar Mühendisliği Sempozyumu, 29 Kasım - 01 Aralık 2012, Bursa
ELECO '2012 Eletri - Eletroni ve Bilgisayar Mühendisliği Sempozyumu, 29 Kasım - 01 ralı 2012, Bursa Lineer Olmayan Dinami Sistemlerin Yapay Sinir ğları ile Modellenmesinde MLP ve RBF Yapılarının Karşılaştırılması
DetaylıKollektif Risk Modellemesinde Panjér Yöntemi
Douz Eylül Üniversitesi İtisadi ve İdari Bilimler Faültesi Dergisi, Cilt:6, Sayı:, Yıl:, ss.39-49. olletif Ris Modellemesinde anér Yöntemi ervin BAYAN İRVEN Güçan YAAR Özet Hayat dışı sigortalarda, olletif
DetaylıSAKARYA HAVZASI AYLIK YAĞIŞLARININ OTOREGRESİF MODELLEMESİ
PAMUKKALE ÜNİVERSİTESİ MÜHENDİ SLİK FAKÜLTESİ PAMUKKALE UNIVERSITY ENGINEERING COLLEGE MÜHENDİSLİK B İ L İ MLERİ DERGİSİ JOURNAL OF ENGINEERING SCIENCES YIL CİLT SAYI SAYFA : 006 : : : 7-6 SAKARYA HAVZASI
DetaylıBu deneyin amacı Ayrık Fourier Dönüşümü (DFT) ve Hızlu Fourier Dönüşümünün (FFT) tanıtılmasıdır.
Deney : Ayrı Fourier Dönüşümü (DFT) & Hızlı Fourier Dönüşümü (FFT) Amaç Bu deneyin amacı Ayrı Fourier Dönüşümü (DFT) ve Hızlu Fourier Dönüşümünün (FFT) tanıtılmasıdır. Giriş Bir öncei deneyde ayrı-zamanlı
DetaylıCahit Arf Liseler Arası Matematik Yarışması 2008
Cahit Arf Liseler Arası Matemati Yarışması 2008 İinci Aşama 11 Mayıs 2008 Notlar: Birnci tasla. 1. Tamsayılardan gerçel sayılara tanımlı fonsiyonlar ümesi üzerinde şöyle bir operatörü tanımlayalım: f(x)
Detaylı7. Ders Genel Lineer Modeller Singüler Modeller, Yanlış veya Bilinmeyen Kovaryanslar, Đlişkili Hatalar
7. Ders Genel Lineer Modeller Singüler Modeller, Yanlış veya Bilinmeyen Kovaryanslar, Đlişkili Hatalar Y = X β + ε Lineer Modeli pekçok özel hallere sahiptir. Bunlar, ε nun dağılımına, Cov( ε ) kovaryans
DetaylıBÜTÜNLEŞİK ÜRETİM PLANLAMASININ HEDEF PROGRAMLAMAYLA OPTİMİZASYONU VE DENİZLİ İMALAT SANAYİİNDE UYGULANMASI
Niğde Üniversitesi İİBF Dergisi, 2013, Cilt: 6, Sayı: 1, s. 96-115. 96 BÜTÜNLEŞİK ÜRETİM PLANLAMASININ HEDEF PROGRAMLAMAYLA OPTİMİZASYONU VE DENİZLİ İMALAT SANAYİİNDE UYGULANMASI ÖZ Arzu ORGAN* İrfan ERTUĞRUL**
DetaylıTÜRKİYE DE PARA VE MALİYE POLİTİKALARININ GÖRELİ ETKİNLİĞİ: VAR ANALİZİ ÖZET
TÜRKİYE DE PARA VE MALİYE POLİTİKALARININ GÖRELİ ETKİNLİĞİ: VAR ANALİZİ Dr. Orhan KARACA Doğan Burda Dergi Yayıncılı ve Pazarlama A.Ş., Eonomist Dergisi, (oaraca@eonomist.com.tr) ÖZET Para ve maliye politialarının
DetaylıGümüşhane Üniversitesi Sosyal Bilimler Elektronik Dergisi Sayı 12 Ocak 2015
Gümüşhane Üniversitesi Sosyal Bilimler Eletroni Dergisi Sayı 12 Oca 2015 TÜRKİYE DE EKONOMİK BÜYÜME, ENERJİ TÜKETİMİ VE İTHALAT İLİŞKİSİ ÖZET Canan SANCAR 1 Melie ATAY POLAT 2 Bu çalışmada Türiye de eonomi
DetaylıDEÜ MÜHENDİSLİK FAKÜLTESİ MÜHENDİSLİK BİLİMLERİ DERGİSİ Cilt: 14 Sayı: 1 sh Ocak 2012
DEÜ MÜHENDİSLİ FAÜLTESİ MÜHENDİSLİ BİLİMLERİ DERGİSİ Cilt: 4 Sayı: sh. 39-47 Oca 202 ARIŞIMLI İİLİ LOJİSTİ REGRESYON MODELİNE İLİŞİN BİR UYGULAMA (AN APPLIACTION FOR MIXTURE BINARY LOGISTIC REGRESSION
DetaylıDoğrusal Olmayan Devreler, Sistemler ve Kaos
Dğrusal Olmayan Devreler Sistemler ve Kas Neslihan Serap Şengör da n:07 tel n:0 85 360 sengrn@itu.edu.tr Özan Karabaca da n:7 tel n:0 85 3506 zan97@yah.cm Dğrusal Olmayan Devreler Sistemler ve Kas 6 Şubat
DetaylıDers 2 : MATLAB ile Matris İşlemleri
Ders : MATLAB ile Matris İşlemleri Kapsam Vetörlerin ve matrislerin tanıtılması Vetör ve matris operasyonları Lineer denlem taımlarının çözümü Vetörler Vetörler te boyutlu sayı dizileridir. Elemanlarının
DetaylıFarklı Sıcaklıkların Scymnus subvillosus un Bıraktığı Yumurta Sayıları Üzerine Etkilerinin Karışımlı Poisson Regresyon ile Analiz Edilmesi
Yüzüncü Yıl Üniversitesi, Ziraat Faültesi, Tarım Bilimleri Dergisi J. Agric. Sci., 2007, 72: 73-79 Araştırma Maalesi/Article Geliş Tarihi: 3.0.2007 abul Tarihi: 2.07.2007 Farlı Sıcalıların Scymnus subvillosus
DetaylıBasitleştirilmiş Kalman Filtresi ile Titreşimli Ortamda Sıvı Seviyesinin Ölçülmesi
Basitleştirilmiş Kalman Filtresi ile Titreşimli Ortamda Sıvı Seviyesinin Ölçülmesi M. Ozan AKI Yrd.Doç Dr. Erdem UÇAR ABSTRACT: Bu çalışmada, sıvıların seviye ölçümünde dalgalanmalardan aynalı meydana
DetaylıKABLOSUZ İLETİŞİM
KABLOSUZ İLETİŞİM 805540 KÜÇÜK ÖLÇEKLİ SÖNÜMLEME SÖNÜMLEMENİN MODELLENMESİ İçeri 3 Sönümleme yapısı Sönümlemenin modellenmesi Anara Üniversitesi, Eletri-Eletroni Mühendisliği Sönümleme Yapısı 4 Küçü ölçeli
DetaylıBİR FONKSİYONUN FOURİER SERİSİNE AÇILIMI:
FOURIER SERİERİ GİRİŞ Elastisite probleminin çözümünde en büyü zorlu sınır şartlarının sağlatılmasındadır. Bu zorluğu gidermenin yollarından biride sınır yülerini Fourier serilerine açmatır. Fourier serilerinin
DetaylıÖZEL EGE LİSESİ 13. OKULLAR ARASI MATEMATİK YARIŞMASI 8. SINIF ELEME SINAVI TEST SORULARI
1. x,y,z pozitif tam sayılardır. 1 11 x + = 8 y + z olduğuna göre, x.y.z açtır? 3 B) 4 C) 6 D)1 3 1 4. {,1,1,1,...,1 } 1 ümesinin en büyü elemanının diğer 1 elemanın toplamına oranı, hangi tam sayıya en
DetaylıĐST 522 ĐSTATĐSTĐKSEL SĐSTEM ANALĐZĐ
ĐST 5 ĐSTATĐSTĐKSEL SĐSTEM ANALĐZĐ ve KONTROL Kaynalar: Davis, M.H.A. and Winter,R.B. Stochastic Modelling and Control, Chapman and Hall,985. Davis, M.H.A. Linear Estimation and Stochastic Control, Chapman
Detaylı28/5/2009 TARİHLİ VE 2108/30 SAYILI KURUL KARARI 11 HAZİRAN 2009 TARİHLİ VE 27255 SAYILI RESMİ GAZETEDE YAYIMLANMIŞTIR.
28/5/2009 TARİHLİ VE 2108/30 SAYILI KURUL KARARI 11 HAZİRAN 2009 TARİHLİ VE 27255 SAYILI RESMİ GAZETEDE YAYIMLANMIŞTIR. Enerji Piyasası Düzenleme Kurumundan: ELEKTRĠK PĠYASASI DENGELEME VE UZLAġTIRMA YÖNETMELĠĞĠ
DetaylıÇoklu Unutma Faktörleri ile Uyarlı Kalman Filtresi İçin İyileştirme
Erciyes Üniversitesi Fen Bilimleri Enstitüsü Dergisi Cilt 33, Sayı, 7 Erciyes University Journal of Natural and Applied Sciences Volume 33, Issue, 7 Çolu Unutma Fatörleri ile Uyarlı Kalman Filtresi İçin
DetaylıSERVOVALF VE HİDROLİK SİSTEMDEN OLUŞAN ELEKTROHİDROLİK BİR DÜMEN SİSTEMİNİN KONUM KONTROLÜ
GEMİ İNŞAATI VE DENİZ TEKNOLOJİSİ TEKNİK KONGRESİ 08 BİLDİRİLER KİTABI SERVOVALF VE HİDROLİK SİSTEMDEN OLUŞAN ELEKTROHİDROLİK BİR DÜMEN SİSTEMİNİN KONUM KONTROLÜ Fevzi ŞENLİTÜRK, Fuat ALARÇİN ÖZET Bu çalışmada
DetaylıÇok Yüksek Mobiliteli Sönümlemeli Kanallardaki OFDM Sistemleri için Kanal Kestirimi
9-11 Aralı 2009 Ço Yüse Mobiliteli Sönümlemeli Kanallardai OFDM Sistemleri için Kanal Kestirimi İstanbul Üniversitesi Eletri-Eletroni Mühendisliği Bölümü {myalcin, aan}@istanbul.edu.tr Sunum İçeriği Giriş
DetaylıMOBİLYA ENDÜSTRİSİNDE AŞAMALAR ARASINDA FİRE BULUNAN ÇOK AŞAMALI TEDARİK ZİNCİRİ AĞININ OPTİMİZASYONU. Ercan ŞENYİĞİT 1, *
Erciyes Üniversitesi Fen Bilimleri Enstitüsü Dergisi 25 (1-2) 168-182 (2009) http://fbe.erciyes.edu.tr/ ISSN 1012-2354 MOBİLYA ENDÜSTRİSİNDE AŞAMALAR ARASINDA FİRE BULUNAN ÇOK AŞAMALI TEDARİK ZİNCİRİ AĞININ
DetaylıMAK341 MAKİNA ELEMANLARI I 2. Yarıyıl içi imtihanı 24/04/2012 Müddet: 90 dakika Ögretim Üyesi: Prof.Dr. Hikmet Kocabas, Doç.Dr.
MAK3 MAKİNA EEMANARI I. Yarıyıl içi imtihanı /0/0 Müddet: 90 daia Ögretim Üyesi: Prof.Dr. Himet Kocabas, Doç.Dr. Cemal Bayara. (0 puan) Sıı geçmelerde sürtünme orozyonu nasıl ve neden meydana gelir? Geçmeye
DetaylıBiyoistatistik (Ders 7: Bağımlı Gruplarda İkiden Çok Örneklem Testleri)
ÖRNEKLEM TESTLERİ BAĞIMLI GRUPLARDA ÖRNEKLEM TESTLERİ Yrd. Doç. Dr. Ünal ERKORKMAZ Saarya Üniversitesi Tıp Faültesi Biyoistatisti Anabilim Dalı uerormaz@saarya.edu.tr BAĞIMLI İKİDEN ÇOK GRUBUN KARŞILAŞTIRILMASINA
DetaylıElectronic Letters on Science & Engineering 6(1) (2010) Available online at www.e-lse.org
Electronic Letters on Science & Engineering 6(1) (2010) Available online at www.e-lse.org FUZZY Control Strategy Adapting to ISPM-15 Standarts Aydın Mühürcü 1, Gülçin Mühürcü 2 1 Saarya University, Electrical-Electronical
DetaylıGÜNEŞ ENERJİSİ SİSTEMLERİNDE KANATÇIK YÜZEYİNDEKİ SICAKLIK DAĞILIMININ SONLU FARKLAR METODU İLE ANALİZİ
TEKNOLOJİ, Cilt 7, (2004), Sayı 3, 407-414 TEKNOLOJİ GÜNEŞ ENERJİSİ SİSTEMLERİNDE KANATÇIK YÜZEYİNDEKİ SICAKLIK DAĞILIMININ SONLU FARKLAR METODU İLE ANALİZİ ÖZET Himet DOĞAN Mustafa AKTAŞ Tayfun MENLİK
Detaylıile plakalarda biriken yük Q arasındaki ilişkiyi bulmak, bu ilişkiyi kullanarak boşluğun elektrik geçirgenlik sabiti ε
Farlı Malzemelerin Dieletri Sabiti maç Bu deneyde, ondansatörün plaalarına uygulanan gerilim U ile plaalarda birien yü Q arasındai ilişiyi bulma, bu ilişiyi ullanara luğun eletri geçirgenli sabiti ı belirleme,
DetaylıYENİ DÖNEMDE SATIN ALMA GÜCÜ PARİTESİNİN GÜÇLÜ FORMDA GEÇERLİLİĞİ: TÜRKİYE ÖRNEĞİ
Süleyman Demirel Üniversitesi Sosyal Bilimler Enstitüsü Dergisi Yıl: 2018/2, Sayı:31, s. 91-104 Journal of Süleyman Demirel University Institute of Social Sciences Year: 2018/2, Number:31, p. 91-104 YENİ
DetaylıKÜÇÜK TİTREŞİMLER U x U x U x x x x x x x...
36 KÜÇÜK TİTREŞİMLER A) HARMONİK OSİLATÖRLER B) LAGRANGE FONKSİYONU C) MATRİS GÖSTERİMİ D) TİTREŞİM FREKANSLARI E) ÖRNEKLER F) SONLU GRUPLAR VE TEMSİLLERİ G) METOT H) ÖRNEKLER - - - - - - - - - - - - -
DetaylıMatris Cebiriyle Çoklu Regresyon Modeli
Matris Cebiriyle Çoklu Regresyon Modeli Hüseyin Taştan Mart 00 Klasik Regresyon Modeli k açıklayıcı değişkenden oluşan regresyon modelini her gözlem i için aşağıdaki gibi yazabiliriz: y i β + β x i + β
Detaylı141 Araştırma Makalesi. Türkiye de Karpuz Üretiminde Üretim-Fiyat İlişkisinin Almon Gecikme Modeli ile İncelenmesi
KSÜ Doğa Bil. Derg., 9(), 4-46, 6 KSU J. Nat. Sci., 9(), 4-46, 6 4 Araştırma Maalesi Türiye de Karpuz Üretiminde Üretim-Fiyat İlişisinin Almon Gecime Modeli ile İncelenmesi Nusret ÖBAY *, Şenol ÇELİK Bingöl
DetaylıDEÜ MÜHENDİSLİK FAKÜLTESİ MÜHENDİSLİK BİLİMLERİ DERGİSİ Cilt: 13 Sayı: 1 sh. 55-74 Ocak 2011
DEÜ MÜHENDİSLİK FAKÜLTESİ MÜHENDİSLİK BİLİMLERİ DERGİSİ Cilt: 13 Sayı: 1 sh. 55-74 Oca 2011 STOKASTİK KULLANICI DENGESİ TRAFİK ATAMA PROBLEMİNİN SEZGİSEL METOTLAR KULLANILARAK ÇÖZÜLMESİ (HEURISTIC METHODS
DetaylıMAK 210 SAYISAL ANALİZ
MAK 210 SAYISAL ANALİZ BÖLÜM 6- İSTATİSTİK VE REGRESYON ANALİZİ Doç. Dr. Ali Rıza YILDIZ 1 İSTATİSTİK VE REGRESYON ANALİZİ Bütün noktalardan geçen bir denklem bulmak yerine noktaları temsil eden, yani
Detaylı9. İZOMORFİZMA TEOREMLERİ VE EŞLENİK ELEMANLAR. Aşağıdaki teorem Homomorfizma teoremi olarak da bilinir.
9. İZOMORFİZMA TEOREMLERİ VE EŞLENİK ELEMANLAR Aşağıdai teorem Homomorfizma teoremi olara da bilinir. Teoremi 9.. (.İzomorfizma Teoremi) f : G H bir grup homomorfizması olsun. Şu halde ( ) dir. Özel olara,
DetaylıTEK SERBESTLİK DERECELİ TİTREŞİM SİSTEMİNİN LAGUERRE POLİNOMLARI İLE MATRİS ÇÖZÜMÜ
EK SERBESLİK DERECELİ İREŞİM SİSEMİNİN LAGUERRE POLİNOMLARI İLE MARİS ÇÖZÜMÜ Mehmet ÇEVİK a, Nurcan BAYKUŞ b a Celal Bayar Üniversitesi Maine Mühendisliği Bölümü, Muradiye 454, Manisa. b Douz Eylül Üniversitesi,
Detaylı2. KISITLI KALMAN FİLTRELEME. 2.1 Ayrık Zaman Durum-Uzay Modellerinde Filtreleme Problemi Durum uzay modeli
. GİRİŞ Modern aseri operasyonlarda uzun menzilden ve gerçe zamanda ara hareetlerinin gözetlenebilme yeteneğinin önemi gidere artmatadır. 2 yılında yedi devlet ve NAO Danışma, Komuta ve Kontrol Ajansının,
DetaylıDinamik Programlama Tekniğindeki Gelişmeler
MADENCİLİK Aralı December 1991 Cilt Volume XXX Sayı No 4 Dinami Programlama Teniğindei Gelişmeler Developments in Dynamic Programming Technique Ercüment YALÇIN (*) ÖZET Bu yazıda, optimum nihai açı işletme
DetaylıAKADEMİK YAKLAŞIMLAR DERGİSİ JOURNAL OF ACADEMIC APPROACHES
Uluslararası Ham Petrol ve Altın Fiyatlarının Amerian Doları ile İlişisi: Amiri Bir Uygulama Mehmet Şentür 1 Yusuf Erem Abaş 2 Uğur Adıguzel 3 Özet Bu çalışmada, uluslararası altın ve etrol fiyatlarının
DetaylıUfuk Ekim Accepted: January 2011. ISSN : 1308-7231 yunal@selcuk.edu.tr 2010 www.newwsa.com Konya-Turkey
ISSN:1306-3111 e-journal of New World Sciences Academy 011, Volume: 6, Number: 1, Article Number: 1A0156 ENGINEERING SCIENCES Yavuz Ünal Received: October 010 Ufu Eim Accepted: January 011 Murat Kölü Series
Detaylıalphanumeric journal The Journal of Operations Research, Statistics, Econometrics and Management Information Systems
Available online at www.alphanumericournal.com alphanumeric ournal Volume 3, Issue 1, 2015 2015.03.01.OR.02 MATEMATİKSEL PROGRAMLAMA İLE TEDARİK ZİNCİRİ YÖNETİMİNDE ETKİNLİK PLANLAMASI Murat ATAN * Sibel
DetaylıDENEY 3. HOOKE YASASI. Amaç:
DENEY 3. HOOKE YASASI Amaç: ) Herhangi bir uvvet altındai yayın nasıl davrandığını araştırma ve bu davranışın Hooe Yasası ile tam olara açılandığını ispatlama. ) Kütle yay sisteminin salınım hareeti için
Detaylı1 MAKRO EKONOMİNİN DOĞUŞU
İÇİNDEKİLER ÖNSÖZ III Bölüm 1 MAKRO EKONOMİNİN DOĞUŞU ve TEMEL KAVRAMLAR 11 1.1.Makro Ekonominin Doğuşu 12 1.1.1.Makro Ekonominin Doğuş Süreci 12 1.1.2.Mikro ve Makro Ekonomi Ayrımı 15 1.1.3.Makro Analiz
DetaylıOCAK HAVALANDIRMA ŞEBEKE ANALİZİ İÇİN KOMBİNE BİR YÖNTEM (A COMBINED METHOD FOR THE ANALYSIS OF MINE VENTILATION NETWORKS)
ÖZET/ABSTRACT DEÜ MÜHENDİSLİK FAKÜLTESİ FEN ve MÜHENDİSLİK DERGİSİ Cilt: 2 Sayı: 2 sh. 49-54 Mayıs 2000 OCAK HAVALANDIRMA ŞEBEKE ANALİZİ İÇİN KOMBİNE BİR YÖNTEM (A COMBINED METHOD FOR THE ANALYSIS OF MINE
DetaylıAşınmadan aynalanan hasar, gelişmiş ülelerde gayri safi milli hasılanın % 1-4 ü arasında maliyete sebep olmata ve bu maliyetin % 36 sını abrasiv aşınm
TİMAK-Tasarım İmalat Analiz Kongresi 6-8 Nisan 006 - BALIKESİR RSM TEKNİĞİ UYGULANARAK DERLİN MALZEMESİNİN OPTİMUM AŞINMA DEĞERİNİN TAHMİN EDİLMESİ Aysun SAĞBAŞ 1, F.Bülent YILMAZ ve Fatih ALTINIŞIK 3
DetaylıMenemen Bölgesinde Rüzgar Türbinleri için Rayleigh ve Weibull Dağılımlarının Kullanılması
Politeni Dergisi Cilt:3 Sayı: 3 s. 09-3, 00 Journal of Polytechnic Vol: 3 No: 3 pp. 09-3, 00 Menemen Bölgesinde Rüzgar Türbinleri için Rayleigh ve Weibull Dağılımlarının Kullanılması Tevfi GÜLERSOY, Numan
DetaylıEME 3117 SİSTEM SIMÜLASYONU. Girdi Analizi. Özet İstatistikler ve Histogram (Minitab)(1) Örnek: Eczane İçin Servis Süreleri
EME 3117 1 2 Girdi Analizi SİSTEM SIMÜLASYONU Modellenecek sistemi (prosesi) dokümante et. Veri toplamak için bir plan geliştir. Veri topla. Verilerin grafiksel ve istatistiksel analizini yap. Girdi Analizi-I
DetaylıLOGRANK TESTİ İÇİN GÜÇ ANALİZİ VE ÖRNEK GENİŞLİĞİNİN HESAPLANMASI ÖZET
IAAOJ, Scientific Science, 05, 3(), 9-8 LOGRANK TESTİ İÇİN GÜÇ ANALİZİ VE ÖRNEK GENİŞLİĞİNİN HESAPLANMASI Nesrin ALKAN, Yüsel TERZİ, B. Barış ALKAN Sinop Üniversitesi, Fen Edebiyat Faültesi, İstatisti
DetaylıDÖVİZ KURU OYNAKLIĞI VE EKONOMİK BÜYÜME: TÜRKİYE ÖRNEĞİ EXCHANGE RATE VOLATILITY AND ECONOMIC GROWTH: THE CASE OF TURKEY
DÖVİZ KURU OYNAKLIĞI VE EKONOMİK BÜYÜME: TÜRKİYE ÖRNEĞİ EXCHANGE RATE VOLATILITY AND ECONOMIC GROWTH: THE CASE OF TURKEY Yrd.Doç.Dr. Hidayet ÜNLÜ Süleyman Demirel Üniversitesi İtisat Bölümü hidayetunlu@sdu.edu.tr
DetaylıIS- MP: Kısa Dönem Makroekonomik Model
IS- MP: Kısa Dönem Makroekonomik Model 13.10.2014 Bilgin Bari Toplam Talep Keynes (1936), The General Theory of Employment, Interest and Money Toplam Talep: Ekonomide talep edilen çıkmnın toplam miktarı.
DetaylıIJ ER ISSN:
IJ ER International Journal of Social Sciences and Education Research Online, http://dergipar.gov.tr/ijsser Volume: 3(5), 207 Hisse senedi fiyat endesi ile maroeonomi değişenler arasındai ilişinin analizi:
DetaylıEğitim ve Bilim. Cilt 40 (2015) Sayı 177 31-41. Türkiye deki Vakıf Üniversitelerinin Etkinlik Çözümlemesi. Anahtar Kelimeler.
Eğitim ve Bilim Cilt 40 (2015) Sayı 177 31-41 Türiye dei Vaıf Üniversitelerinin Etinli Çözümlemesi Gamze Özel Kadılar 1 Öz Oran analizi ve parametri yöntemlerin eğitim urumlarını ıyaslaren yetersiz alması
DetaylıGENETİK ALGORİTMALARDA TEK VE ÇOK NOKTALI ÇAPRAZLAMANIN SÖZDE RASSAL POPULASYONLARA ETKİSİ
GENETİK ALGORİTMALARDA TEK VE ÇOK NOKTALI ÇARAZLAMANIN SÖZDE RASSAL OULASYONLARA ETKİSİ ınar SANAÇ Ali KARCI Bilgisayar Mühendisliği Bölümü Mühendisli Faültesi Fırat Üniversitesi 239 Elazığ ÖZET Geneti
DetaylıMOBİL ROBOTLARIN BİNA İÇİ KOŞULLARDA ULAŞMA ZAMANI KULLANILARAK KABLOSUZ LOKALİZASYONU
ÖHÜ Müh. Bilim. Derg. / OHU J. Eng. Sci. ISSN: 2564-6605 doi: 10.28948/ngumuh.364850 Ömer Halisdemir Üniversitesi Mühendisli Bilimleri Dergisi, Cilt 7, Sayı 1, (2018), 99-119 Omer Halisdemir University
DetaylıMalzeme Bağıyla Konstrüksiyon
Shigley s Mechanical Engineering Design Richard G. Budynas and J. Keith Nisbett Malzeme Bağıyla Konstrüsiyon Hazırlayan Prof. Dr. Mehmet Fırat Maine Mühendisliği Bölümü Saarya Üniversitesi Çözülemeyen
DetaylıYÜKSEK LİSANS TEZİ. Mak. Müh. Fatih SÜZEK
İSTANBUL TEKNİK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ TÜRKİYE RÜZGAR ENERJİSİ POTANSİYELİNİN BELİRLENMESİ YÜKSEK LİSANS TEZİ Ma. Müh. Fatih SÜZEK Anabilim Dalı : MAKİNA MÜHENDİSLİĞİ Programı : ISI - AKIŞKAN
DetaylıANKARA İLİ DELİCE İLÇESİ KÖPRÜSÜNÜN CPM METODU İLE MÜHENDİSLİK KRİTERLERİNİN BELİRLENMESİ
P A M U K K A L E Ü N İ V E R S İ T E S İ M Ü H E N D İ S L İ K F A K Ü L T E S İ P A M U K K A L E U N I V E R S I T Y E N G I N E E R I N G C O L L E G E M Ü H E N D İ S L İ K B İ L İ M L E R İ D E R
DetaylıBKİ farkı Standart Sapması (kg/m 2 ) A B BKİ farkı Ortalaması (kg/m 2 )
4. SUNUM 1 Gözlem ya da deneme sonucu elde edilmiş sonuçların, rastlantıya bağlı olup olmadığının incelenmesinde kullanılan istatistiksel yöntemlere HİPOTEZ TESTLERİ denir. Sonuçların rastlantıya bağlı
DetaylıANKARA İLİ DELİCE İLÇESİ KÖPRÜSÜNÜN CPM METODU İLE MÜHENDİSLİK KRİTERLERİNİN BELİRLENMESİ
PAMUKKALE ÜNÝVERSÝTESÝ MÜHENDÝSLÝK YIL FAKÜLTESÝ PAMUKKALE UNIVERSITY ENGINEERING CÝLT COLLEGE MÜHENDÝSLÝK BÝLÝMLERÝ SAYI DERGÝSÝ JOURNAL OF ENGINEERING SAYFA SCIENCES : 1995 : 1 : 2-3 : 95-103 ANKARA
DetaylıFİNANSAL KALKINMA, TİCARİ AÇIKLIK VE EKONOMİK BÜYÜME ARASINDAKİ İLİŞKİ: TÜRKİYE ÜZERİNE BİR ANALİZ
FİNANSAL KALKINMA, TİCARİ AÇIKLIK VE EKONOMİK BÜYÜME ARASINDAKİ İLİŞKİ: TÜRKİYE ÜZERİNE BİR ANALİZ Salih TÜREDİ * Metin BERBER ** ÖZ Bu çalışmada, finansal alınma ve ticari açılı ile eonomi büyüme ilişisi,
DetaylıZaman Serileri-1. If you have to forecast, forecast often. EDGAR R. FIEDLER, American economist. IENG 481 Tahmin Yöntemleri Dr.
Zaman Serileri-1 If you have to forecast, forecast often. EDGAR R. FIEDLER, American economist IENG 481 Tahmin Yöntemleri Dr. Hacer Güner Gören Zaman Serisi nedir? Kronolojik sırayla elde edilen verilere
DetaylıA İSTATİSTİK KPSS-AB-PÖ/2007. 1. X rasgele değişkeninin olasılık fonksiyonu. 4. X sürekli raslantı değişkeninin birikimli dağılım fonksiyonu,
. X rasgele değişeninin olasılı fonsiyonu f( x) = c(x + 5), x =,, 0, diğer hâllerde olduğuna göre, c nin değeri açtır? A İSTATİSTİK KPSS-AB-PÖ/007. X süreli raslantı değişeninin biriimli dağılım fonsiyonu,
DetaylıFarklı Madde Puanlama Yöntemlerinin ve Farklı Test Puanlama Yöntemlerinin Karşılaştırılması
Eğitimde ve Psiolojide Ölçme ve Değerlendirme Dergisi, Yaz 200, (), -8 Farlı Madde Puanlama Yöntemlerinin ve Farlı Test Puanlama Yöntemlerinin Karşılaştırılması Halil YURDUGÜL * Hacettepe Üniversitesi
DetaylıAçık işletme Dizaynı için Uç Boyutlu Dinamik Programlama Tekniği
MADENCİLİK Haziran June 1991 Cilt Volume XXX Sayı No 2 Açı işletme Dizaynı için Uç Boyutlu Dinami Programlama Teniği A Three Dimensional Dynamic Programming Technique for Open Pit Design Ercüment YALÇE\(*)
DetaylıBulanık Hedef Programlama Yöntemi ile Süre-Maliyet-Kalite Eniyilemesi
Bulanı Programlama Yöntemi ile Süre-- Eniyilemesi Eran Karaman, Serdar Kale BAÜ Mühendisli Mimarlı Faültesi, 045, Çağış, Balıesir Tel: (266) 62 94 E-posta: earaman@baliesir.edu.tr sale@baliesir.edu.tr
DetaylıDers 9: Kitle Ortalaması ve Varyansı için Tahmin
Ders 9: Kitle Ortalaması ve Varyansı için Tahmin Kitle ve Örneklem Örneklem Dağılımı Nokta Tahmini Tahmin Edicilerin Özellikleri Kitle ortalaması için Aralık Tahmini Kitle Standart Sapması için Aralık
Detaylı3. TAHMİN En Küçük Kareler (EKK) Yöntemi 1
3. TAHMİN 3.1. En Küçük Kareler (EKK) Yöntemi 1 En Küçük Kareler (EKK) yöntemi, regresyon çözümlemesinde en yaygın olarak kullanılan, daha sonra ele alınacak bazı varsayımlar altında çok aranan istatistiki
DetaylıÖrneklemden elde edilen parametreler üzerinden kitle parametreleri tahmin edilmek istenmektedir.
ÇIKARSAMALI İSTATİSTİKLER Çıkarsamalı istatistikler, örneklemden elde edilen değerler üzerinde kitleyi tanımlamak için uygulanan istatistiksel yöntemlerdir. Çıkarsamalı istatistikler; Tahmin Hipotez Testleri
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık - I Prof. Dr. İrfan KAYMAZ Tanım Tahmin (kes1rim veya öngörü): Mevcut bilgi ve deneylere dayanarak olayın bütünü hakkında bir yargıya varmak7r. ü Bu anlamda, anakütleden çekilen
Detaylıbiçiminde standart halde tanımlı olsun. Bu probleme ilişkin simpleks tablosu aşağıdaki gibidir
KONU 6: DOĞRUSAL PROGRAMLAMA MODELİ İÇİN ÇÖZÜM YÖNTEMLERİ III 6 Siples Tablo Siples algoritasında en ii çözü, verilen dpp için bir teel ugun çözüden başlanara, ardışı saısal işlelerle araştırılır Bu işleler,
DetaylıHatalar Bilgisi ve İstatistik Ders Kodu: Kredi: 3 / ECTS: 5
Ders Kodu: 0010070021 Kredi: 3 / ECTS: 5 Yrd. Doç. Dr. Serkan DOĞANALP Necmettin Erbakan Üniversitesi Harita Mühendisliği Bölümü Konya 07.01.2015 1 Giriş 2 Giriş Matematiksel istatistiğin konusu yığın
DetaylıRusya Borsası nın Petrol Fiyatlarına Bağımlılığı Dependence on Oil Prices of Russian Stock Market
632 INTERNATIONAL CONFERENCE ON EURASIAN ECONOMIES 2016 Rusya Borsası nın Petrol Fiyatlarına Bağımlılığı Dependence on Oil Prices of Russian Stoc Maret Asst. Prof. Dr. Dile Özdemir (Atatür University,
DetaylıYÖNEYLEM ARAŞTIRMASI - III
YÖNEYLEM ARAŞTIRMASI - III Prof. Dr. Cemalettin KUBAT Yrd. Doç. Dr. Özer UYGUN İçerik (Eşitlik Kısıtlı Türevli Yöntem) Bu metodu incelemek için Amaç fonksiyonu Min.z= f(x) Kısıtı g(x)=0 olan problemde
DetaylıÜç Boyutlu Ağların Dengelenmesi
Prof. Dr. Ergün ÖTÜ Jeodezi oloyumu, TMMOB-HMO, 5 Mart, ocaeli. Üç Boyutlu Ağların Dengelenmesi Orhan urt ocaeli Üniversitesi, Mühendisli Faültesi, Harita Mühendisliği Bölümü,, ocaeli. Günümüzde, eodezi
DetaylıMeslek lisesi ve devlet lisesine giden N tane öğrenci olduğu ve bunların yıllık okul harcamalarına ait verilerin olduğu varsayılsın.
KUKLA DEĞİŞKENLİ MODELLER Bir kukla değişkenli modeller (Varyans Analiz Modelleri) Kukla değişkenlerin diğer kantitatif değişkenlerle alındığı modeller (Kovaryans Analizi Modeller) Kukla değişkenlerin
DetaylıÖABT LİSE MATEMATİK KPSS 2016 ANALİZ DİFERANSİYEL DENKLEMLER. Eğitimde
ÖABT LİSE KPSS 2016 Pegem Aademi Sınav Komisyonu; 2015 KPSS ye Pegem Yayınları ile hazırlanan adayların, 40'ın üzerinde soruyu olaylıla çözebildiğini açıladı. MATEMATİK ANALİZ DİFERANSİYEL DENKLEMLER Eğitimde
DetaylıZaman Serisi Verileriyle Regresyon Analizi
Zaman Serisi Verileriyle Regresyon Analizi Hüseyin Taştan 1 1 Yıldız Teknik Üniversitesi Iktisat Bölümü Textbook: Introductory Econometrics (4th ed.) J. Wooldridge 13 Mart 2013 Ekonometri II: Zaman Serisi
Detaylı2. TRANSFORMATÖRLER. 2.1 Temel Bilgiler
. TRANSFORMATÖRLER. Temel Bilgiler Transformatörlerde hareet olmadığından dolayı sürtünme ve rüzgar ayıpları mevcut değildir. Dolayısıyla transformatörler, verimi en yüse (%99 - %99.5) olan eletri maineleridir.
DetaylıINTERNATIONAL JOURNAL OF ECONOMIC STUDIES
INTERNATIONAL JOURNAL OF ECONOMIC STUDIES ULUSLARARASI EKONOMİK ARAŞTIRMALAR DERGİSİ December 2017, Vol:3, Issue:4 Aralı 2017, Cilt:3, Sayı:4 e-issn: 2149-8377 p-issn: 2528-9942 journal homepage: www.eonomiarastirmalar.org
DetaylıBAġKENT ÜNĠVERSĠTESĠ FEN BĠLĠMLERĠ ENSTĠTÜSÜ. ÇOKLU MODEL PARÇACIK FĠLTRELERĠNDE AĞIRLIKLANDIRILMIġ ĠSTATĠSTĠKSEL MODEL SEÇĠMĠ MURAT BARKAN UÇAR
BAġKENT ÜNĠVERSĠTESĠ FEN BĠLĠMLERĠ ENSTĠTÜSÜ ÇOKLU MODEL PARÇACIK FĠLTRELERĠNDE AĞIRLIKLANDIRILMIġ ĠSTATĠSTĠKSEL MODEL SEÇĠMĠ MURAT BARKAN UÇAR YÜKSEK LĠSANS TEZĠ 2015 ÇOKLU MODEL PARÇACIK FĠLTRELERĠNDE
DetaylıNiğde Üniversitesi İİBF Dergisi, 2014, Cilt: 7, Sayı: 1, s
Niğde Üniversesi İİBF Dergisi, 2014, Cilt: 7, Sayı: 1, s.1-12 1 SABİT SERMAYE YATIRIMLARI VE EKONOMİK BÜYÜME İLİŞKİSİ: PANEL NEDENSELLİK ANALİZİ ÖZ Ahmet ŞAHBAZ 1 Bu çalışmada sab sermeye yatırımları ve
DetaylıDOĞRUSAL ZAMAN SERİSİ MODELLERİ. Durağan ARIMA Modelleri: Otoregresiv Modeller AR(p) Süreci
DOĞRUSAL ZAMAN SERİSİ MODELLERİ Durağan ARIMA Modelleri: Otoregresiv Modeller AR(p) Süreci Tek Değişkenli Zaman Serisi Modelleri Ekonomik verilerin analizi ile ekonomik değişkenlerin gelecekte alabilecekleri
DetaylıUyarlı Kokusuz Kalman Filtresi
Uyarlı Kokusuz Kalman Filtresi Esin KÖKSAL BABACAN 1,*, Levent ÖZBEK 1, Cenker BİÇER 1 1 Ankara Üniversitesi Fen Fakültesi İstatistik Bölümü, Sistem Belirleme ve Simülasyon Laboratuarı, 06100 Tandoğan/ANKARA
DetaylıFİNANSAL RİSK ANALİZİNDE KARMA DAĞILIM MODELİ YAKLAŞIMI * Mixture Distribution Approach in Financial Risk Analysis
FİNANSAL RİSK ANALİZİNDE KARMA DAĞILIM MODELİ YAKLAŞIMI * Mixture Distribution Approach in Financial Risk Analysis Keziban KOÇAK İstatistik Anabilim Dalı Deniz ÜNAL İstatistik Anabilim Dalı ÖZET Son yıllarda
Detaylı