AR. GÖR. SİBEL AL PROF. DR. HÜLYA ÇINGI HACETTPE ÜNİVERSİTESİ İSTATİSTİK BÖLÜMÜ

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "AR. GÖR. SİBEL AL PROF. DR. HÜLYA ÇINGI HACETTPE ÜNİVERSİTESİ İSTATİSTİK BÖLÜMÜ"

Transkript

1 AR. GÖR. SİBEL AL PROF. DR. HÜLYA ÇINGI HACETTPE ÜNİVERSİTESİ İSTATİSTİK BÖLÜMÜ

2 Genel bilgiler Yöntemin tanımı İki safhalı örnekleme yönteminde medyan tahmin edicileri Tahmin edicilerin etkinlikleri Sayısal örnek Sonuç

3 Medyan bir dağılımı iki eşit parçaya bölen merkezsel bir konum ölçüsüdür. Eğer verilerin dağılımı simetrik olmayıp çarpıklık gösteriyorsa medyan değeri tercih edilen merkezsel konum ölçüsü olarak kullanılır ve medyanın ortalama değerinden daha uygun bir ölçü olduğu kabul edilir. Medyan değerinin bulunması için öncelikle verilerin küçükten büyüğe doğru sıralanması gerekir. Gelir, gider gibi değişkenlerin yer aldığı örnekleme çalışmalarında, değişkenler oldukça çarpık dağıldığı için medyan tahmin edicileri ortalama tahmin edicilerine göre daha çok kullanılır

4 Kitleye ilişkin çeşitli parametrelerin tahmin edilmesinde yardımcı değişken bilgisinin kullanımına sık rastlanılır. Ancak bazı çalışmalarda yardımcı değişkene ilişkin kitle bilgisine ulaşılamadığından iki safhalı örnekleme yöntemi kullanılır. İki safhalı örnekleme yönteminde, ilk aşamada X yardımcı değişkenine ait bilgilerin tahmini için ön örneklem seçilir. İkinci aşamada ise ön örneklemden Y değişkeninin tahmin edilmesi için alt örneklem seçilir

5 Tahmin edicilere ilişkin yan ve hata kareler ortalama (HKO) değerlerini bulmak için fark yönteminden yararlanılmaktadır

6

7

8

9 Singh, Joarder ve Tracy (2001), Srivastava (1971) ve Srivastava ve Jhajj (1981) nin önermiş oldukları ortalama için genelleştirilmiş tahmin edici sınıflarına benzer şekilde medyan tahmini için eşitlikte görüldüğü gibi bir genelleştirilmiş tahmin edici sınıfı önermişlerdir

10 Singh ve Joarder (2001)

11 Singh, Joarder ve Tracy (2001)

12

13

14

15 Gupta, Shabbir ve Ahmad (2008) iki yardımcı değişken bilgisinden yararlanarak ve Z yardımcı değişkenine ilişkin dağılım genişliğinin bilindiği varsayımı altında yeni bir tahmin edici önermişlerdir

16

17

18 Uygulamada Çıngı, Kadılar ve Koçberber in yaptıkları Türkiye genelinde ilk ve orta öğretim olanaklarının incelenmesi ve çözüm önerilerinin getirilmesi konulu projede kullanılan öğretim yılında MEB in okullardan derlediği eğitim verileri kullanılmıştır. Projede eğitim olanaklarına göre gelişmişlik düzeyleri belirlenmiştir. Y: 2006 yılında orta düzeydeki ilçelerde ÖSS ye yerleşen öğrenci sayısı X: Orta düzeydeki ilçelerde orta öğretimdeki toplam derslik sayısı Z: Orta düzeydeki ilçelerde ÖSS ye hazırlık dershane sayısı

19 X (σ=1,2737, μ=3,9475~log-normal) Y (σ=1,7054, μ=5,2523~log-normal) Z (α=1,1807, β=0,99706~log-lojistik)

20

21 Gross T. S., (1980), Median Estimation in Sample Surveys. Proc. Surv. Res. Meth. Sect.. Amer. Statist. Ass., Gupta S., Shabbir J., Ahmad S., (2008), Estimation of Median in Two-Phase Sampling Using Two Auxiliary Variables. Commun. Statist. Theory Methods 37, Çıngı, H., 1994, Örnekleme Kuramı. H.Ü.Fen Fakültesi Basımevi, Beytepe. Çıngı H., Kadılar C., Koçberber G., (2007), Türkiye Genelinde İlk ve Orta Öğretim Olanaklarının İncelenmesi ve Belirlenen Aksaklıklara Çözüm Önerilerinin Getirilmesi. TÜBİTAK, SOBAG, 106K077. Kadılar C., Çıngı H., (2006), Ratio Estimators for the Population Variance in Simple and Stratified Random Sampling, Applied Mathematics and Computation, 173, 2, Kadılar C., Ünyazıcı Y., Çıngı H., (2009), Ratio Estimator for the Population Mean Using Ranked Set Sampling, Statistical Papers, 50: Singh, S., Joarder, A., Tracy, D. S., (2001), Median Estimation Using Double Sampling. Austral. & New Zealand J. Statistics, 43, 1, Singh, S., Joarder, A., (2001), Estimation of Distribution Function and Median in Two Phase Sampling. Techinal Report Series TR270. Singh, H. P., Singh, S., Puertas, S., (2003), Ratio Type Estimators for he Median of Finite Populations. Allgemenius Statistisches Archiv, 87, Singh,S., Singh, H. P., Upadhyaya, L. N., (2006), Chain Ratio and Regression Type Estimators for Median Estimation in Survey Sampling. Statistical Papers, 48, Srivastava, S. K., (1971), A Generalized Estimator for the Mean of a Finite Population Using Multi- Auxiliary Information. Journal of the American Statistical Association, 66, 334, Srivastava, S. K., Jhajj, H. S.,(1981), A Class of Estimators of the Population Mean in Survey Sampling Using Auxiliary Information. Biometrika, 68,

22 AR. GÖR. SİBEL AL PROF. DR. HÜLYA ÇINGI HACETTPE ÜNİVERSİTESİ İSTATİSTİK BÖLÜMÜ

Degree Department Üniversity Year B.S. Statistics Gazi University 1993 M.s. Statistics Gazi University 1998 Ph.D. Statistics Gazi University 2005

Degree Department Üniversity Year B.S. Statistics Gazi University 1993 M.s. Statistics Gazi University 1998 Ph.D. Statistics Gazi University 2005 Gazi University Faculty of Science Department of Statistics 06500 Teknikokullar ANKARA/TURKEY Tel:+903122021479 e-mail: yaprak@gazi.edu.tr Web site: www.gazi.edu.tr/yaprak EDUCATION Degree Department Üniversity

Detaylı

BASİT RASGELE ÖRNEKLEME YÖNTEMİNDE MEDYAN TAHMİN EDİCİLERİ AR. GÖR. SİBEL AL PROF. DR. HÜLYA ÇINGI HACETTEPE ÜNİVERSİTESİ İSTATİSTİK BÖLÜMÜ

BASİT RASGELE ÖRNEKLEME YÖNTEMİNDE MEDYAN TAHMİN EDİCİLERİ AR. GÖR. SİBEL AL PROF. DR. HÜLYA ÇINGI HACETTEPE ÜNİVERSİTESİ İSTATİSTİK BÖLÜMÜ BASİT RASGELE ÖRNEKLEE ÖNTEİNDE EDAN TAHİN EDİCİLERİ AR. GÖR. SİBEL AL PROF. DR. HÜLA ÇINGI HACETTEPE ÜNİVERSİTESİ İSTATİSTİK BÖLÜÜ Kapsam Gnl bilgilr BRÖ yöntmind mdyan tahmin dicilri Tahmin dicilrin

Detaylı

Sıralı Küme Örneklemesi Yöntemiyle Yığın Parametrelerinin Tahmini: Sigortacılıkta Bir Uygulama

Sıralı Küme Örneklemesi Yöntemiyle Yığın Parametrelerinin Tahmini: Sigortacılıkta Bir Uygulama BSAD Bankacılık ve Sigortacılık Araştırmaları Dergisi Cilt, Sayı, ss.-56 Telif Hakkı Ankara Üniversitesi Beypazarı eslek Yüksekokulu Sıralı Küme Örneklemesi Yöntemiyle Yığın Parametrelerinin Tahmini: Sigortacılıkta

Detaylı

Istatistik ( IKT 253) 4. Çal şma Sorular - Cevaplar 7. CHAPTER (DISTRIBUTION OF SAM- PLE STATISTICS) 1 Ozan Eksi, TOBB-ETU

Istatistik ( IKT 253) 4. Çal şma Sorular - Cevaplar 7. CHAPTER (DISTRIBUTION OF SAM- PLE STATISTICS) 1 Ozan Eksi, TOBB-ETU TOBB-ETÜ, Iktisat Bölümü Istatistik ( IKT 253) 4. Çal şma Sorular - Cevaplar 7. CHAPTER (DISTRIBUTION OF SAM- PLE STATISTICS) 1 Soru 1-(Sampling Distribution of Sample Means): Bir bölgedeki evlerin ortalama

Detaylı

İSTATİSTİK MHN3120 Malzeme Mühendisliği

İSTATİSTİK MHN3120 Malzeme Mühendisliği İSTATİSTİK MHN3120 Malzeme Mühendisliği CBÜ - Malzeme Mühendisliği Bölümü Ofis: Mühendislik Fakültesi A Blok Ofis no:311 Tel: 0 236 2012404 E-posta :emre.yalamac@cbu.edu.tr YARDIMCI KAYNAKLAR Mühendiler

Detaylı

QUANTILE REGRESYON * Quantile Regression

QUANTILE REGRESYON * Quantile Regression QUANTILE REGRESYON * Quantile Regression Fikriye KURTOĞLU İstatistik Anabilim Dalı Olcay ARSLAN İstatistik Anabilim Dalı ÖZET Bu çalışmada, Lineer Regresyon analizinde kullanılan en küçük kareler yöntemine

Detaylı

Örnek 4.1: Tablo 2 de verilen ham verilerin aritmetik ortalamasını hesaplayınız.

Örnek 4.1: Tablo 2 de verilen ham verilerin aritmetik ortalamasını hesaplayınız. .4. Merkezi Eğilim ve Dağılım Ölçüleri Merkezi eğilim ölçüleri kitleye ilişkin bir değişkenin bütün farklı değerlerinin çevresinde toplandığı merkezi bir değeri gösterirler. Dağılım ölçüleri ise değişkenin

Detaylı

Rastgeleleştirilmiş Cevap Modelinde Oran Tahmini

Rastgeleleştirilmiş Cevap Modelinde Oran Tahmini www.istatistikciler.org İstatistikçiler Dergisi: İstatistik&Aktüerya 7 (2014) 29-36 Đstatistikçiler Dergisi: Đstatistik&Aktüerya Rastgeleleştirilmiş Cevap Modelinde Oran Tahmini Sevil Bacanlı Hacettepe

Detaylı

Ch. 5: SEKK (OLS) nin Asimptotik Özellikleri

Ch. 5: SEKK (OLS) nin Asimptotik Özellikleri Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Notları Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. ed., 2002, Thomson Learning. Ch. 5: SEKK (OLS) nin Asimptotik

Detaylı

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. ed., 2002, Thomson Learning. Ch. 5: SEKK (OLS) nin Asimptotik Özellikleri

Detaylı

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. ed., 2002, Thomson Learning. Ch. 5: SEKK (OLS) nin Asimptotik Özellikleri

Detaylı

Konum ve Dağılım Ölçüleri. BBY606 Araştırma Yöntemleri Güleda Doğan

Konum ve Dağılım Ölçüleri. BBY606 Araştırma Yöntemleri Güleda Doğan Konum ve Dağılım Ölçüleri BBY606 Araştırma Yöntemleri Güleda Doğan Konum ölçüleri Merkezi eğilim ölçüleri Verilerin ortalamaya göre olan gruplanması nasıl? Yakın, uzak? Sıklık dağılımlarının karşılaştırılması

Detaylı

YANLILIK. Yanlılık örneklem istatistiği değerlerinin evren parametre değerinden herhangi bir sistematik sapması olarak tanımlanır.

YANLILIK. Yanlılık örneklem istatistiği değerlerinin evren parametre değerinden herhangi bir sistematik sapması olarak tanımlanır. AED 310 İSTATİSTİK YANLILIK Yanlılık örneklem istatistiği değerlerinin evren parametre değerinden herhangi bir sistematik sapması olarak tanımlanır. YANLILIK Yanlı bir araştırma tasarımı uygulandığında,

Detaylı

ÖZGEÇMİŞ. : :

ÖZGEÇMİŞ. : : 1. Adı Soyadı : Fatma Zehra DOĞRU ÖZGEÇMİŞ Adres Telefon E-posta : Giresun Üniversitesi, İktisadi ve İdari Bilimler Fakültesi, Ekonometri Bölümü, GİRESUN : 04543105411 : fatma.dogru@giresun.edu.tr 2. Doğum

Detaylı

Ekonometri I VARSAYIMLARI

Ekonometri I VARSAYIMLARI Ekonometri I ÇOK DEĞİŞKENLİ REGRESYON MODELİNİN VARSAYIMLARI Hüseyin Taştan Temmuz 23, 2006 İçindekiler 1 Varsayım MLR.1: Parametrelerde Doğrusallık 1 2 Varsayım MLR.2: Rassal Örnekleme 1 3 Varsayım MLR.3:

Detaylı

OLASILIK ve KURAMSAL DAĞILIMLAR

OLASILIK ve KURAMSAL DAĞILIMLAR OLASILIK ve KURAMSAL DAĞILIMLAR Kuramsal Dağılımlar İstatistiksel çözümlemelerde; değişkenlerimizin dağılma özellikleri, çözümleme yönteminin seçimi ve sonuçlarının yorumlanmasında önemlidir. Dağılma özelliklerine

Detaylı

Sıralı küme örneklemesi altında farklı bootstrap yöntemleri ile yığın ortalaması için güven aralığı

Sıralı küme örneklemesi altında farklı bootstrap yöntemleri ile yığın ortalaması için güven aralığı SAKARYA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ DERGİSİ SAKARYA UNIVERSITY JOURNAL OF SCIENCE e-issn: 147-835 Dergi sayfası: http://dergipark.gov.tr/saufenbilder Geliş/Received 0-03-017 Kabul/Accepted 05-09-017

Detaylı

İÇİNDEKİLER ÖNSÖZ... Örneklem Genişliğinin Elde edilmesi... 1

İÇİNDEKİLER ÖNSÖZ... Örneklem Genişliğinin Elde edilmesi... 1 İÇİNDEKİLER ÖNSÖZ... v 1. BÖLÜM Örneklem Genişliğinin Elde edilmesi... 1 1.1. Kitle ve Parametre... 1 1.2. Örneklem ve Tahmin Edici... 2 1.3. Basit Rastgele Örnekleme... 3 1.4. Tabakalı Rastgele Örnekleme...

Detaylı

Cevaplamama Hatası ve Ortalama Tahmini Üzerindeki Etkisinin İncelenmesi: İki Alt Grup Çalışması

Cevaplamama Hatası ve Ortalama Tahmini Üzerindeki Etkisinin İncelenmesi: İki Alt Grup Çalışması Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü Dergisi Suleyman Demirel University Journal of Natural and Applied Science 18(2), 54-63, 2014 Cevaplamama Hatası ve Ortalama Tahmini Üzerindeki Etkisinin

Detaylı

İstatistikçiler Dergisi

İstatistikçiler Dergisi www.istatistikciler.org İstatistikçiler Dergisi (28) 6-22 İstatistikçiler Dergisi COX REGRESYON MODELİ VE AKCİĞER KANSERİ VERİLERİ İLE BİR UYGULAMA Durdu KARASOY Hacettepe Üniversitesi Fen Fakültesi İstatistik

Detaylı

Nicel / Nitel Verilerde Konum ve Değişim Ölçüleri. BBY606 Araştırma Yöntemleri 2013-2014 Bahar Dönemi 13 Mart 2014

Nicel / Nitel Verilerde Konum ve Değişim Ölçüleri. BBY606 Araştırma Yöntemleri 2013-2014 Bahar Dönemi 13 Mart 2014 Nicel / Nitel Verilerde Konum ve Değişim Ölçüleri BBY606 Araştırma Yöntemleri 2013-2014 Bahar Dönemi 13 Mart 2014 1 Konum ölçüleri Merkezi eğilim ölçüleri Verilerin ortalamaya göre olan gruplanması nasıl?

Detaylı

Ders 8: Verilerin Düzenlenmesi ve Analizi

Ders 8: Verilerin Düzenlenmesi ve Analizi Ders 8: Verilerin Düzenlenmesi ve Analizi Betimsel İstatistik Merkezsel Eğilim Ölçüleri Dağılım Ölçüleri Grafiksel Gösterimler Bir kitlenin tamamını, ya da kitleden alınan bir örneklemi özetlemekle (betimlemekle)

Detaylı

Hatalar Bilgisi ve İstatistik Ders Kodu: Kredi: 3 / ECTS: 5

Hatalar 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

Detaylı

Copyright 2004 Pearson Education, Inc. Slide 1

Copyright 2004 Pearson Education, Inc. Slide 1 Slide 1 Bölüm 2 Verileri Betimleme, Keşfetme, ve Karşılaştırma 2-1 Genel Bakış 2-2 Sıklık Dağılımları 2-3 Verilerin Görselleştirilmesi 2-4 Merkezi Eğilim Ölçüleri 2-5 Değişimin Ölçülmesi 2-6 Nispi Sabitlerin

Detaylı

BÖLÜM 5 MERKEZİ EĞİLİM ÖLÇÜLERİ

BÖLÜM 5 MERKEZİ EĞİLİM ÖLÇÜLERİ 1 BÖLÜM 5 MERKEZİ EĞİLİM ÖLÇÜLERİ Gözlenen belli bir özelliği, bu özelliğe ilişkin ölçme sonuçlarını yani verileri kullanarak betimleme, istatistiksel işlemlerin bir boyutunu oluşturmaktadır. Temel sayma

Detaylı

Parametrik Olmayan İstatistiksel Yöntemler

Parametrik Olmayan İstatistiksel Yöntemler Parametrik Olmayan İstatistiksel Yöntemler IST-4035 1. Ders DEÜ İstatistik Bölümü 2018 Güz 1 Dersin Amacı Yaygın olarak kullanılan parametrik olmayan istatistiksel yöntemleri tanıtmaktır. Temel kavramların

Detaylı

SIRALI KÜME ÖRNEKLEMESİ ALTINDA FARKLI BOOTSTRAP YÖNTEMLERİ İLE YIĞIN ORTALAMASI İÇİN GÜVEN ARALIĞI

SIRALI KÜME ÖRNEKLEMESİ ALTINDA FARKLI BOOTSTRAP YÖNTEMLERİ İLE YIĞIN ORTALAMASI İÇİN GÜVEN ARALIĞI Sakarya Üniversitesi Fen Bilimleri Enstitüsü Dergisi, Vol(No): pp, year SAKARYA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ DERGİSİ SAKARYA UNIVERSITY JOURNAL OF SCIENCE e-issn: 2147-835X Dergi sayfası: http://dergipark.gov.tr/saufenbilder

Detaylı

BİYOİSTATİSTİK Örnekleme ve Örnekleme Yöntemleri Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH

BİYOİSTATİSTİK Örnekleme ve Örnekleme Yöntemleri Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH BİYOİSTATİSTİK Örnekleme ve Örnekleme Yöntemleri Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH Ege Üniversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr 1 Araştırmalarda

Detaylı

SPSS (Statistical Package for Social Sciences)

SPSS (Statistical Package for Social Sciences) SPSS (Statistical Package for Social Sciences) SPSS Data Editor: Microsoft Excel formatına benzer satır ve sütunlardan oluşan çalışma sayfası (*sav) Data Editör iki arayüzden oluşur. 1. Data View 2. Variable

Detaylı

Sürekli Rastsal Değişkenler

Sürekli Rastsal Değişkenler Sürekli Rastsal Değişkenler Normal Dağılım: Giriş Normal Dağılım: Tamamen ortalaması ve standart sapması ile tanımlanan bir rastsal değişken, X, için oluşturulan sürekli olasılık dağılımına normal dağılım

Detaylı

Appendix B: Olasılık ve Dağılım Teorisi

Appendix B: Olasılık ve Dağılım Teorisi Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Notları Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix B: Olasılık ve Dağılım

Detaylı

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix B: Olasılık ve Dağılım Teorisi

Detaylı

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix B: Olasılık ve Dağılım Teorisi

Detaylı

ISSN: Yıl /Year: 2017 Cilt(Sayı)/Vol.(Issue): 1(Özel) Sayfa/Page: Araştırma Makalesi Research Article

ISSN: Yıl /Year: 2017 Cilt(Sayı)/Vol.(Issue): 1(Özel) Sayfa/Page: Araştırma Makalesi Research Article VII. Bahçe Ürünlerinde Muhafaza ve Pazarlama Sempozyumu, 04-07 Ekim 2016 ISSN: 2148-0036 Yıl /Year: 2017 Cilt(Sayı)/Vol.(Issue): 1(Özel) Sayfa/Page: 173-180 Araştırma Makalesi Research Article Akdeniz

Detaylı

Ders 9: Kitle Ortalaması ve Varyansı için Tahmin

Ders 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

Detaylı

Örneklemden elde edilen parametreler üzerinden kitle parametreleri tahmin edilmek istenmektedir.

Örneklemden 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

Detaylı

ÖZGEÇMİŞ. 1. Adı Soyadı : Kamile ŞANLI KULA İletişim Bilgileri : Ahi Evran Üniversitesi, Fen Edebiyat Fakültesi, Adres Matematik Bölümü, KIRŞEHİR

ÖZGEÇMİŞ. 1. Adı Soyadı : Kamile ŞANLI KULA İletişim Bilgileri : Ahi Evran Üniversitesi, Fen Edebiyat Fakültesi, Adres Matematik Bölümü, KIRŞEHİR Resim ÖZGEÇMİŞ 1. Adı Soyadı : Kamile ŞANLI KULA İletişim Bilgileri : Ahi Evran Üniversitesi, Fen Edebiyat Fakültesi, Adres Matematik Bölümü, KIRŞEHİR Telefon : 386 280 45 50 Mail : kskula@ahievran.edu.tr

Detaylı

İSTATİSTİKSEL DARALTICI (SHRINKAGE) MODEL VE UYGULAMALARI * A Statistical Shrinkage Model And Its Applications*

İSTATİSTİKSEL DARALTICI (SHRINKAGE) MODEL VE UYGULAMALARI * A Statistical Shrinkage Model And Its Applications* Ç.Ü. Fen Bilimleri Enstitüsü Yıl:010 Cilt:-1 İSTATİSTİKSEL DARALTICI (SHRINKAGE) MODEL VE UYGULAMALARI * A Statistical Shrinkage Model And Its Applications* Işıl FİDANOĞLU İstatistik Anabilim Dalı Fikri

Detaylı

TEMEL İSTATİSTİKİ KAVRAMLAR YRD. DOÇ. DR. İBRAHİM ÇÜTCÜ

TEMEL İSTATİSTİKİ KAVRAMLAR YRD. DOÇ. DR. İBRAHİM ÇÜTCÜ TEMEL İSTATİSTİKİ KAVRAMLAR YRD. DOÇ. DR. İBRAHİM ÇÜTCÜ 1 İstatistik İstatistik, belirsizliğin veya eksik bilginin söz konusu olduğu durumlarda çıkarımlar yapmak ve karar vermek için sayısal verilerin

Detaylı

BİYOİSTATİSTİK Merkezi Eğilim ve Değişim Ölçüleri Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH

BİYOİSTATİSTİK Merkezi Eğilim ve Değişim Ölçüleri Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH BİYOİSTATİSTİK Merkezi Eğilim ve Değişim Ölçüleri Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH Ege Üniversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr 1 İstatistik

Detaylı

Test İstatistikleri AHMET SALİH ŞİMŞEK

Test İstatistikleri AHMET SALİH ŞİMŞEK Test İstatistikleri AHMET SALİH ŞİMŞEK İçindekiler Test İstatistikleri Merkezi Eğilim Tepe Değer (Mod) Ortanca (Medyan) Aritmetik Ortalama Merkezi Dağılım Dizi Genişliği (Ranj) Standart Sapma Varyans Çarpıklık

Detaylı

CHAPTER 8: CONFIDENCE INTERVAL ESTIMATION: ONE POPULATION

CHAPTER 8: CONFIDENCE INTERVAL ESTIMATION: ONE POPULATION CHAPTER 8: CONFIDENCE INTERVAL ESTIMATION: ONE POPULATION A point estimator of a population parameter is a function of the sample information that yields a single number An interval estimator of a population

Detaylı

GÜVEN ARALIKLARI ve İSTATİSTİKSEL ANLAMLILIK. Ankara Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı

GÜVEN ARALIKLARI ve İSTATİSTİKSEL ANLAMLILIK. Ankara Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı GÜVEN ARALIKLARI ve İSTATİSTİKSEL ANLAMLILIK Ankara Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı Kestirim Pratikte kitle parametrelerinin doğrudan hesaplamak olanaklı değildir. Bunun yerine

Detaylı

BÖLÜM 9 NORMAL DAĞILIM

BÖLÜM 9 NORMAL DAĞILIM 1 BÖLÜM 9 NORMAL DAĞILIM Normal dağılım; 'normal dağılım eğrisi (normaly distribution curve)' ile kavramlaştırılan hipotetik bir evren dağılımıdır. 'Gauss dağılımı' ya da 'Gauss eğrisi' olarak da bilinen

Detaylı

Dr.Öğr.Üyesi HALİL TANIL

Dr.Öğr.Üyesi HALİL TANIL Dr.Öğr.Üyesi HALİL TANIL ÖZGEÇMİŞ DOSYASI KİŞİSEL BİLGİLER Doğum Yılı : Doğum Yeri : Sabit Telefon : Faks : E-Posta Adresi : Web Adresi : Posta Adresi : 1974 ALAŞEHİR T: 23231117281728 F: halil.tanil@ege.edu.tr

Detaylı

Appendix C: İstatistiksel Çıkarsama

Appendix C: İstatistiksel Çıkarsama Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Notları Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix C: İstatistiksel Çıkarsama

Detaylı

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix C: İstatistiksel Çıkarsama Doç.

Detaylı

MIXED REGRESYON TAHMİN EDİCİLERİNİN KARŞILAŞTIRILMASI. The Comparisions of Mixed Regression Estimators *

MIXED 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

Detaylı

AŞIRI YAYILIMLI VERİLER İÇİN GENELLEŞTİRİLMİŞ POİSSON KARMA MODELLERİN HAVA KİRLİLİĞİ ÜZERİNE BİR UYGULAMASI. e posta:

AŞIRI YAYILIMLI VERİLER İÇİN GENELLEŞTİRİLMİŞ POİSSON KARMA MODELLERİN HAVA KİRLİLİĞİ ÜZERİNE BİR UYGULAMASI. e posta: IAAOJ, Scientific Science, 2013, 1(2), 3 7 AŞIRI YAYILIMLI VERİLER İÇİN GENELLEŞTİRİLMİŞ POİSSON KARMA MODELLERİN HAVA KİRLİLİĞİ ÜZERİNE BİR UYGULAMASI Haydar KOÇ 1, M. Ali CENGİZ 1, Tuba KOÇ 1, Emre DÜNDER

Detaylı

BÖLÜM 8 BİLGİSAYAR UYGULAMALARI - 2

BÖLÜM 8 BİLGİSAYAR UYGULAMALARI - 2 1 BÖLÜM 8 BİLGİSAYAR UYGULAMALARI - 2 Bu bölümde bir veri seti üzerinde betimsel istatistiklerin kestiriminde SPSS paket programının kullanımı açıklanmaktadır. Açıklamalar bir örnek üzerinde hareketle

Detaylı

Sık kullanılan istatistiksel yöntemler ve yorumlama. Doç. Dr. Seval KUL Gaziantep Üniversitesi Tıp Fakültesi

Sık kullanılan istatistiksel yöntemler ve yorumlama. Doç. Dr. Seval KUL Gaziantep Üniversitesi Tıp Fakültesi Sık kullanılan istatistiksel yöntemler ve yorumlama Doç. Dr. Seval KUL Gaziantep Üniversitesi Tıp Fakültesi Biyoistatistik AD Bşk. 1 Hakkımda 2 Hedef: Katılımcılar modülün sonunda temel istatistiksel yöntemler

Detaylı

ARALIK TAHMİNİ (INTERVAL ESTIMATION):

ARALIK TAHMİNİ (INTERVAL ESTIMATION): YTÜ-İktisat İstatistik II Aralık Tahmini I 1 ARALIK TAHMİNİ INTERVAL ESTIMATION): Nokta tahmininde ilgilenilen anakütle parametresine ilişkin örneklem bilgisinden hareketle tek bir sayı üretilir. Bir nokta

Detaylı

BÖLÜM 3 KURAMSAL ÇATI VE HİPOTEZ GELİŞ

BÖLÜM 3 KURAMSAL ÇATI VE HİPOTEZ GELİŞ BÖLÜM 3 KURAMSAL ÇATI VE HİPOTEZ GELİŞ İŞTİRME Araştırma rma SüreciS 1.Gözlem Genel araştırma alanı 3.Sorunun Belirlenmesi Sorun taslağının hazırlanması 4.Kuramsal Çatı Değişkenlerin açıkça saptanması

Detaylı

İstatistik Giriş ve Temel Kavramlar. BBY606 Araştırma Yöntemleri Güleda Doğan

İstatistik Giriş ve Temel Kavramlar. BBY606 Araştırma Yöntemleri Güleda Doğan İstatistik Giriş ve Temel Kavramlar BBY606 Araştırma Yöntemleri Güleda Doğan Ders İçeriği İstatistik (tanımı, amacı) Dar anlamda istatistik Betimsel istatistik ve çıkarsamalı istatistik Temel kavramlar

Detaylı

Kazanımlar. Z puanları yerine T istatistiğini ne. zaman kullanacağını bilmek. t istatistiği ile hipotez test etmek

Kazanımlar. Z puanları yerine T istatistiğini ne. zaman kullanacağını bilmek. t istatistiği ile hipotez test etmek T testi Kazanımlar Z puanları yerine T istatistiğini ne 1 zaman kullanacağını bilmek 2 t istatistiği ile hipotez test etmek 3 Cohen ind sini ve etki büyüklüğünü hesaplamak 1 9.1 T İstatistiği: zalternatifi

Detaylı

It is symmetrical around the mean The random variable has an in nite theoretical range: 1 to +1

It is symmetrical around the mean The random variable has an in nite theoretical range: 1 to +1 The Normal Distribution f(x) µ s x It is bell-shaped Mean = Median = Mode It is symmetrical around the mean The random variable has an in nite theoretical range: 1 to +1 1 If random variable X has a normal

Detaylı

Tanımlayıcı İstatistikler. Yrd. Doç. Dr. Emre ATILGAN

Tanımlayıcı İstatistikler. Yrd. Doç. Dr. Emre ATILGAN Tanımlayıcı İstatistikler Yrd. Doç. Dr. Emre ATILGAN 1 Tanımlayıcı İstatistikler Yer Gösteren Ölçüler Yaygınlık Ölçüleri Merkezi Eğilim Ölçüleri Konum Ölçüleri 2 3 Aritmetik Ortalama Aritmetik ortalama,

Detaylı

CHAPTER 7: DISTRIBUTION OF SAMPLE STATISTICS. Sampling from a Population

CHAPTER 7: DISTRIBUTION OF SAMPLE STATISTICS. Sampling from a Population CHAPTER 7: DISTRIBUTION OF SAMPLE STATISTICS Sampling from a Population Örnek: 2, 4, 6, 6, 7, 8 say lar ndan oluşan bir populasyonumuz olsun Bu say lardan 3 elemanl bir örneklem (sample) seçebiliriz. Bu

Detaylı

Çan eğrisi biçimindeki simetrik dağılımdır.

Çan eğrisi biçimindeki simetrik dağılımdır. Normal Dağılım Çan eğrisi biçimindeki simetrik dağılımdır. Ortalama ve varyans (standart sapma) dağılımın şeklini belirler Ortalama ve varyans normal dağılımın parametreleridir. Ezberlemenize gerek olmayan

Detaylı

ÇİFT TARAFLI TİP II SANSÜRLENMİŞ ÖRNEKLEMLER İÇİN JONES VE FADDY NİN ÇARPIK t DAĞILIMININ KONUM VE ÖLÇEK PARAMETRELERİNİN TAHMİNİ ÖZET

ÇİFT TARAFLI TİP II SANSÜRLENMİŞ ÖRNEKLEMLER İÇİN JONES VE FADDY NİN ÇARPIK t DAĞILIMININ KONUM VE ÖLÇEK PARAMETRELERİNİN TAHMİNİ ÖZET Anadolu Üniersitesi Bilim e Teknoloji Dergisi B Teorik Bilimler Anadolu Uniersity Journal of Science and Technology B Theoretical Sciences 2017 - Cilt: 5 Sayı: 1 Sayfa: 100-110 DOI: 10.20290/aubtdb.267180

Detaylı

Mühendislikte İstatistik Yöntemler

Mühendislikte İstatistik Yöntemler .0.0 Mühendislikte İstatistik Yöntemler İstatistik Parametreler Tarih Qma.3.98 4..98 0.3.983 45 7..984 37.3.985 48 0.4.986 67.4.987 5 0.3.988 45.5.989 34.3.990 59.4.99 3 4 34 5 37 6 45 7 45 8 48 9 5 0

Detaylı

Kümülatif Dağılım Fonksiyonu (Sürekli)

Kümülatif Dağılım Fonksiyonu (Sürekli) Kümülatif Dağılım Fonksiyonu (Sürekli) sürekli bir rastgele değişken olsun. Bu durumda kümülatif dağılım fonksiyonu şu şekilde tanımlanır. F ( ) = Pr[ ] Tipik bir KDF şu şekilde görünür:.0 F () 0 Kümülatif

Detaylı

İçindekiler. Ön Söz... xiii

İçindekiler. Ön Söz... xiii İçindekiler Ön Söz.................................................... xiii Bölüm 1 İstatistiğe Giriş....................................... 1 1.1 Giriş......................................................1

Detaylı

DERS BİLGİ FORMU DERS BİLGİLERİ. Türü Zorunlu/ Seçmeli DERS PLANI. Hafta Ön Hazırlık Konular/Uygulamalar Metot

DERS BİLGİ FORMU DERS BİLGİLERİ. Türü Zorunlu/ Seçmeli DERS PLANI. Hafta Ön Hazırlık Konular/Uygulamalar Metot EK- DERS BİLGİ FORMU ENSTİTÜ/FAKÜLTE/YÜKSEKOKUL ve PROGRAM: DERS BİLGİLERİ Adı Kodu Dili Türü Zorunlu/ Seçmeli Yarıyılı T+U Saati Kredisi AKTS İstatistik ve Olasılık MM06 Türkçe Zorunlu Ön Koşul Dersleri

Detaylı

BÖLÜM 1: YAşAM ÇÖzÜMLEMEsİNE GİRİş... 1

BÖLÜM 1: YAşAM ÇÖzÜMLEMEsİNE GİRİş... 1 ÖN SÖZ...iii BÖLÜM 1: Yaşam Çözümlemesine Giriş... 1 1.1. Giriş... 1 1.2. Yaşam Süresi... 2 1.2.1. Yaşam süresi verilerinin çözümlenmesinde kullanılan fonksiyonlar... 3 1.2.1.1. Olasılık yoğunluk fonksiyonu...

Detaylı

Oluşturulan evren listesinden örnekleme birimlerinin seçkisiz olarak çekilmesidir

Oluşturulan evren listesinden örnekleme birimlerinin seçkisiz olarak çekilmesidir Bilimsel Araştırma Yöntemleri Prof. Dr. Şener Büyüköztürk Doç. Dr. Ebru Kılıç Çakmak Yrd. Doç. Dr. Özcan Erkan Akgün Doç. Dr. Şirin Karadeniz Dr. Funda Demirel Örnekleme Yöntemleri Evren Evren, araştırma

Detaylı

İki Ortalama Arasındaki Farkın Önemlilik Testi (Student s t Test) Ankara Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı

İki Ortalama Arasındaki Farkın Önemlilik Testi (Student s t Test) Ankara Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı İki Ortalama Arasındaki Farkın Önemlilik Testi (Student s t Test) Ankara Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı İki Ortalama Arasındaki Farkın Önemlilik Testi (Student s t test) Ölçümle

Detaylı

Matris Cebiriyle Çoklu Regresyon Modeli

Matris 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

Detaylı

GRUP ARDIŞIK TEST YÖNTEMLERİ İLE SAĞKALIM ANALİZİNDE ÖRNEKLEM HACMİNİN BELİRLENMESİ. Afyonkarahisar. Samsun

GRUP ARDIŞIK TEST YÖNTEMLERİ İLE SAĞKALIM ANALİZİNDE ÖRNEKLEM HACMİNİN BELİRLENMESİ. Afyonkarahisar. Samsun Afyon Kocatepe Üniversitesi 8(1) Afyon Kocatepe University FEN BİLİMLERİ DERGİSİ JOURNAL OF SCIENCE GRUP ARDIŞIK TEST YÖNTEMLERİ İLE SAĞKALIM ANALİZİNDE ÖRNEKLEM HACMİNİN BELİRLENMESİ Yüksel Terzi 1, Naci

Detaylı

ORTALAMA ÖLÇÜLERİ. Ünite 6. Öğr. Gör. Ali Onur CERRAH

ORTALAMA ÖLÇÜLERİ. Ünite 6. Öğr. Gör. Ali Onur CERRAH ORTALAMA ÖLÇÜLERİ Ünite 6 Öğr. Gör. Ali Onur CERRAH Araştırma sonucunda elde edilen nitelik değişkenler hakkında tablo ve grafikle bilgi sahibi olunurken, sayısal değişkenler hakkında bilgi sahibi olmanın

Detaylı

GAZİ ÜNİVERSİTESİ FEN FAKÜLTESİ/İSTATİSTİK BÖLÜMÜ/İSTATİSTİK ANABİLİM DALI

GAZİ ÜNİVERSİTESİ FEN FAKÜLTESİ/İSTATİSTİK BÖLÜMÜ/İSTATİSTİK ANABİLİM DALI HAMZA GAMGAM PROFESÖR E-Posta Adresi : gamgam@gazi.edu.tr Telefon (İş) : 3122021463- Telefon (Cep) : 5379383920 Faks : 3122122279 Adres : Gazi Üniversitesi Fen Fakültesi İstatistik Bölümü Teknikokullar

Detaylı

Tez adı: Orlicz uzaylarında polinom ve rasyonel fonksiyonlarla yaklaşımlar (2004) Tez Danışmanı:(İLKAY KARACA,DANİYAL İSRAFİLZADE)

Tez adı: Orlicz uzaylarında polinom ve rasyonel fonksiyonlarla yaklaşımlar (2004) Tez Danışmanı:(İLKAY KARACA,DANİYAL İSRAFİLZADE) ALİ GÜVEN PROFESÖR E-Posta Adresi guvennali@gmail.com Telefon (İş) Telefon (Cep) Faks Adres 2666121000-1211 2666121215 Balıkesir Üniversitesi Fen Edebiyat Fakültesi Matematik Bölümü 10145 Balıkesir Öğrenim

Detaylı

RISK ANALIZI SINAVI WEB EKİM Kasko sigortasından çekilen beş hasarlı bir rassal örneklem aşağıdaki gibi verilmektedir:

RISK ANALIZI SINAVI WEB EKİM Kasko sigortasından çekilen beş hasarlı bir rassal örneklem aşağıdaki gibi verilmektedir: RISK ANALIZI SINAVI WEB EKİM 2017 SORU 1: Kasko sigortasından çekilen beş hasarlı bir rassal örneklem aşağıdaki gibi verilmektedir: 115 240 325 570 750 Hasarların α = 1 ve λ parametreli Gamma(α, λ) dağılıma

Detaylı

İstatistiksel Kavramların Gözden Geçirilmesi

İstatistiksel Kavramların Gözden Geçirilmesi İstatistiksel Kavramların Gözden Geçirilmesi İstatistiksel Çıkarsama Ekonometri 1 Konu 3 Sürüm 2,0 (Ekim 2011) UADMK Açık Lisans Bilgisi İşbu belge, Creative Commons Attribution-Non-Commercial ShareAlike

Detaylı

UYGULAMA 4 TANIMLAYICI İSTATİSTİK DEĞERLERİNİN HESAPLANMASI

UYGULAMA 4 TANIMLAYICI İSTATİSTİK DEĞERLERİNİN HESAPLANMASI 1 UYGULAMA 4 TANIMLAYICI İSTATİSTİK DEĞERLERİNİN HESAPLANMASI Örnek 1: Ders Kitabı 3. konuda verilen 100 tane yaş değeri için; a. Aritmetik ortalama, b. Ortanca değer, c. Tepe değeri, d. En küçük ve en

Detaylı

Doç.Dr. M. Mengüç Öner Işık Üniversitesi Elektrik-Elektronik Mühendisliği Bölümü oner@isikun.edu.tr

Doç.Dr. M. Mengüç Öner Işık Üniversitesi Elektrik-Elektronik Mühendisliği Bölümü oner@isikun.edu.tr Doç.Dr. M. Mengüç Öner Işık Üniversitesi Elektrik-Elektronik Bölümü oner@isikun.edu.tr 1. Adı Soyadı : Mustafa Mengüç ÖNER 2. Doğum Tarihi : 01.02.1977 3. Unvanı : Doçent Dr. 4. Öğrenim Durumu : ÖĞRENİM

Detaylı

TANIMLAYICI İSTATİSTİKLER

TANIMLAYICI İSTATİSTİKLER TANIMLAYICI İSTATİSTİKLER Tanımlayıcı İstatistikler ve Grafikle Gösterim Grafik ve bir ölçüde tablolar değişkenlerin görsel bir özetini verirler. İdeal olarak burada değişkenlerin merkezi (ortalama) değerlerinin

Detaylı

3. TAHMİN En Küçük Kareler (EKK) Yöntemi 1

3. 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

Detaylı

Bulanık ve Sağlam Bulanık Açıortay Regresyon Tekniklerinin Performansları Üzerine Bir Benzetim Çalışması

Bulanık ve Sağlam Bulanık Açıortay Regresyon Tekniklerinin Performansları Üzerine Bir Benzetim Çalışması Afyon Kocatepe Üniversitesi Fen Bilimleri Dergisi Afyon Kocatepe University Journal of Sciences AKÜ FEBİD 12 (2012) 011301 (1-13) AKU J. Sci. 12 (2012) 011301 (1-13) ve Sağlam Tekniklerinin Performansları

Detaylı

ENM 5210 İSTATİSTİK VE YAZILIMLA UYGULAMALARI. Ders 2 Merkezi Eğilim Ölçüleri

ENM 5210 İSTATİSTİK VE YAZILIMLA UYGULAMALARI. Ders 2 Merkezi Eğilim Ölçüleri ENM 5210 İSTATİSTİK VE YAZILIMLA UYGULAMALARI Ders 2 Merkezi Eğilim Ölçüleri Basit Seriler Elde edilecek ham verilerin küçükten büyüğe doğru sıralanması ile elde edilen serilere basit seri denir ÖRNEK:

Detaylı

YÜKSEKÖĞRETİM KURULU PROFESÖR : SİNOP ÜNİVERSİTESİ/FEN-EDEBİYAT FAKÜLTESİ/MATEMATİK BÖLÜMÜ/MATEMATİK BÖLÜMÜ 57000/SİNOP

YÜKSEKÖĞRETİM KURULU PROFESÖR : SİNOP ÜNİVERSİTESİ/FEN-EDEBİYAT FAKÜLTESİ/MATEMATİK BÖLÜMÜ/MATEMATİK BÖLÜMÜ 57000/SİNOP KAMİL DEMİRCİ ÖZGEÇMİŞ YÜKSEKÖĞRETİM KURULU PROFESÖR 24.11.2014 Adres : SİNOP ÜNİVERSİTESİ/FEN-EDEBİYAT FAKÜLTESİ/MATEMATİK BÖLÜMÜ/MATEMATİK BÖLÜMÜ 57000/SİNOP Telefon : 0368271551-4001 E-posta : kamild@sinop.edu.tr

Detaylı

SPSS UYGULAMALARI-II Dr. Seher Yalçın 1

SPSS UYGULAMALARI-II Dr. Seher Yalçın 1 SPSS UYGULAMALARI-II 27.12.2016 Dr. Seher Yalçın 1 Normal Dağılım Varsayımının İncelenmesi Çarpıklık ve Basıklık Katsayısının İncelenmesi Analyze Descriptive Statistics Descriptives tıklanır. Açılan pencerede,

Detaylı

Örneklem Dağılımları & Hipotez Testleri Örneklem Dağılımı

Örneklem Dağılımları & Hipotez Testleri Örneklem Dağılımı Örneklem Dağılımları & Hipotez Testleri Örneklem Dağılımı Ortalama veya korelasyon gibi istatistiklerin dağılımıdır Çıkarımsal istatistikte örneklem dağılımı temel fikirlerden biridir. Çıkarımsal istatistik

Detaylı

Tamir Edilebilir Ardışık n'den 2-çıkışlı: F Sistemi

Tamir Edilebilir Ardışık n'den 2-çıkışlı: F Sistemi Fırat Üniv. Müh. Bil. Dergisi Science and Eng. J of Fırat Univ. 29(1), 349-354, 2017 29(1), 349-354, 2017 Tamir Edilebilir Ardışık n'den 2-çıkışlı: F Sistemi Özet Gökhan GÖKDERE Fırat Üniversitesi, İstatistik

Detaylı

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 MIT OpenCourseWare http://ocw.mit.edu 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 Bu materyale atıfta bulunmak ve kullanım koşulları için http://ocw.mit.edu/terms sayfasını ziyaret ediniz.

Detaylı

Parametrik Olmayan İstatistiksel Yöntemler

Parametrik Olmayan İstatistiksel Yöntemler Parametrik Olmayan İstatistiksel Yöntemler IST-4035 2. Ders DEÜ İstatistik Bölümü 208 Güz One Sample Tests İçerik Non-Parametric Statistics Nominal Ordinal Interval Binomial test Kolmogrov-Smirnov test

Detaylı

KARŞILAŞTIRMA İSTATİSTİĞİ, ANALİTİK YÖNTEMLERİN KARŞILAŞTIRILMASI, BİYOLOJİK DEĞİŞKENLİK. Doç.Dr. Mustafa ALTINIŞIK ADÜTF Biyokimya AD 2005

KARŞILAŞTIRMA İSTATİSTİĞİ, ANALİTİK YÖNTEMLERİN KARŞILAŞTIRILMASI, BİYOLOJİK DEĞİŞKENLİK. Doç.Dr. Mustafa ALTINIŞIK ADÜTF Biyokimya AD 2005 KARŞILAŞTIRMA İSTATİSTİĞİ, ANALİTİK YÖNTEMLERİN KARŞILAŞTIRILMASI, BİYOLOJİK DEĞİŞKENLİK Doç.Dr. Mustafa ALTINIŞIK ADÜTF Biyokimya AD 2005 1 Karşılaştırma istatistiği Temel kavramlar: Örneklem ve evren:

Detaylı

Kestirim (Tahmin) Bilimsel çalışmaların amacı, örneklem değerinden evren değerlerinin kestirilmesidir.

Kestirim (Tahmin) Bilimsel çalışmaların amacı, örneklem değerinden evren değerlerinin kestirilmesidir. Biyoistatistik 9 Kestirim (Tahmin) Bilimsel çalışmaların amacı, örneklem değerinden evren değerlerinin kestirilmesidir. Evren parametrelerinin kestirilmesi (tahmini) için: 1. Hipotez testleri 2. Güven

Detaylı

Ders 1 Minitab da Grafiksel Analiz-I

Ders 1 Minitab da Grafiksel Analiz-I ENM 5210 İSTATİSTİK VE YAZILIMLA UYGULAMALARI Ders 1 Minitab da Grafiksel Analiz-I İstatistik Nedir? İstatistik kelimesi ilk olarak Almanyada devlet anlamına gelen status kelimesine dayanılarak kullanılmaya

Detaylı

GÜZ YARIYILI İSTATİSTİK BÖLÜMÜ HAFTALIK DERS PROGRAMI 1. SINIF (NORMAL ÖĞRETİM ve İKİLİ ÖĞRETİM)

GÜZ YARIYILI İSTATİSTİK BÖLÜMÜ HAFTALIK DERS PROGRAMI 1. SINIF (NORMAL ÖĞRETİM ve İKİLİ ÖĞRETİM) 1. SINIF (NORMAL ÖĞRETİM ve İKİLİ ÖĞRETİM) 8:30-9:15 İST-101 ING (A) TR MAT-101 (B) MAT-101 (A) 9:25-10:10 İST-101 ING (A) TR MAT-101 (B) MAT-101 (A) İST-103 (B-C) 10:20-11:05 İST-101 ING (A) -TR İST-103

Detaylı

OLASILIK TEORİSİ VE İSTATİSTİK

OLASILIK TEORİSİ VE İSTATİSTİK OLASILIK TEORİSİ VE İSTATİSTİK İstatistik: Derslerimiz içinde bu sözcük iki anlamda kullanılacaktır. İlki ve en yaygın kullanılan biçimi rakamla elde edilen bilgilerin belli kuralarla anlaşılır ve yorumlanabilir

Detaylı

Temel İstatistik. Y.Doç.Dr. İbrahim Turan Mart Tanımlayıcı İstatistik. Dağılımları Tanımlayıcı Ölçüler Dağılış Ölçüleri

Temel İstatistik. Y.Doç.Dr. İbrahim Turan Mart Tanımlayıcı İstatistik. Dağılımları Tanımlayıcı Ölçüler Dağılış Ölçüleri Temel İstatistik Tanımlayıcı İstatistik Dağılımları Tanımlayıcı Ölçüler Dağılış Ölçüleri Y.Doç.Dr. İbrahim Turan Mart 2011 DAĞILIM / YAYGINLIK ÖLÇÜLERİ Verilerin değişkenlik durumu ve dağılışın şeklini

Detaylı

KONUM PARAMETRESİNİN BAZI SAĞLAM TAHMİN EDİCİLERİNİN ÖRNEKLEME ALANINDA KULLANILMASI VE BİR TARIM UYGULAMASI. Bölümü, ESKİŞEHİR

KONUM PARAMETRESİNİN BAZI SAĞLAM TAHMİN EDİCİLERİNİN ÖRNEKLEME ALANINDA KULLANILMASI VE BİR TARIM UYGULAMASI. Bölümü, ESKİŞEHİR Afyon Kocatepe Üniversitesi 8(1) Afyon Kocatepe University FEN BİLİMLERİ DERGİSİ JOURNAL OF SCIENCE KONUM PARAMETRESİNİN BAZI SAĞLAM TAHMİN EDİCİLERİNİN ÖRNEKLEME ALANINDA KULLANILMASI VE BİR TARIM UYGULAMASI

Detaylı

Pazarlama Araştırması Grup Projeleri

Pazarlama Araştırması Grup Projeleri Pazarlama Araştırması Grup Projeleri Projeler kapsamında öğrencilerden derlediğiniz 'Teknoloji Kullanım Anketi' verilerini kullanarak aşağıda istenilen testleri SPSS programını kullanarak gerçekleştiriniz.

Detaylı

Bir Araştırma Alanı Olarak Bibliyometri

Bir Araştırma Alanı Olarak Bibliyometri Bir Araştırma Alanı Olarak Bibliyometri Umut Al umutal@hacettepe.edu.tr - 1 Plan Bibliyometri hakkında Bibliyometrik araştırma tasarımı Bibliyometri araştırmalarında karşılaşılan sorunlar Karşılaştırmalı

Detaylı

ÖĞRENCİLERİNİN SINAV NOTLARI DAĞILIMININ DEĞERLENDİRİLMESİ: İNŞAAT MÜHENDİSLİĞİ ÖĞRENCİLERİ ÖRNEĞİ

ÖĞRENCİLERİNİN SINAV NOTLARI DAĞILIMININ DEĞERLENDİRİLMESİ: İNŞAAT MÜHENDİSLİĞİ ÖĞRENCİLERİ ÖRNEĞİ ÖĞRENCİLERİNİN SINAV NOTLARI DAĞILIMININ DEĞERLENDİRİLMESİ: İNŞAAT MÜHENDİSLİĞİ ÖĞRENCİLERİ ÖRNEĞİ Barış Yılmaz Celal Bayar Üniversitesi, Manisa baris.yilmaz@bayar.edu.tr Tamer Yılmaz, Celal Bayar Üniversitesi,

Detaylı

KIRIKKALE ÜNİVERSİTESİ FEN-EDEBIYAT FAKÜLTESİ İSTATİSTİK BÖLÜMÜ LİSANS PROGRAMI

KIRIKKALE ÜNİVERSİTESİ FEN-EDEBIYAT FAKÜLTESİ İSTATİSTİK BÖLÜMÜ LİSANS PROGRAMI KIRIKKALE ÜNİVERSİTESİ FEN-EDEBIYAT FAKÜLTESİ İSTATİSTİK BÖLÜMÜ LİSANS PROGRAMI Kırıkkale Üniversitesi Fen-Edebiyat Fakültesi İstatistik Bölümü Lisans Programı, Kırıkkale Üniversitesi Önlisans ve Lisans

Detaylı

İstatistik Nedir? Ders 1 Minitab da Grafiksel Analiz-I ENM 5210 İSTATİSTİK VE YAZILIMLA UYGULAMALARI. İstatistiğin Konusu Olan Olaylar

İstatistik Nedir? Ders 1 Minitab da Grafiksel Analiz-I ENM 5210 İSTATİSTİK VE YAZILIMLA UYGULAMALARI. İstatistiğin Konusu Olan Olaylar ENM 5210 İSTATİSTİK VE YAZILIMLA UYGULAMALARI İstatistik Nedir? İstatistik kelimesi ilk olarak Almanyada devlet anlamına gelen status kelimesine dayanılarak kullanılmaya başlanmıştır. Ders 1 Minitab da

Detaylı

İki Değişkenli Bağlanım Çıkarsama Sorunu

İki Değişkenli Bağlanım Çıkarsama Sorunu İki Değişkenli Bağlanım Çıkarsama Sorunu Aralık Tahmini Ekonometri 1 Konu 15 Sürüm 2,0 (Ekim 2011) UADMK Açık Lisans Bilgisi İşbu belge, Creative Commons Attribution-Non-Commercial ShareAlike 3.0 Unported

Detaylı

2. REGRESYON ANALİZİNİN TEMEL KAVRAMLARI Tanım

2. REGRESYON ANALİZİNİN TEMEL KAVRAMLARI Tanım 2. REGRESYON ANALİZİNİN TEMEL KAVRAMLARI 2.1. Tanım Regresyon analizi, bir değişkenin başka bir veya daha fazla değişkene olan bağımlılığını inceler. Amaç, bağımlı değişkenin kitle ortalamasını, açıklayıcı

Detaylı