Tavsiyeler ile Değişen Bellek Modeline Reklamın Etkisi
|
|
- Irmak Birdal
- 8 yıl önce
- İzleme sayısı:
Transkript
1 Tavsyeler le Değşen Bellek odelne Reklamın Etks Uzay Cetn,2 and Haluk O. Bngol Blgsayar ühendslğ Bölümü, Bogazc Ünverstes 2 Blgsayar ühendslğ Bölümü, İstanbul Gelşm Ünverstes Tavsyeler le değşen br bellek yayılım model sosyal benzetm yoluyla ncelenmş ve bulgular analtk olarak, arkov Sürec kullanılarak, doğrulanmıştır. odel, k farklı blg yayılım çeşdn göz önüne almıştır: tanıdıklar vasıtasıyla gelen tavsyeler ve medya aracılığıyla kşlere ulaşacak reklamlar. Reklam yatırımını temsl eden model arametresn arttırmanın reklamın blnrllğne olumlu yansıdığı görülmüştür. Tolumsal hafızanın zayıf olduğu durumda, reklamın etksnn beklenenden çok daha güçlü olduğu ortaya çıkmıştır. Hafıza büyüklüğü olablecek en küçük değer olan br ken, reklam edlen tolumda stsnasız herkes tarafından blnr hale gelmştr. İlgnçtr k, reklamın bu başarısı reklam yatırımından bağımsızdır. I. GİRİŞ Gazete, televzyon gb ortamlar blnrlkte öneml rol oynar. Bunlara son zamanlarda sosyal ağlar da katılmıştır. Tolum tarafından blnr olmak terch edlen br özellktr. Şrketler ürünlernn blnrlğn sağlamak çn büyük bütçeler reklama ayırırlar. Poltkacılar oüler olmak çn ellernden gelen yaarlar. Eğlence dünyası öneml ölçüde oülerlk üzerne kuruludur. Poltk fkrler, eğer genş ktleler tarafından kabul görürse, hükümetler değştreblr. Blnrlkte ana etmen breylern etkleşmesdr. Breyler brbrlern etklerler. Bu çalışmada bu etkleşmn nasıl olduğu br model le ncelenmştr. Bast Tavsye odel (SR) br breyn br başka breye bldğ brn tavsye etmesn modeller [2]. Breylern sonlu belleğ olduğu varsayımı altında brey kendsne tavsye edlen bütün breyler hatırlayamaz, bazılarını unutmak zorundadır. Bu sınırlamanın sonucu olarak az sayıda brey çok blnr hale gelrken, tolumun öneml br kesm gttkçe az blnr olur. Bu durum tavsye sayıları arttıkça daha belrgn hale gelr. Tolumun öneml br çoğunluğu tarafından blnr hale gelme, şöhretn oluşumu olarak da düşünüleblr. Çok temel br model olan SR model br çok açıdan gelştrlmeye elverşldr. Gladwell e göre, [5] fkrler, ürünler, mesajlar ve davranışlar gb br çok şey, vrüsler gb yayılma özellğne sahtr. Dolayısıyla moda, trend ve blnrlk le lgl dnamkler anlamının en y yolunun, edemk modelleme olacağını savunur. Hastalık yayılım modelleme, fkr oluşumunu anlamak çn öneml br araçtır []. Bu kasamda br çok model gelştrlmştr [, 3, 6, ]. Bu bldr de, bahs geçen SR modelne reklamın etksn benzetm yoluyla nceledkten sonra ve edemk hastalık yayılım modellernden brn kullanarak analtk br çözümleme yamaya çalışacağız. II. BASİT TAVSİYE ODELİ Bast tavsye mekanzması breyn belleğnn modellenmes le başlar. En temel hal le model şaşırtıcı dere- g. t... r f Ş ekl : Sstem genel olarak br matrs olarak düşünüleblr. Satırlar breylern bellek çerklern gösterr. Breyn durumu, breye at bellek çerğdr. Sstemn durumu se, breylern bellek durumlarıdır. cede basttr. Tolum breyden meydana gelmektedr. Her brey eşt büyüklükte,, sabt br belleğe sahtr. Brey br başka breye kend bldkler arasında br şey tavsye eder. Burda tavsye edlen, kültürel ürünler olarak düşünülmeldr [7]. Tavsyey alan, yen br şey öğrendğnde, bunu koymak çn belleğnde boş br yer bulması gerekr. Eğer boş yer yoksa br şey unutarak boş yer açar. Breyler belleklernde tamamen farklı blgler le başlasalar da, etkleşmler sonunda breylern bellek çerkler brbrne yaklaşmaktadır. SR modelnde tavsyey veren ve alan kş arasından rasgele seçlr. Veren kend belleğndek nesne arasından rasgele br şey önerr. Alan belleğndek nesne arasından rasgele seçlen unutu, yerne tavsye edlen alır. Burada brey sayısı, breylern bellek büyüklüğü herkes çn aynı ve dr. Her ne kadar breylern bellekler herhang br nesne kümesnden elemanları tutablecek olsa da, modeln bu en bast halnde breylern belleklernde dğer breylern olduğu varsayılır. Bu durumda brey a nın belleğnde brey b yer alır. Bu brey a nın brey b y blyor olması şeklnde yorumlanır. Şekl de görüldüğü gb tavsye mekanzmasında dört brey rol alır. Tavsye veren ( gver ) ve alan ( taker ), g ve t le gösterlr. Tavsye veren kend bldkler, yan belleğnde yer alanlar, arasında br brey tavsye eder. Tavsye edlen ( recommended ) r le gösterlr. Tavsyey alan tavsye edlen belleğnde br yere koyması, böylece öğrenmes, gerekr ama normalde belleğnde boş yer yoktur. Bu nedenle bldğ br breyden vaz geç, onun yerne tavsye edlen koyması gerekr. Yer açmak çn unutulan ( forgotten ) f le gösterlr. Tavsye mekanzması bu hal le dört seçm gerektrr ve bu seçmler rastgele yaılmaktadır.
2 2 S a 62 g a 2 g a 62 t a 2 t a 62 t a 2 t r = a r = a a a [+] r 2 t r 62 t [+] [+] r 2 t r 62 t f 6= a f = a f 6= a f = a [ ] [ ] Şekl 2: Smülasyona at olasılık ağaç dyagramı Fgure : Smulasyona at olaslk aac dyagram Sstemn durumu her br breyn bellek durumlarının brleşkesdr ve Şekl de görüldüğü gb br matrs le gösterleblr. Br tavsye şlem sonunda sadece tavsye alanın bellek yaısı değşr. Dolayısıyla sstemn tolam durumunda sadece tavsye alana karşılık gelen t. satırı değşr. Bu değşmler le sstem br durumdan br başka duruma gder. Ama bu değşm sürec sonsuza kadar bu şeklde devam etmez. Sstemn br kere grdğnde br daha çıkamadığı yutucu durumlar vardır. Örneğn sstem durum matrsnn tüm satırları aynı se artık sstemde br değşm olamaz. Çünkü herkes aynı breyler blyor, dolayısıyla yen br breyn tavsye edlmes mümkün olamaz. Doğal olarak böyle durumlara düşmek çok küçük olasılıktır ama yeter derecede beklenldğnde, br başka deyşle zaman lmt olarak sonsuza gttğnde sstem mutlaka bu şekldek durumlardan brne düşecektr. Pratk olarak bu kadar bekleyemeyeceğmze göre bz yeter derecede uzun br süre sonunda durmamız ve o noktada sstemn durumunu ncelememz gerekr. III. REKLA ETKİSİ Reklam edlen tek br nesne olduğunu ve reklamın tolumdak herkese her an ulaşabldğn varsayıyoruz. Reklam etksn ölçen yen modelde, laveten br de reklamı yaılan (advertsed a) beşnc taraf vardır. En öneml arametrelerden br reklamın t tarafından kabul görme olasılığını yansıtan dr. Buna göre br brey tavsye almak çn br başka breye başvurduğunda, olasılıkla tavsyey, olasılıkla se reklamı terch edecektr. reklamın başarılı olma htmaldr. y reklama yaılan yatırım olarak da düşüneblrz. odelmz ynelemel br yaıdadır ve br terasyon şu üç adımdan oluşur:. g, r y tavsye eder. 2. t, olasılıkla r y, olasılıkla a yı öğrenr. 3. t, f y unutur. Her terasyonda tavsye alan t, tavsyevereng le rastgele eşleşr. g gene tavsye edlen belleğnden rastgele seçer fakat, t nn bu sefer orjnal modelden farklı olarak olasılıkla reklam edlen ya da ( ) olasılıkla g tarafından tavsye edlen seçme hakkı vardır. t n kararına dersek, ( a, olasılıkla = r, ( ) olasılıkla şeklnde nın değer seçlr. IV. AALİTİK ÇÖZÜLEE Edemk hastalıkların yayılımını modelleyen, davranış tahmn ve kontrol mkanı sağlayan dslne matematksel edemyolj denr [4, 9]. Bu bölümde matematksel edemyoljden az da olsa faydalanacağız. Çünkü blyoruz k, fkrler de hastalıklar gb br kşden dğerne geçer. Edemyoljde blnen modellerden br sağlamenfektf-sağlam (SIS) modeldr. Reklamı br vrüs gb düşünerek, reklam aracılığı le emoze edlmek stenen fkr kabul etmş breylere enfektf ve reklamdan haber olmayan breylere sağlam dyeceğz. Enfektf brey sadece reklamı benmsemekle kalmaz aynı zamanda dğer sağlam breylere de benmsetmek ster. Şekl 2 dek olasılık ağacı dyagramında her sevye smülasyona at br terasyondak sıralı adımları göstermektedr. Amacımız, tolumda kadar enfektf brey olduğunu varsayarak tek br terasyondak etkleşm netcesnde, enfektf brey sayısının nasıl değşeceğn ncelemektr. Her dalın üzernde lgl olasılık değerlern görmekteyz.
3 3. İlk sevye, tavsye edenn reklamı bl blmemesne göre k dala ayrılır. a 2 g tavsye verenn reklamı bldğ yan enfektf olduğu anlamına gelr. Seçtğmz g nn enfektf olma olasılığı P(a 2 g) = dr ve g nn sağlam olma olasılığı se P(a 62 g) = dr. 2. İknc sevyede tavsye alanın yan t nn enfektf olu olmamasına göre k dala ayrılır. Bu adım br koşullu olasılığa tekabül eder, örneğn enfektf g seçlmşken enfektf t nn seçlme olasılığı P(a 2 t a 2 g) = dr. Enfektf g hafızasından rastgele brn önereceğne göre, önerdğ kşnn reklam olma olasılığı dr. 3. Üçüncü sevye de, tavsye edlenn reklam olu olmamasına göre k dala ayrılır. Tavsye edlenn reklam olması şu şeklde gösterlr: r = a. Sağlam g nn reklamı tavsye etme htmal olmadığı çn br dallanma olmaz ve sadece yı görürüz. 4. Bundan sonrak dördüncü sevye se t nn, g den gelen tavsyey m yoksa reklam edlen m alacağına göre kye ayrılır. t nn öğrenmek çn seçtğ nesneye dersek, olasılıkla ve olasılıkla olduğunu belrtmştk. 5. Beşnc sevye tavsye sürec açısından krtktr. g nn önerdğ r y, taker ın zaten blyor olma olasılığına dersek, htmalle t yen br şey öğrenmeyeceğ çn tavsye geçersz olacaktır. nın tam değern hesalamak, bazı özel durumlar harcnde, mümkün değldr. Dolayısıyla yaklaşık değerler kullanacağız. 6. Son sevye unutulanın seçmyle lgldr. Eğer a 2 t se tavsye alan t enfektftr ve htmalle a yı unutablr. Böyle olursa, t sağlam breye dönüşür. A. arkov Sürec İlşks Olasılık ağaç dyagramının yarakları bzm çn klt öneme sahtr. Tolumda adet enfektf brey olduğu durumu S le gösterrsek, olasılık ağaç dyagramının artı [+] yarakları bze S den S + e geçş olasılığını verr. Benzer şeklde, eks, tolumdak enfektf brey sayısının, [ ] br azaldığını, nokta se değşmedğn gösterr. Geçş olasılıklarını belrtmek çn şu notasyonu kullanalım. q = P(S! S ) l = P(S! S ) = P(S! S + ) Problem bu hale getrdkten sonra fark edeceğmz öneml şeylerden lk, her 8 2{,,...,} çn q, l ve farklı değerler alsa da, olasılık ağaç dyagramının tüm dallarının olasılık değerlernn tolamının olduğudur, q + l + = dr. Şekl 2 dek her yarağa gden l l l S... S S S +... S q q + Ş ekl 3 : Rassal Yürüyü ş l şks : Bzm modelmz, random walk olarak düşünüleblr. Enfektf kş sayısı eksye düşemeyeceğ çn S dan sola gdş olasılığı sıfırdır. Dolayısıyla, başlangıç durumu S br yansıtan durumdur. = kens yutucu duruma tekabül eder, > ken se S sadece br yansıtan durumdur. l + yol üzerndek dalların olasılık değerlern çararak, o yarağın gerçekleşme htmaln elde ederz. Aynı tür yaraklar çn olasılık çarımlarını tolayarak durum geçş olasılıklarını hesalarız. Buna göre, = + +. q = ( )( ) + ( )( ). l = (q + ). Analtk çözümleme yaablmek çn, öncelkle stokastk markov matrsmz oluşturacağız ve blnen doğrusal cebr özellklernden faydalanacağız. arkov matrs yardımıyla br durumdan dğerne geçş olasılıklarını nceleyelm. atrsmzn boyuları ( +) ( +) dr. = 5 çn matrsmzn görüntüsü, 2 3 l q l q 2 = l 2 q l 3 q l 4 q l 5 sütun tolamı olan stokastk br matrstr ve doğrusal cebrden blyoruz k ve T aynı özdeğerlere sahtr. Kolayca görülür k, T un özvektörü v = [,...,] T çn lgl özdeğer = dr. Dolayısıyla = aynı zamanda n de br özdeğerdr fakat lgl özvektörü v den farklıdır. Bu özvektöre dersek, = =[,,..., ] T,( + ) sütun vektörüdür., enfektf kş sayısının olma htmal, olmak üzere br denge durumu olasılık dağılımı (statonary dstrbuton) olarak yorumlanablr. = olduğuna göre kararlı haldek olasılık dağılımının denklem 8 çn şu şeklde yazılacaktır: = + l + q + +. Tolumdak enfektf kş sayısı negatf ya da den büyük olamayacağı çn q ve olasılıkları sıfırdır. Ayrıca l
4 4 q + l + = olduğuna göre, kolayca görülür k, = q Denge durumu olasılık dağılımı yeternce sayıda terasyon gerçekleştğnde ortaya çıkacak olan dağılımdır. Burda,bzeenfektfbreysayısının olma htmaln verr. Bu kararlı hale at denge durumu olasılık dağılımı şu özellklere sahtr [8]. = Q k k= q k P = = Bu dağılımın beklenen değer bze, rassal yürüyüş modelnde yürüyüşün hang durum üzernde yoğunlaştığını söyler. O durumun nds bze tolumdak enfektf kş sayısını verr. Dolayısıyla dağılımın beklenen değer, uzun vadede reklamın kaç kş tarafından blndğne dar tahmnmz ortaya koyar. Reklamın beklenen şöhret şu matematksel fade le elde edlr: E[ ] = X = = X = Y k= k q k V. SİÜLASYO SOUÇLARI Reklamın şöhret oluşumuna etksn nceledğmz bu çalışmada tolumun = kşden oluştuğunu ve A adet reklamı yaılan nesne olduğunu varsaydık. Yorumlamada kolaylık olması açısından A = kabul ettk. Kş başı ortalama terasyon sayısını v = 6 kabul ettk. Bunun anlamı br smülasyon çn tolamda v terasyon gerçekleştrlecek olmasıdır. Stokastk br model üzernde çalıştığımız çn, sonuçları 2 smülasyonun ortalaması olacak şeklde belrttk. Şekl 4 (a) da X eksen bellek kaastesnın büyüklüğünü, Y eksen reklamın şöhretnn buna bağlı olarak değşmn göstermektedr. Reklamı blen kş sayısının tolumdak kş sayısına oranı bze reklamın şöhretn vermektedr. Gerçek hayatta, br nsanın tak edemeyeceğ kadar web hzmet, kültürel ürün vs.. vardır. Dolayısıyla, bellek büyüklüğünün tüm nesneler blecek kadar büyük olableceğn varsaymak doğru br yaklaşım sayılmaz. Şekl 4 (a) da dört farklı reklam yatırımını smgeleyen 2 {, 2, 3, 4 } değerler çn, hafızanın kısıtlı olduğu le 25 aralığında, reklam şöhretnn nasıl değştğn gözlemlemekteyz. odelmzdek arametres, tavsye yerne reklamın başarılı olma htmaldr ve y reklam çn yaılan yatırım olarak da düşüneblrz. Smülasyonlar sonucunda görüyoruz k, reklam yatırımı, yan nn değer ne kadar büyükse reklam edlenn şöhret de o kadar artış göstermektedr. Bu beklenen br sonuçtur. Asıl şaşırtıcı olan sonuç, hafıza büyüklüğünün mnumum olduğu değer çn reklam edlenn şöhretnn maksmum değere ulaşmasıdır. Görüldüğü üzere Şekl 4 (a) da her değer çn = ken reklam edlenn şöhret dr. Dğer br fadeyle, reklam yüzde yüz başarıya ulaşmış ve tolumdak herkes tarafından kabul görmüştür. Üstelk bu bulgu her değer çn gerçekleştğne göre bu den yan reklamın tanıtımı çn yaılan yatırımdan bağımsızdır. Bu da demek olur k, = ken cdd yatırım harcamasına gereksnm yoktur. Az br reklam kamanyası dah mutlak başarıya ulaşacaktır. Bu durumun analtk olarak br sonrak bölümde nceleyeceğz. Fakat öncelkle Bölüm IV da tam değern belrtmedğmz üzernde duralım. A. nın değer. Tavsye edlenn, tavsyey alan tarafından önceden zaten blnyor olma htmaln olarak tanımladık. Fakat nın değern belrtmedk. Blnen o k, nın değer, başlangıçta sıfırdan büyük veya eşttr, sstem yutucu duruma ulaştığında se, e eşttr. Öncelkle nın değern göz ardı etmenn zaten gerçekç olmayacağını belrtmekte fayda var. Çünkü etkleşmler netcesnde lla k, tavsye alan ve tavsye verenlern bldkler arasında ortaklıklar oluşacaktır. Tavsye verenn bu ortak blnenlerden brn önermes geçersz tavsye le sonuçlanacaktır. nın değernn terasyon sayısına bağlı olarak nasıl değştğnn satanması, bell bazı özel durumlar harcnde, neredeyse mkansızdır. Belk bu başka br çalışmanın konusu olablr. Bu nedenle, olablecek yaklaşımlardan br bastlk açısından =.5 olarak kabul etmektr. Br dğer se, smülasyon verlernden yararlanmaktır. Tavsye edlen adet nesneden brdr. Onun tavsye alanın bldğ nesneden br olma htmal = dr. Fakat bu yaklaşımla, tamamen unutulan nesneler göz ardı etmş oluruz. Daha y br yaklaşım, U sstem tarafından unutulmamış nesne sayısı olmak üzere, yı U olarak kabul etmektr. Unutulmamış nesne sayısı çn, smülasyon loglarını, ortalama alarak kullanablrz. = R RX = U Burda, U nc smülasyondak unutulmamış nesne sayısını vermektedr. R = 2 se ortlaması alınan brbrnden farklı smülasyon sayısını vermektedr. Şekl 4 de = çn, analtk çözümlememz, smülasyon sonuçlarıyla yeternce y örtüşmemektedr. Bunun sebeb, özellkle hafızanın küçük olduğu durumda sstemce blnen ortak nesnelern sayısını = çny yansıtılamamasdır. Bastçe =.5 kabul etğmzde analtk çözümlememz, smülasyon sonuçları le daha y örtüşmektedr. Çalışmamız, hem teork açıdan hem de ratk açıdan en y çn doğrulanmıştır.
5 5 Smulaton results Analytcal dervaton for γ = F adv.5 E[F adv ] = = 2 = 3 = = = 2 = 3 = (a)smülasyon sonucu (b) =çnanaltkyaklaşımsonucu Analytcal dervaton for γ =.5 Analytcal dervaton for γ * E[F adv ].5 E[F adv ] = = 2 = 3 = = = 2 = 3 = (c) =.5 çnanaltkyaklaşımsonucu (d) çn analtk yaklaşım sonucu Şekl 4: Kabul edleblr hafıza oranları çn, reklam edlenn şöhretnn nasıl değştğn anlatan smülasyon sonuçları, analtk sonuçlarla karşılaştırılmıştır. arkov zncr le yaılan teork yaklaşım, smülasyon sonuçlarını = harcnde doğrulamaktadır. B. Reklam yatırımından bağımsız başarı = çn reklam yatırımından bağımsız başarı br başarı elde edlmektedr. Bunun çn, daha önce bulduğumuz q, l ve geçş olasılıklarını hafıza büyüklüğünün br olduğu, = özel durumuna bakalım. = + q = ( )( ) q n bu değer, = ken, olasılık ağaç dyagramında a 62 g ve a 2 t durumunda elde edldğne göre, = olmak zorundadır. (Hafıza büyüklüğü ken t, a yı blyor ve g blmyor.) = ken, görüyoruz k, () Her 8 2 {,,...,} çn > q eştszlğ sağlanmaktadır. +( ) = =+ q ( ) > (2) =, q = dolayısıyla l = Bu k gözlemmzn ks de, = ken neden den bağımsız olarak reklamın tolumdak tüm breyler tarafından blnr hale geldğn açıklar. İlk gözlemmzn anlamı, Şekl 3 de sstem hang durumda olursa olsun, sağa doğru yan S e doğru önlenemez br gdş eğlmnn olduğudur. İknc gözlemmz se, = ken l = olduğu çn, S n yutucu durum olması le lgldr. S tolumdak herkesn enfektf hale geçmes yan reklam edlenn tüm tolum tarafından benmsenmes anlamına gelr. Bu da reklamın yüzde yüz başarıya ulaşması demektr.
6 6 VI. SOUÇ A. İlerye dönük çalışmalar Smülasyon sonucunda elde ettğmz dkkat çekc k öneml bulgudan lk, breylern bellek büyüklüğü olablecek en küçük değer olan = ken, reklamın yüzde yüz başarılı oluşudur ve bu reklamın gücünden bağımsız olarak gerçekleşmektedr. Yan tolum hafızasının en küçük olduğu bu durumda reklam çn ne kadar yatırım yatığınızdan bağımsız olarak reklam tam başarıya ulaşacaktır. İknc öneml bulgumuz se, bellek büyüklüğünün daha büyük olduğu ( > ) tolumlarla lgldr. Burada, bell br krtk değernn varlığını gözlemlemekteyz. Bu krtk değerden düşük br reklam yatımımında, reklam başarısının bellek büyüklüğü le ters orantılı olduğu ortaya çıkmıştır. Krtk değern üstünde br reklam yatırımında se reklam başarısının bellek büyüklüğü le doğru orantılı olduğu ortaya çıkmıştır. Dğer br fadeyle, krtk değern altındayken hafıza arttıkça reklam edlenn blnrllğ azalırken, bu değern üstündeyken hafıza arttıkça reklam edlenn blnrllğ de artar. Ayrıca bu çalışmamızda, smülasyonu gerçekleştrmeden sonucun ne olacağını kestrecek analtk br çözümleme de yatık. Bu tavsye modeln br arkov sürec halne getrerek lgl olasılık dağılımını hesaladık. Bu dağılımın beklenen değer bze reklam edlenn şöhretn vermektedr. Bu da tavsye modelnn lgl arametrelerle brlkte kontrolünü kolaylaştırmakta ve reklamın şöhret oluşumuna olan etksnn ne olacağı le lgl tahmnlerde bulunmaya mkan sağlamaktadır. Kmn tavsye edeceğ, kme tavsye edeceğ kadar ney tavsye edeceğ de önemldr. odeln, Physcal Revew E de yayınlanan en bast halnde (Smle Recommendaton odel - SR) bu seçmler rasgele yaılmaktadır. Blyoruz k gerçek hayatta tavsyelermz bldklermz arasından rasgele yamıyoruz. Bze gelen tavsyeler rasgele almıyoruz. Daha başka mekanzmalar devreye gryor. Her tavsye edlen kabul etmyoruz. Tavsye edenn o konuda ne kadar güvenlr, ne kadar yetkn olduğuna bakıyoruz. PRE modelnde brey tavsye edlen tavsye edene ve tavsye edlene bakmaksızın kabul eder. Buralarda daha nce mekanzmalara gereksnm olacaktır. SR model breylern hesnn aynı büyüklükte belleğe sah olduğunu varsayar. Herkes m kadar şey bleblr. SR de tolum büyüklüğü sabttr. Breyler doğmaz, ölmez. Gerçek hayatta bunun böyle değldr. Br başka ncelenecek nokta göç olgusunun karşılığıdır. Brbr le etkleşmeyen k tolum aradak engellern kaldırılması le etkleşr hale gelrse ne olacağının ncelenmesdr. Bu br anlamda brbr le bağlantısı olmayan k sosyal ağın yen br bağ le artık etkleşr olması olarak da düşünüleblr. Teşekkürler. Bu çalışma, Boğazç Ünverstes Araştırma Fonu BAP-28-8A5, DPT kaynaklı TA Projes, 27K26, ve COST aksyonu P8 tarafından kısmen desteklenmştr. [] Frank. Bass. A ew Product Growth for odel Consumer Durables. anagement Scence, 5(5):25 227, 969. [2] Haluk Bngol. Fame emerges as a result of small memory. Physcal Revew E, 77(3):7, arch 28. [3] P S Dodds and D J Watts. A generalzed model of socal and bologcal contagon. Journal of theoretcal bology, 232(4):587 64, February 25. [4] Davd Easley and Jon Klenberg. etworks, Crowds, and arkets: Reasonng About a Hghly Connected World. Cambrdge Unversty Press, 2. [5] alcolm Gladwell. The tng ont: How lttle thngs can make a bg d erence. Lttle Brown and Comany, Boston, 2. [6] Jacob Goldenberg, B Lba, and E uller. Talk of the network: A comlex systems look at the underlyng rocess of word-of-mouth. arketng letters, 2(3):2 223, 2. [7] Amaç Herdagdelen and Haluk Bngol. A Cultural arket odel. Internatonal Journal of odern Physcs C, 9(2):27, 28. [8] J. R. orrs. arkov Chans. Cambrdge Unversty Press, 998. [9] artn owak. Evolutonary Dynamcs: Exlorng the Equatons of Lfe. Belkna Press, 26. [] Romualdo Pastor-Satorras and Alessandro Vesgnan. Edemc Sreadng n Scale-Free etworks. Physcal Revew Letters, 86(4):32 323, Arl 2. [] Everett. Rogers and Everett Rogers. D uson of Innovatons. Free Press, 5 edton, 23.
dir. Bir başka deyişle bir olayın olasılığı, uygun sonuçların sayısının örnek uzaydaki tüm sonuçların sayısına oranıdır.
BÖLÜM 3 OLASILIK HESABI 3.. Br Olayın Olasılığı Tanım 3... Br olayın brbrnden ayrık ve ortaya çıkma şansı eşt n mümkün sonucundan m tanes br A olayına uygun se, A olayının P(A) le gösterlen olasılığı P(A)
DetaylıÇOKLU REGRESYON MODELİ, ANOVA TABLOSU, MATRİSLERLE REGRESYON ÇÖZÜMLEMESİ,REGRES-YON KATSAYILARININ YORUMU
6.07.0 ÇOKLU REGRESON MODELİ, ANOVA TABLOSU, MATRİSLERLE REGRESON ÇÖZÜMLEMESİ,REGRES-ON KATSAILARININ ORUMU ÇOKLU REGRESON MODELİ Ekonom ve şletmeclk alanlarında herhang br bağımlı değşken tek br bağımsız
DetaylıKorelasyon ve Regresyon
Korelasyon ve Regresyon 1 Korelasyon Analz İk değşken arasında lşk olup olmadığını belrlemek çn yapılan analze korelasyon analz denr. Korelasyon; doğrusal yada doğrusal olmayan dye kye ayrılır. Korelasyon
DetaylıHAFTA 13. kadın profesörlerin ortalama maaşı E( Y D 1) erkek profesörlerin ortalama maaşı. Kestirim denklemi D : t :
HAFTA 13 GÖLGE EĞİŞKENLERLE REGRESYON (UMMY VARIABLES) Gölge veya kukla (dummy) değşkenler denen ntel değşkenler, cnsyet, dn, ten reng gb hemen sayısallaştırılamayan ama açıklanan değşkenn davranışını
Detaylı6. NORMAL ALT GRUPLAR
6. ORMAL ALT GRUPLAR G br grup ve olsun. 5. Bölümden çn eştlğnn her zaman doğru olamayacağını blyoruz. Fakat bu özellğ sağlayan gruplar, grup teorsnde öneml rol oynamaktadır. Bu bölümde bu tür grupları
DetaylıX, R, p, np, c, u ve diğer kontrol diyagramları istatistiksel kalite kontrol diyagramlarının
1 DİĞER ÖZEL İSTATİSTİKSEL KALİTE KONTROL DİYAGRAMLARI X, R, p, np, c, u ve dğer kontrol dyagramları statstksel kalte kontrol dyagramlarının temel teknkler olup en çok kullanılanlarıdır. Bu teknkler ell
DetaylıBilgisayarla Görüye Giriş
Blgsayarla Görüye Grş Ders 8 Görüntü Eşleme Alp Ertürk alp.erturk@kocael.edu.tr Panorama Oluşturma Görüntüler eşlememz / çakıştırmamız gerekmektedr Panorama Oluşturma İk görüntüden özntelkler çıkar Panorama
DetaylıPARÇALI DOĞRUSAL REGRESYON
HAFTA 4 PARÇALI DOĞRUSAL REGRESYO Gölge değşkenn br başka kullanımını açıklamak çn varsayımsal br şrketn satış temslclerne nasıl ödeme yaptığı ele alınsın. Satış prmleryle satış hacm Arasındak varsayımsal
DetaylıSistemde kullanılan baralar, klasik anlamda üç ana grupta toplanabilir :
5 9. BÖLÜM YÜK AKIŞI (GÜÇ AKIŞI) 9.. Grş İletm sstemlernn analzlernde, bara sayısı arttıkça artan karmaşıklıkları yenmek çn sstemn matematksel modellenmesnde kolaylık getrc bazı yöntemler gelştrlmştr.
DetaylıKİ-KARE TESTLERİ A) Kİ-KARE DAĞILIMI VE ÖZELLİKLERİ
Kİ-KAR TSTLRİ A) Kİ-KAR DAĞILIMI V ÖZLLİKLRİ Örnekleme yoluyla elde edlen rakamların, anakütle rakamlarına uygun olup olmadığı; br başka fadeyle gözlenen değerlern teork( beklenen) değerlere uygunluk gösterp
DetaylıENDÜSTRİNİN DEĞİŞİK İŞ KOLLARINDA İHTİYAÇ DUYULAN ELEMANLARIN YÜKSEK TEKNİK EĞİTİM MEZUNLARINDAN SAĞLANMASINDAKİ BEKLENTİLERİN SINANMASI
V. Ulusal Üretm Araştırmaları Sempozyumu, İstanbul Tcaret Ünverstes, 5-7 Kasım 5 ENDÜSTRİNİN DEĞİŞİK İŞ KOLLARINDA İHTİYAÇ DUYULAN ELEMANLARIN YÜKSEK TEKNİK EĞİTİM MEZUNLARINDAN SAĞLANMASINDAKİ BEKLENTİLERİN
Detaylı1. KEYNESÇİ PARA TALEBİ TEORİSİ
DERS NOTU 07 KEYNESÇİ PARA TALEBİ TEORİSİ, LM EĞRİSİ VE PARA TALEBİ FAİZ ESNEKLİĞİ Bugünk dersn çerğ: 1. KEYNESÇİ PARA TALEBİ TEORİSİ... 1 1.1 İŞLEMLER (MUAMELELER) TALEBİ... 2 1.2 ÖNLEM (İHTİYAT) TALEBİ...
DetaylıKİ-KARE TESTLERİ. şeklinde karesi alındığında, Z i. değerlerinin dağılımı ki-kare dağılımına dönüşür.
Kİ-KARE TESTLERİ A) Kİ-KARE DAĞILIMI VE ÖZELLİKLERİ Örnekleme yoluyla elde edlen rakamların, anakütle rakamlarına uygun olup olmadığı; br başka fadeyle gözlenen değerlern teork( beklenen) değerlere uygunluk
DetaylıKİ KARE ANALİZİ. Doç. Dr. Mehmet AKSARAYLI Ki-Kare Analizleri
Kİ KAR ANALİZİ 1 Doç. Dr. Mehmet AKSARAYLI www.mehmetaksarayl K-Kare Analzler OLAY 1: Genelde br statstk sınıfında, öğrenclern %60 ının devamlı, %30 unun bazen, %10 unun se çok az derse geldkler düşünülmektedr.
DetaylıOLASILIĞA GİRİŞ. Biyoistatistik (Ders 7: Olasılık) OLASILIK, TIP ve GÜNLÜK YAŞAMDA KULLANIMI
OLASILIĞA GİRİŞ Yrd. Doç. Dr. Ünal ERKORKMAZ Sakarya Ünverstes Tıp Fakültes Byostatstk Anablm Dalı uerkorkmaz@sakarya.edu.tr OLASILIK, TIP ve GÜNLÜK YAŞAMDA KULLANIMI Br olayındoğal koşullar altında toplumda
DetaylıFizik 101: Ders 15 Ajanda
zk 101: Ders 15 Ajanda İk boyutta elastk çarpışma Örnekler (nükleer saçılma, blardo) Impulse ve ortalama kuvvet İk boyutta csmn elastk çarpışması Önces Sonrası m 1 v 1, m 1 v 1, KM KM V KM V KM m v, m
DetaylıDENEY 4: SERİ VE PARALEL DEVRELER,VOLTAJ VE AKIM BÖLÜCÜ KURALLARI, KIRCHOFF KANUNLARI
A. DNYİN AMACI : Bast ser ve bast paralel drenç devrelern analz edp kavramak. Voltaj ve akım bölücü kurallarını kavramak. Krchoff kanunlarını deneysel olarak uygulamak. B. KULLANILACAK AAÇ V MALZML : 1.
DetaylıDoğru Önermeler, Yanlış Önermeler 1 Ali Nesin
Doğru Önermeler, Yanlış Önermeler Al Nesn Bu yazıda 6 mantık sorusu sorup yanıtlayacağız. Brnc Blmece. Yargıç karar recek. Mahkeme tutanaklarından şu blgler çıkıyor: Eğer A suçsuzsa, hem B hem C suçlu.
Detaylı5.3. Tekne Yüzeylerinin Matematiksel Temsili
5.3. Tekne Yüzeylernn atematksel Temsl atematksel yüzey temslnde lk öneml çalışmalar Coons (53) tarafından gerçekleştrlmştr. Ferguson yüzeylernn gelştrlmş hal olan Coons yüzeylernde tüm sınır eğrler çn
DetaylıSıklık Tabloları ve Tek Değişkenli Grafikler
Sıklık Tabloları ve Tek Değşkenl Grafkler Sıklık Tablosu Ver dzsnde yer alan değerlern tekrarlama sayılarını çeren tabloya sıklık tablosu denr. Sıklık Tabloları tek değşken çn marjnal tablo olarak adlandırılır.
DetaylıVEKTÖRLER VE VEKTÖREL IŞLEMLER
VEKTÖRLER VE VEKTÖREL IŞLEMLER 1 2.1 Tanımlar Skaler büyüklük: Sadece şddet bulunan büyüklükler (örn: uzunluk, zaman, kütle, hacm, enerj, yoğunluk) Br harf le sembolze edleblr. (örn: kütle: m) Şddet :
Detaylıbir yol oluşturmaktadır. Yine i 2 , de bir yol oluşturmaktadır. Şekil.DT.1. Temel terimlerin incelenmesi için örnek devre
Devre Analz Teknkler DEE AAĐZ TEKĐKEĐ Bu zamana kadar kullandığımız Krchoffun kanunları ve Ohm kanunu devre problemlern çözmek çn gerekl ve yeterl olan eştlkler sağladılar. Fakat bu kanunları kullanarak
DetaylıMIT Açık Ders Malzemeleri Bu materyallerden alıntı yapmak veya Kullanım Koşulları hakkında bilgi almak için
MIT Açık Ders Malzemeler http://ocm.mt.edu Bu materyallerden alıntı yapmak veya Kullanım Koşulları hakkında blg almak çn http://ocm.mt.edu/terms veya http://tuba.açık ders.org.tr adresn zyaret ednz. 18.102
DetaylıStandart Model (SM) Lagrange Yoğunluğu. u, d, c, s, t, b. e,, Şimdilik nötrinoları kütlesiz Kabul edeceğiz. Kuark çiftlerini gösterelim.
SM de yer alacak fermyonlar Standart Model (SM) agrange Yoğunluğu u s t d c b u, d, c, s, t, b e e e,, Şmdlk nötrnoları kütlesz Kabul edeceğz. Kuark çftlern gösterelm. u, c ve t y u (=1,,) olarak gösterelm.
DetaylıBÖLÜM 5 İKİ VEYA DAHA YÜKSEK BOYUTLU RASGELE DEĞİŞKENLER İki Boyutlu Rasgele Değişkenler
BÖLÜM 5 İKİ VEYA DAHA YÜKSEK BOYUTLU RASGELE DEĞİŞKENLER 5.. İk Boyutlu Rasgele Değşkenler Br deney yapıldığında, aynı deneyle lgl brçok rasgele değşkenn aynı andak durumunu düşünmek gerekeblr. Böyle durumlarda
DetaylıSEK Tahmincilerinin Arzulanan Özellikleri. SEK Tahmincilerinin Arzulanan Özellikleri. Ekonometri 1 Konu 9 Sürüm 2,0 (Ekim 2011)
SEK Tahmnclernn Arzulanan Özellkler İk Değşkenl Bağlanım Model SEK Tahmnclernn Arzulanan Özellkler Ekonometr 1 Konu 9 Sürüm 2,0 (Ekm 2011) http://www.ackders.org.tr SEK Tahmnclernn Arzulanan Özellkler
DetaylıSEK Yönteminin Güvenilirliği Sayısal Bir Örnek. Ekonometri 1 Konu 11 Sürüm 2,0 (Ekim 2011)
İk Değşkenl Bağlanım Model SEK Yöntemnn Güvenlrlğ Ekonometr 1 Konu 11 Sürüm,0 (Ekm 011) UADMK Açık Lsans Blgs İşbu belge, Creatve Commons Attrbuton-Non-Commercal ShareAlke 3.0 Unported (CC BY-NC-SA 3.0)
DetaylıOLASILIK. Bölüm 4. Temel Tanımlar ve Kavramlar-I. Olasılık
ölüm 4 Olasılık OLSILIK opulasyon hakkında blg sahb olmak amacı le alınan örneklerden elde edlen blgler bre br doğru olmayıp heps mutlaka br hata payı taşımaktadır. u hata payının ortaya çıkmasının sebeb
DetaylıUYUM ĐYĐLĐĞĐ TESTĐ. 2 -n olup. nin dağılımı χ dir ve sd = (k-1-p) dir. Burada k = sınıf sayısı, p = tahmin edilen parametre sayısıdır.
UYUM ĐYĐLĐĞĐ TESTĐ Posson: H o: Ver Posson dağılıma sahp br ktleden gelmektedr. H a : Ver Posson dağılıma sahp br ktleden gelmemektedr. Böyle br hpotez test edeblmek çn, önce Posson dağılım parametres
DetaylıPARAMETRİK OLMAYAN HİPOTEZ TESTLERİ Kİ-KARE TESTLERİ
PARAMETRİK OLMAYAN HİPOTEZ TESTLERİ Kİ-KARE TESTLERİ 1 Populasyonun nceledğmz br özellğnn dağılışı blenen dağılışlardan brsne, Normal Dağılış, t Dağılışı, F Dağılışı, gb br dağılışa uygun olduğu durumlarda
DetaylıDoğrusal Korelasyon ve Regresyon
Doğrusal Korelasyon ve Regresyon En az k değşken arasındak lşknn ncelenmesne korelasyon denr. Kşlern boyları le ağırlıkları, gelr le gder, öğrenclern çalıştıkları süre le aldıkları not, tarlaya atılan
Detaylıkadar ( i. kaynağın gölge fiyatı kadar) olmalıdır.
KONU : DUAL MODELİN EKONOMİK YORUMU Br prmal-dual model lşks P : max Z cx D: mn Z bv AX b AV c X 0 V 0 bçmnde tanımlı olsun. Prmal modeln en y temel B ve buna lşkn fyat vektörü c B olsun. Z B B BB c X
DetaylıDenklem Çözümünde Açık Yöntemler
Denklem Çözümünde Bu yöntem, n yalnızca başlangıç değer kullanılan ya da kökü kapsayan br aralık kullanılması gerekmez. Açık yöntemler hızlı sonuç vermesne karşın, başlangıç değer uygun seçlmedğnde ıraksayablr.
DetaylıCalculating the Index of Refraction of Air
Ankara Unversty Faculty o Engneerng Optcs Lab IV Sprng 2009 Calculatng the Index o Reracton o Ar Lab Group: 1 Teoman Soygül Snan Tarakçı Seval Cbcel Muhammed Karakaya March 3, 2009 Havanın Kırılma Đndsnn
DetaylıELM201 ELEKTRONİK-I DERSİ LABORATUAR FÖYÜ
T SAKAYA ÜNİESİTESİ TEKNOLOJİ FAKÜLTESİ ELEKTİK-ELEKTONİK MÜHENDİSLİĞİ ELM201 ELEKTONİK- DESİ LAOATUA FÖYÜ DENEYİ YAPTAN: DENEYİN AD: DENEY NO: DENEYİ YAPANN AD ve SOYAD: SNF: OKUL NO: DENEY GUP NO: DENEY
DetaylıTek Yönlü Varyans Analizi (ANOVA)
VARYANS ANALİZİ İ örne ortalaması arasında farın önem ontrolü, örne büyülüğüne göre z veya testlernden bryle yapılır. Bu testlerle, den fazla örne ortalamasını brlte test etme ve aralarında farın önem
DetaylıManyetizma Testlerinin Çözümleri. Test 1 in Çözümü
4 Manyetzma Testlernn Çözümler 1 Test 1 n Çözümü 5. Mıknatısların brbrne uyguladığı kuvvet uzaklığın kares le ters orantılıdır. Buna göre, her br mıknatısa uygulanan kuvvet şekl üzernde gösterelm. 1. G
DetaylıPARAMETRİK OLMAYAN HİPOTEZ TESTLERİ. χ 2 Kİ- KARE TESTLERİ. Doç.Dr. Ali Kemal ŞEHİRLİOĞLU Araş.Gör. Efe SARIBAY
PARAMETRİK OLMAYAN HİPOTEZ TESTLERİ Kİ- KARE TESTLERİ Doç.Dr. Al Kemal ŞEHİRLİOĞLU Araş.Gör. Efe SARIAY Populasyonun nceledğmz br özellğnn dağılışı blenen dağılışlardan brsne, Normal Dağılış, t Dağılışı,
DetaylıÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ
ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ Gülesen ÜSTÜNDAĞ BAZI PARAMETRİK OLMAYAN İSTATİSTİKSEL YÖNTEMLERİN İNCELENMESİ İSTATİSTİK ANABİLİM DALI ADANA, 005 ÇUKUROVA ÜNİVERSİTESİ
DetaylıALTERNATİF AKIM DEVRE YÖNTEM VE TEOREMLER İLE ÇÖZÜMÜ
BÖLÜM 6 ALTERNATİF AKIM DEVRE ÖNTEM VE TEOREMLER İLE ÇÖZÜMÜ 6. ÇEVRE AKIMLAR ÖNTEMİ 6. SÜPERPOZİSON TEOREMİ 6. DÜĞÜM GERİLİMLER ÖNTEMİ 6.4 THEVENİN TEOREMİ 6.5 NORTON TEOREMİ Tpak GİRİŞ Alternatf akımın
DetaylıDirect Decomposition of A Finitely-Generated Module Over a Principal Ideal Domain *
BİR ESAS İDEAL BÖLGESİ ÜZERİNDEKİ SONLU DOĞURULMUŞ BİR MODÜLÜN DİREK PARÇALANIŞI * Drec Decompoon of A Fnely-Generaed Module Over a Prncpal Ideal Doman * Zeynep YAPTI Fen Blmler Enüü Maemak Anablm Dalı
DetaylıTEMEL DEVRE KAVRAMLARI VE KANUNLARI
TDK Temel Devre Kavramları ve Kanunları /0 TEMEL DEVRE KAVRAMLARI VE KANUNLARI GĐRĐŞ: Devre analz gerçek hayatta var olan fzksel elemanların matematksel olarak modellenerek gerçekte olması gereken sonuçların
DetaylıDeney No: 2. Sıvı Seviye Kontrol Deneyi. SAKARYA ÜNİVERSİTESİ Dijital Kontrol Laboratuvar Deney Föyü Deneyin Amacı
SRY ÜNİVERSİESİ Djtal ontrol Laboratuvar Deney Föyü Deney No: 2 Sıvı Sevye ontrol Deney 2.. Deneyn macı Bu deneyn amacı, doğrusal olmayan sıvı sevye sstemnn belrlenen br çalışma noktası cvarında doğrusallaştırılmış
Detaylıuzayında vektörler olarak iç çarpımlarına eşittir. Bu iç çarpım simetrik ve hem w I T s formuna karşılık gelir. Buna p u v u v v v
1. Temel Form: Brnc temel form geometrk olarak yüzeyn çnde blndğ zayına gtmeden yüzey üzernde ölçme yamamızı sağlar. (Eğrlern znlğ, teğet ektörlern açıları, bölgelern alanları gb) S üzerndek ç çarım, br
DetaylıBasel II Geçiş Süreci Sıkça Sorulan Sorular
Basel II Geçş Sürec Sıkça Sorulan Sorular Soru No: 71 Cevaplanma Tarh: 06.03.2012 İlgl Hüküm: --- Konu: Gayrmenkul İpoteğyle Temnatlandırılmış Alacaklar İçn KR510AS Formunun Doldurulmasına İlşkn Örnek
DetaylıENERJİ. Isı Enerjisi. Genel Enerji Denklemi. Yrd. Doç. Dr. Atilla EVCİN Afyon Kocatepe Üniversitesi 2007
Yrd. Doç. Dr. Atlla EVİN Afyon Kocatepe Ünverstes 007 ENERJİ Maddenn fzksel ve kmyasal hal değşm m le brlkte dama enerj değşm m de söz s z konusudur. Enerj değşmler mler lke olarak Termodnamğn Brnc Yasasına
DetaylıCommunication Theory
Communcaton Theory ENFORMASYON TEORİSİ KODLAMA Doç. Dr. Hakan Doğan ENFORMASYON DEYİMİ NEDEN KULLANILMIŞ? Kaynaklarn, kanalların,alıcıların blg karakterstklern ncelemek. Blgnn letmn optmze etmek çn İletmn
DetaylıGM-220 MÜH. ÇALIŞ. İSTATİSTİKSEL. Frekans Dağılımı Oluşturma Adımları VERİLERİN SUNUMU. Verilerin Özetlenmesi ve Grafikle Gösterilmesi
VERİLERİN SUNUMU GM-0 MÜH. ÇALIŞ. İSTATİSTİKSEL YÖNTEMLER Br çalışadan elde edlen verler ha ver ntelğndedr. Ha verlerden blg ednek zor ve zaan alıcıdır. Ha verler çok karaşık durudadır. Verlern düzenlenes
DetaylıKIRIKKALE ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ ENDÜSTRİ MÜHENDİSLİĞİ ÇOK KRİTERLİ KARAR VERME YÖNTEMLERİNDEN AHP VE TOPSIS İLE KAMP YERİ SEÇİMİ
KIRIKKALE ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ ENDÜSTRİ MÜHENDİSLİĞİ ÇOK KRİTERLİ KARAR VERME YÖNTEMLERİNDEN AHP VE TOPSIS İLE KAMP YERİ SEÇİMİ Burak KARAHAN Burak PEKEL Neşet BEDİR Cavt CAN Kırıkkale -2014-
DetaylıHİPERSTATİK SİSTEMLER
HİPERSTATİK SİSTELER Tanım: Bütün kest zorlarını ve bunlara bağlı olarak şekl değştrmelern ve yer değştrmelern hesabı çn denge denklemlernn yeterl olmadığı sstemlere Hperstatk Sstemler denr. Hperstatk
DetaylıDOĞRUSAL HEDEF PROGRAMLAMA İLE BÜTÇELEME. Hazırlayan: Ozan Kocadağlı Danışman: Prof. Dr. Nalan Cinemre
1 DOĞRUSAL HEDEF PROGRAMLAMA İLE BÜTÇELEME Hazırlayan: Ozan Kocadağlı Danışman: Prof. Dr. Nalan Cnemre 2 BİRİNCİ BÖLÜM HEDEF PROGRAMLAMA 1.1 Grş Karar problemler amaç sayısına göre tek amaçlı ve çok amaçlı
DetaylıÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ ÇOKLU İÇ İLİŞKİ VE EKOLOJİK REGRESYON İSTATİSTİK ANABİLİM DALI
ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ Berrn GÜLTAY YÜKSEK LİSANS TEZİ ÇOKLU İÇ İLİŞKİ VE EKOLOJİK REGRESYON İSTATİSTİK ANABİLİM DALI ADANA, 9 ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ ÇOKLU
DetaylıTEKNOLOJĐK ARAŞTIRMALAR
www.teknolojkarastrmalar.com ISSN:305-63X Yapı Teknolojler Elektronk Dergs 008 () - TEKNOLOJĐK ARAŞTIRMALAR Makale Başlığın Boru Hattı Etrafındak Akıma Etks Ahmet Alper ÖNER Aksaray Ünverstes, Mühendslk
DetaylıMerkezi Eğilim (Yer) Ölçüleri
Merkez Eğlm (Yer) Ölçüler Ver setn tanımlamak üzere kullanılan ve genellkle tüm elemanları dkkate alarak ver setn özetlemek çn kullanılan ölçülerdr. Ver setndek tüm elemanları temsl edeblecek merkez noktasına
DetaylıGüvenlik Stokları. Tedarik Zincirlerinde Belirsizlik Yönetimi: Güvenlik Stokları. Güvenlik Stokları Belirlenirken Sorulması gereken sorular
Güvenl Stoları Tedar Zncrlernde Belrszl Yönetm: Güvenl Stoları Güvenl Stoğu: Herhang br dönemde, talebn tahmn edlen mtarın üzernde gerçeleşen mtarını arşılama çn elde bulundurulan sto mtarıdır Q Çevrm
Detaylı( ) 3.1 Özet ve Motivasyon. v = G v v Operasyonel Amplifikatör (Op-Amp) Deneyin Amacı. deney 3
Yıldız Teknk Ünverstes Elektrk Mühendslğ Bölümü Deneyn Amacı İşlemsel kuvvetlendrcnn çalışma prensbnn anlaşılması le çeştl OP AMP devrelernn uygulanması ve ncelenmes. Özet ve Motvasyon.. Operasyonel Amplfkatör
DetaylıİÇME SUYU ŞEBEKELERİNİN GÜVENİLİRLİĞİ
Türkye İnşaat Mühendslğ, XVII. Teknk Kongre, İstanbul, 2004 İÇME SUYU ŞEBEKELERİNİN GÜVENİLİRLİĞİ Nur MERZİ 1, Metn NOHUTCU, Evren YILDIZ 1 Orta Doğu Teknk Ünverstes, İnşaat Mühendslğ Bölümü, 06531 Ankara
DetaylıTEKNOLOJĐK ARAŞTIRMALAR
www.teknolojkarastrmalar.com ISSN:134-4141 Makne Teknolojler Elektronk Dergs 28 (1) 61-68 TEKNOLOJĐK ARAŞTIRMALAR Kısa Makale Tabakalı Br Dskn Termal Gerlme Analz Hasan ÇALLIOĞLU 1, Şükrü KARAKAYA 2 1
DetaylıMakine Öğrenmesi 10. hafta
Makne Öğrenmes 0. hafta Lagrange Optmzasonu Destek Vektör Maknes (SVM) Karesel (Quadratc) Programlama Optmzason Blmsel term olarak dlmze geçmş olsa da bazen en leme termle karşılık bulur. Matematktek en
DetaylıOLASILIK KURAMI. Temel Tanımlar ve Kavramlar-III. Temel Tanımlar ve Kavramlar-II. Temel Tanımlar ve Kavramlar-I OLASILIK
Dr. Mehmet KSRYLI OLSILIK OLSILIK KURMI Dokuz Eylül Ünverstes Ekonometr Böl. www.mehmetaksarayl.com Populasyon hakkında blg sahb olmak amacı le alınan örneklerden elde edlen blgler bre br doğru olmayıp
Detaylı16. Dörtgen plak eleman
16. Ddörtgen pla eleman 16. Dörtgen pla eleman Kalınlığı dğer boyutlarına göre üçü ve düzlemne d yü etsnde olan düzlem taşıyıcı ssteme pla denr. Yapıların döşemeler, sıvı deposu yan duvarları ve öprü plaları
DetaylıDersin Yürütülmesi Hakkında. (Örgün / Yüz Yüze Eğitim için) (Harmanlanmış Eğitim için) (Uzaktan Eğitim için)
Ders Kodu Teork Uygulama Lab. Uluslararası Muhasebe ve Fnansal Raporlama Standartları Ulusal Kred Öğretm planındak AKTS 344000000000510 3 0 0 3 6 Ön Koşullar : Bu dersn ön koşulu ya da yan koşulu bulunmamaktadır.
DetaylıÖRNEKLEME YÖNTEMLERİ ve ÖRNEKLEM GENİŞLİĞİ
03.05.013 ÖRNEKLEME YÖNTEMLERİ ve ÖRNEKLEM GENİŞLİĞİ 1 Nede Örekleme? Öreklemde çalışmak ktlede çalışmakta daha kolaydır. Ktle üzerde çalışmak çok daha masraflı olablr. Çoğu durumda tüm ktleye ulaşmak
DetaylıElektrik Akımı. Test 1 in Çözümleri. voltmetresi K-M arasına bağlı olduğu için bu noktalar arasındaki potansiyel farkını ölçer. V 1. = i R KM 1.
5 Elektrk kımı 1 Test 1 n Çözümler 1. 4 Ω Ω voltmetre oltmetrenn ç drenc sonsuz büyük kabul edlr. Bu nedenle voltmetrenn bulunduğu koldan akım geçmez. an voltmetrenn olduğu koldak drenç dkkate alınmaz.
Detaylı3. Parçaları Arasında Aralık Bulunan Çok Parçalı Basınç Çubukları
3. Parçaları Arasında Aralık Bulunan Çok Parçalı Basınç Çubukları Basınç çubukları brden fazla profl kullanılarak, bu profller arasında plan düzlemnde bell br mesafe bulunacak şeklde düzenleneblr. Bu teşklde,
DetaylıNİTEL TERCİH MODELLERİ
NİTEL TERCİH MODELLERİ 2300 gözlem sayısı le verlen değşkenler aşağıdak gbdr: calsma: çocuk çalışıyorsa 1, çalışmıyorsa 0 (bağımlı değşken) Anne_egts: Anne eğtm sevyes Baba_egts: Baba eğtm sevyes Kent:
DetaylıDip - Zirve Relatif Performans Piyasa Çarpanları Değerlemeler TTKOM IPEKE SAHOL BIMAS TTRAK DOHOL. Düşüşü Sürenler ASELS
BİST 30 Son Fyat Bu Hafta Geçen Hafta AKBNK 8,92-10,35% -2,93% ARCLK 13,55-4,24% 4,04% ASELS 10,30-7,52% -4,24% ASYAB 2,01-5,19% -0,93% BIMAS 87,75-3,31% -1,39% DOHOL 1,07-4,46% -2,61% EKGYO 3,09-4,92%
DetaylıBAŞKENT ÜNİVERSİTESİ MAKİNE MÜHENDİSLİĞİ BÖLÜMÜ MAK MAKİNE MÜHENDİSLİĞİ LABORATUVARI DENEY - 8
BAŞKENT ÜNİVERSİTESİ MAKİNE MÜHENDİSLİĞİ BÖLÜMÜ MAK - 402 MAKİNE MÜHENDİSLİĞİ LABORATUVARI DENEY - 8 FARKLI YÜZEY ÖZELLİKLERİNE SAHİP PLAKALARIN ISIL IŞINIM YAYMA ORANLARININ HESAPLANMASI BAŞKENT ÜNİVERSİTESİ
DetaylıA İSTATİSTİK. 4. X kesikli rasgele (random) değişkenin moment çıkaran. C) 4 9 Buna göre, X in beklenen değeri kaçtır?
. Br torbada 6 syah, 4 beyaz top vardır. Bu torbadan yerne koyarak top seçlyor. A İSTATİSTİK KPSS/-AB-PÖ/006. Normal dağılıma sahp br rasgele (random) değşkenn varyansı 00 dür. Seçlen topların ksnn de
Detaylı1. GAZLARIN DAVRANI I
. GZLRIN DRNI I İdeal Gazlar ç: lm 0 RT İdeal gazlar ç: RT Hacm() basıçla() değşk sıcaklıklarda değşm ekl.. de gösterlmştr. T >T 8 T T T 3 asıç T 4 T T 5 T 7 T 8 Molar Hacm ekl.. Gerçek br gazı değşk sıcaklıklardak
DetaylıMal Piyasasının dengesi Toplam Talep tüketim, yatırım ve kamu harcamalarının toplamına eşitti.
B.E.A. Mal Hzmet Pyasaları le Fnans Pyasalarının Ortak Denges Mal Pyasası Denges: (IS-LM) Model Mal Pyasasının denges Toplam Talep tüketm, yatırım ve kamu harcamalarının toplamına eştt. = C(-V)+I+G atırımlar
DetaylıBÖLÜM 1 1.GİRİŞ: İSTATİSTİKSEL DOĞRUSAL MODELLER
BÖLÜM 1 1.GİRİŞ: İSTATİSTİKSEL DOĞRUSAL MODELLER Blmn amaçlarından br yaşanılan doğa olaylarını tanımlamak ve olayları önceden tahmnlemektr. Bu amacı başarmanın yollarından br olaylar üzernde etkl olduğu
DetaylıYAYILI YÜK İLE YÜKLENMİŞ YAPI KİRİŞLERİNDE GÖÇME YÜKÜ HESABI. Perihan (Karakulak) EFE
BAÜ Fen Bl. Enst. Dergs (6).8. YAYII YÜK İE YÜKENİŞ YAPI KİRİŞERİNDE GÖÇE YÜKÜ HESABI Perhan (Karakulak) EFE Balıkesr Ünverstes ühendslk marlık Fakültes İnşaat üh. Bölümü Balıkesr, TÜRKİYE ÖZET Yapılar
DetaylıTek Yönlü Varyans Analizi
Tek Yönlü Varyan Analz Nedr ve hang durumlarda kullanılır? den fazla grupların karşılaştırılmaı öz konuu e, çok ayıda t-tet nn kullanılmaı, Tp I hatanın artmaına yol açar; Örneğn, eğer 5 grubu kşerl olarak
Detaylı= P 1.Q 1 + P 2.Q P n.q n (Ürün Değeri Yaklaşımı)
A.1. Mll Gelr Hesaplamaları ve Bazı Temel Kavramlar 1 Gayr Saf Yurtç Hâsıla (GSYİH GDP): Br ekonomde belrl br dönemde yerleşklern o ülkede ekonomk faalyetler sonucunda elde ettkler gelrlern toplamıdır.
DetaylıFumonic 3 radio net kablosuz duman dedektörü. Kiracılar ve mülk sahipleri için bilgi
Fumonc 3 rado net kablosuz duman dedektörü Kracılar ve mülk sahpler çn blg Tebrk ederz! Darenze akıllı fumonc 3 rado net duman dedektörler monte edlmştr. Bu şeklde ev sahbnz yasal donanım yükümlülüğünü
DetaylıÖRNEK SET 5 - MBM 211 Malzeme Termodinamiği I
ÖRNE SE 5 - MBM Malzeme ermdnamğ I 5 ºC de ve sabt basınç altında, metan gazının su buharı le reaksynunun standart Gbbs serbest enerjs değşmn hesaplayın. Çözüm C O( ( ( G S S S g 98 98 98 98 98 98 98 Madde
DetaylıLaser Distancer LD 420. Kullanma kılavuzu
Laser Dstancer LD 40 tr Kullanma kılavuzu İçndekler Chazın Kurulumu - - - - - - - - - - - - - - - - - - - - - - - Grş - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - Genel bakış
DetaylıTÜRKİYE CUMHURİYETİ ÇUKUROVA ÜNİVERSİTESİ SOSYAL BİLİMLER ENSTİTÜSÜ EKONOMETRİ ANABİLİM DALI OYUN KURAMININ EKONOMİDE UYGULANMASI
TÜRKİYE CUMHURİYETİ ÇUKUROVA ÜNİVERSİTESİ SOSYAL BİLİMLER ENSTİTÜSÜ EKONOMETRİ ANABİLİM DALI OYUN KURAMININ EKONOMİDE UYGULANMASI Hall İbrahm KESKİN YÜKSEK LİSANS TEZİ ADANA 009 TÜRKİYE CUMHURİYETİ ÇUKUROVA
DetaylıZKÜ Mühendislik Fakültesi - Makine Mühendisliği Bölümü ISI VE TERMODİNAMİK LABORATUVARI Sudan Suya Türbülanslı Akış Isı Değiştirgeci Deney Föyü
ZKÜ Müendslk Fakültes - Makne Müendslğ Bölümü Sudan Suya Türbülanslı Akış Isı Değştrge Deney Föyü Şekl. Sudan suya türbülanslı akış ısı değştrge (H950 Deneyn adı : Boru çnde sudan suya türbülanslı akışta
DetaylıKARMAŞIK SAYILAR. Derse giriş için tıklayın...
KARMAŞIK SAYILAR Derse grş çn tıklayın A Tanım B nn Kuvvetler C İk Karmaşık Sayının Eştlğ D Br Karmaşık Sayının Eşlenğ E Karmaşık Sayılarda Dört İşlem Toplama - Çıkarma Çarpma Bölme F Karmaşık Dülem ve
DetaylıYER ÖLÇÜLERİ. Yer ölçüleri, verilerin merkezini veya yığılma noktasını belirleyen istatistiklerdir.
YER ÖLÇÜLERİ Yer ölçüler, verler merkez veya yığılma oktasıı belrleye statstklerdr. Grafkler bze verler yığılma oktaları hakkıda ö blg vermede yardımcı olurlar. Acak bu değerler gerçek değerler değldr,
DetaylıKİ-KARE VE KOLMOGOROV SMİRNOV UYGUNLUK TESTLERİNİN SİMULASYON İLE ELDE EDİLEN VERİLER ÜZERİNDE KARŞILAŞTIRILMASI
C.Ü. İktsad ve İdar Blmler Dergs, Clt 4, Sayı 1, 3 6 Kİ-KARE VE KOLMOGOROV SMİRNOV UYGUNLUK TESTLERİNİN SİMULASYON İLE ELDE EDİLEN VERİLER ÜZERİNDE KARŞILAŞTIRILMASI H. BİRCAN, Y. KARAGÖZ ve Y. KASAPOĞLU
DetaylıMetin Madenciliği ile Soru Cevaplama Sistemi
Metn Madenclğ le Soru Cevaplama Sstem Sevnç İlhan 1, Nevchan Duru 2, Şenol Karagöz 3, Merve Sağır 4 1 Mühendslk Fakültes Blgsayar Mühendslğ Bölümü Kocael Ünverstes slhan@kocael.edu.tr, nduru@kocael.edu.tr,
DetaylıTHOMAS-FİERİNG MODELİ İLE SENTETİK AKIŞ SERİLERİNİN HESAPLANMASINDA YENİ BİR YAKLAŞIM
Osmangaz Ünverstes Müh.Mm.Fak.Dergs C.XVII, S., 004 Eng.&Arch.Fac.Osmangaz Unversty, Vol.XVII, No :, 004 THOMAS-FİERİNG MODELİ İLE SENTETİK AKIŞ SERİLERİNİN HESAPLANMASINDA YENİ BİR YAKLAŞIM Recep BAKIŞ,
DetaylıANOVA. CRD (Completely Randomized Design)
ANOVA CRD (Completely Randomzed Desgn) Örne Problem: Kalte le blgnn, ortalama olara, br urumun üç farlı şehrde çalışanları tarafından eşt olara algılanıp algılanmadığını test etme amacıyla, bu üç şehrde
DetaylıTanımlayıcı İstatistikler
Taımlayıcı İstatstkler Taımlayıcı İstatstkler br değerler dzs statstksel olarak geel özellkler taımlaya ölçülerdr Taımlayıcı İstatstkler Yer Göstere Ölçüler Yaygılık Ölçüler Yer Göstere Ölçüler Br dağılımı
DetaylıT.C. AİLE ve SOSYAL POLİTİKALAR BAKANlIGI. SOSYAL YARDIMLAR GENEL MÜOÜRlÜGÜ ÜSKÜOAR SOSYAL YARDıMLAŞMA VE DAYANIŞMA VAKfı HANE BEYAN FORMU.
AİLE ve SOSYAL POLİTİKALAR BAKANlIGI SOSYAL YARIMLAR GENEL MÜOÜRlÜGÜ ÜSKÜOAR SOSYAL YARıMLAŞMA VE AYANIŞMA VAKfı Sayı Hane No Referans No : T.C. Kmlk No Adı Soyadı oğum Tarh / Yer Yaşı Cep Telefon No Telefon
DetaylıJFM316 Elektrik Yöntemler ( Doğru Akım Özdirenç Yöntemi)
JFM316 Elektrk Yöntemler ( Doğru Akım Özdrenç Yöntem) yeryüzünde oluşturacağı gerlm değerler hesaplanablr. Daha sonra aşağıdak formül kullanılarak görünür özdrenç hesaplanır. a K I K 2 1 1 1 1 AM BM AN
DetaylıBağımsız Model Blok Dengeleme için Model Oluşturma ve Ön Sayısal Bilgi İşlemleri
Bağımsız Model Blok Dengeleme çn Model Oluşturma ve Ön Sayısal Blg İşlemler Emnnur AYHAN* 1. Grş Fotogrametrk nreng çeştl ölçütlere göre sınıflandırılablr. Bu ölçütler dengelemede kullanılan brm, ver toplamada
DetaylıDeprem Tepkisinin Sayısal Metotlar ile Değerlendirilmesi (Newmark-Beta Metodu) Deprem Mühendisliğine Giriş Dersi Doç. Dr.
Deprem Tepksnn Sayısal Metotlar le Değerlendrlmes (Newmark-Beta Metodu) Sunum Anahat Grş Sayısal Metotlar Motvasyon Tahrk Fonksyonunun Parçalı Lneer Interpolasyonu (Pecewse Lnear Interpolaton of Exctaton
DetaylıPARAMETRİK OLMAYAN HİPOTEZ TESTLERİ
PARAMETRİK OLMAYAN HİPOTEZ TESTLERİ Kİ-KARE KARE TESTLERİ Populasyonun nceledğmz br özellğnn dağılışı blenen dağılışlardan brsne, Normal Dağılış, t Dağılışı, F Dağılışı, gb br dağılışa uygun olduğu durumlarda
DetaylıBitkisel Ürün Sigortası Yaptırma İsteğinin Belirlenmesi: Tokat İli Örneği
Atatürk Ünv. Zraat Fak. Derg., 42 (2): 153-157, 2011 J. of Agrcultural Faculty of Atatürk Unv., 42 (2): 153-157, 2011 ISSN : 1300-9036 Araştırma Makales/Research Artcle Btksel Ürün Sgortası Yaptırma İsteğnn
DetaylıGÜNEŞ ENERJİLİ BİR SULAMA SİSTEMİNDE BOOST KONVERTERDEN BESLENEN ARM SÜRÜCÜ SİSTEMİNİN ANALİZİ
GÜNEŞ ENERJİLİ BİR SULAMA SİSTEMİNDE BOOST KONERTERDEN BESLENEN ARM SÜRÜÜ SİSTEMİNİN ANALİZİ Mahr Dursun, Al Saygın Gaz Ünverstes Teknk Eğtm Fakültes Elektrk Eğtm Bölümü Teknkokullar, Ankara mdursun@gaz.edu.tr,
DetaylıErcan Kahya. Hidrolik. B.M. Sümer, İ.Ünsal, M. Bayazıt, Birsen Yayınevi, 2007, İstanbul
Ercan Kahya 1 Hdrolk. B.M. Sümer, İ.Ünsal, M. Bayazıt, Brsen Yayınev, 007, İstanbul se se da Brm kanal küçük gen kestl br kanalda, 1.14. KANAL EGIMI TANIMLARI Brm kanal genşlğnden geçen deb q se, bu q
DetaylıKAFES SİSTEMLERİN UYGULAMAYA YÖNELİK OPTİMUM TASARIMI
PAMUKKALE ÜNİ VERSİ TESİ MÜHENDİ SLİ K FAKÜLTESİ PAMUKKALE UNIVERSITY ENGINEERING COLLEGE MÜHENDİ SLİ K BİLİMLERİ DERGİ S İ JOURNAL OF ENGINEERING SCIENCES YIL CİLT SAYI SAYFA : 1999 : 5 : 1 : 951-957
DetaylıTEKNOLOJİ BAĞIMLI YAŞAMIN MATEMATİKSEL DESENLERİ-I
TEKNOLOJİ BAĞIMLI YAŞAMIN MATEMATİKSEL DESENLERİ-I Fevz ÜNLÜ *, Esra DALAN YILDIRIM **,Şule AYAR *** ÖZET: Evren her an nano-önces, nano, mkro, normal, makro ve makro-ötes gözler le gözlemlermze açıktır.
DetaylıFARKLI VERİ YAPILARINDA KULLANILABİLECEK REGRESYON YÖNTEMLERİ
Anadolu Tarım Blm. Derg., 203,28(3):68-74 Anadolu J Agr Sc, 203,28(3):68-74 do: 0.76/anaas.203.28.3.68 URL: htt://dx.do.org/0.76/anaas.203.28.3.68 Derleme Revew FARKLI VERİ YAPILARINDA KULLANILABİLECEK
DetaylıElektrik ve Manyetizma
0. Sınıf Soru tabı. Ünte Elektrk ve anyetzma. onu Elektrk Akımı, Potansyel Fark ve Drenç Test Çözümler Jeneratör otor . Ünte Elektrk ve anyetzma Test n Çözümü. Üzernden t sürede q yükü geçen br letkendek
DetaylıUZUN ÖLÜ ZAMANLI SİSTEMLER İÇİN SMİTH ÖNGÖRÜCÜSÜ YÖNTEMİ İLE PI-P KONTROLÖR TASARIMI
UZUN ÖLÜ ZAMANLI SİSTEMLER İÇİN SMİTH ÖNGÖRÜCÜSÜ YÖNTEMİ İLE PI-P KONTROLÖR TASARIMI Tansel YÜCELEN Elektrk Mühendslğ Bölümü, Kontrol Mühendslğ Programı Elektrk-Elektronk Fakültes İstanbul Teknk Ünverstes,
Detaylı