Reducing the Effect of Parent Averages from Animal Model Solution in Mixed Model Equation by Using Modified Relationship Matrix (A)
|
|
- Yağmur Kaldırım
- 5 yıl önce
- İzleme sayısı:
Transkript
1 Yüzüncü Yıl Ünverstes, Zraat Fakültes, Tarım Blmler Dergs (J. Agrc. Sc.), 00, ():4-46 Gelş Tarh : Karışık Model Eştlklernde Modfye Edlmş Akrabalı Yetştrme Matrs (A) Kullanılarak Hayvanların Ebeveyn Ortalamalarına At Etklern Gderlmes Serhat ARSLAN () Özet: Seleksyon çalışmaları genel olarak, hayvanların breysel modeller yardımıyla elde edlen damızlık değer tahmn (BLUP)sonuçlarına dayanmaktadır. Yoğun olarak uygulanan seleksyon çalışmaları sonucu, hayvanlar arası akrabalığa dayalı lşkler gderek artmaktadır. Bu durum başta br örnek varyansın bozulması gb br takım sıkıntılara neden olmaktadır. Bu sorun, akrabalı yetştrme katsayısı matrsnn ters alınarak (A - ) karışık model eştlklernde tanımlanmasıyla gderlmeye çalışılmaktadır. Uzun yıllar süren seleksyon çalışmaları sonucunda hayvanlar arası ortak ataların sayısının artması kalıtım derecesnn yanlış olarak düşük tahmnlenmesne neden olmaktadır. Bu çalışmada seleksyon ve ıslah çalışmalarında öneml br sorun olan ortak atalardan doğan ebeveyn ortalamalarının gderlmes çn Schaeffer (00) tarafından teork esasları verlen metodolo tanıtılmıştır. Verlen yöntem benzeşm teknğ le yapay olarak yükseltlmş kalıtım dereces tahmnler çn üretlen ver setnde klask ve Schaeffer ın tanımladığı A matrs le elde edlen sonuçlar karşılaştırılmış. Sonuç olarak son tanımlanan yöntemde akrabalığın yüksek olmasına rağmen sağlıklı tahmnler elde edlmştr. Anahtar kelmeler: Kalıtım dereces, BLUP, lşk matrs, karışık model eştlkler Reducng the Effect of Parent Averages from Anmal Model Soluton n Mxed Model Equaton by Usng Modfed Relatonshp Matrx (A) Abstract: Generally, selecton studes n anmals based on ther BLUP evaluatons from an anmal model results n anmal that are closely related whch leads to ncreased rates of breedng. The tendency for hgher nbreedng rates s greater at low hertablty values. Several attempts have been made to reduce the mpact of parent average breedng values from anmal evaluatons n order to reduce nbreedng whle not sacrfcng genetc response. A method that modfes the rules for formng the nverse of the addtve genetc relatonshp matrx for use n best lnear unbased estmaton of breedng values va an anmal model was developed. Ths method and others were compared analytcally and emprcally, from the perspectve of parttonng the anmal solutons nto contrbutons from the data, from progeny, and from the parent average. The rato of genetc progress to average level of nbreedng showed that the modfed relatonshp matrx method was superor to the other methods. Smlar results were obtaned by usng artfcally hgh hertablty n a usual BLUP analyss. Key words: Hertablty, BLUP, relatonshp matrx, mxed model equaton Grş Seleksyon çalışmaları hayvanlar çn hesaplanan damızlık değer tahmnlerne (BLUP) dayalı olarak yürütülmektedr. Seleksyonda sabet derecesnn artırılması çn seleksyona esas alınan özellk çn başta kalıtım dereces olmak üzere dğer genetk parametre tahmnlernn sağlıklı olarak tahmnlenmes oldukça önemldr. Schaeffer (983), Henderson (973) tarafından uygulamaya sokulan karışık model eştlklernde hayvanlar arası akrabalıktan doğan lşklern tanımlanan lşk matrs (A) nasıl gderlebleceğ gösterlmştr. BLUP tahmnlerne dayalı olarak yürütülen seleksyon programlarında uzun yıllar bu yöntem kabul görmüştür. Ancak akraba lşklernn tanıtıldığı A matrs le yapılan düzeltmeye rağmen, yoğun seleksyon nedenyle akrabalığın çok fazla artığı sürülerde parametre tahmnler gerçek değernden daha düşük olarak tahmnlenmektedr. Schaeffer (983) bu durumu nspeten gdererek BLUP tahmnlernn düzeltlmesne dayalı br yöntem önermştr. Ancak bu yöntem sadece ebeveyn çözümlerne dayalı olduğu çn parametre tahmnlern çermemektedr. Verrer ve ark. (993), Woollams ve Thompson (994) ve Grundy ve ark. (998), seleksyonun yoğun olarak kullanıldığı sürülerde tutulan kayıtlarda akrabalık etksn gdermek çn değşk yöntemler önermşlerdr. Bu araştırıcıların önerdğ yöntemlern hepsnde, BLUP da yeterl düzeltme sağlanablmş, ancak 4 ve daha üstü generasyonluk seleksyondan sonra düşük kalıtım dereceler tahmnlenmştr. () Yüzüncü Yıl Ünverstes, Zraat Fakültes, Zootekn Bölümü, 65080, VAN
2 S. ARSLAN Bu çalışmada, seleksyonun yoğun olarak kullanıldığı sürülerde, başta kalıtım dereces olmak üzere yanlış olarak düşük parametre tahmnlernn yapılmasına önlem olarak Kullanışlı olan alternatf yöntemlerle ve Schaeffer (00) tarafından tanımlanmış yöntemler tanıtılmıştır. Söz konusu yöntemler, smulasyonla elde edlen br ver setnde uygulanarak, tanıtılan algortmaların performansları karşılaştırılmıştır. Materyal ve Yöntem Çalışmada kullanılan ver set smulasyonla baba ve annelern blndğ ve akrabalığın en düşük sevyede olması sağlanacak bçmde oluşturulmuştur. Böylece kalıtım dereces sun olarak yükseltlmştr. Kullanılan ver setnde sürüde şansa bağlı olarak dağıtılmış olan 50 babanın her sürüde 5 adet kızlarının süt vermler bulunmaktadır. Mevsm, laktasyon sırası ve yıl olmak üzere sabt, laktasyon süres, buzağılama yaşı ve buzağılama aralığı sürekl çevresel etkler olarak gözlenmştr. Sürüler çnde şansa bağlı olarak gözlenen babalar se şansa bağlı etk olarak gözlenmştr. Brey model (anmal model) yaklaşımıyla oluşturulmuş olan matematk modeln matrs yazılımı: y Xb + Zu + e () şeklnde olmaktadır. Burada y, süt vermler çn gözlem değerler, b, sabt ve u şansa bağlı etkler çn blnmeyenler vektörü; X ve Z sırasıyla, sabt ve şansa bağlı etkler çn desen matrslerdr. Bu modelde beklenen değer ve varyans kovaryans matrs: y Xb E u 0 V(u) GxA - ve V(e)Iσ e () e 0 şeklndedr.burada G, eklemel genetk etklere at matrs ve A akrabalı yetştrme katsayıları matrsdr. () nolu eştlk kullanılarak ver setnn analz yapılarak şansa bağlı etkler olan u (BLUP) tahmnler elde edlmştr. Newton-Raphson algortması kullanılarak DFREML algortmasında DFREML (Ver 3.0) statstk paket programında DFUNI prosedürüne göre varyans-kovaryans unsur tahmnler elde edlmş ve akrabalığın en düşük olduğu ve ebeveyn sürüsü olarak kabul edlen ver set çn lk kalıtım dereces ve tekrarlama dereces tahmnler elde edlmştr. Bu tahmn değerler kullanılarak Fortran 90 programında her enerasyon çn seçlen her babadan 00 dş dölünün seçldğ varsayılarak 0 generasyon boyunca seleksyon uygulanmıştır. Seleksyona esas olarak alınan damızlık değer tahmnler değşk araştırıcılar tarafından tanımlanan 6 yaklaşımda elde edlmştr. Buna göre 0 enerasyon sonunda 6 ayrı sürü çn kalıtım dereces ve damızlık değer tahmnler karşılaştırılmıştır. Kullanılan yöntemler şu şekldedr. Blnen A - matrsnn kullanıldığı karışık model eştlklernde damızlık değer tahmnler 5 farklı yaklaşımla elde edlmştr. Bunlar:. Verrer ve ark. (993) tarafından tanımlanan Verer ndeks (Vİ),. Luo ve Thompson (995) ın tanımladığı Mendel seleksyon ndeks (MDD),. Luo ve Thompson (995) ın tanımladığı düzeltlmş damızlık değerler (MA), v. Schaeffer (983) ın tanımladığı damızlık değerlernn düzeltlmes (MBLUP), v. Schaeffer (00) tarafından tanımlanan A matrsnn modfkasyonudur (MA). Verer ve ark. (993) tarafından tanımlanan Verer ndeks (Vİ) br hayvan çn: aˆ PA + mˆ şeklndedr. Burada mˆ, mendel örneklemesne at etk olmaktadır. I wx( PA) + mˆ. w 0 ve arasında değşmektedr. W olduğunda I â ve w0 olduğunda ( w / w )( PA) + ( w ( DAT ) ( PC)) I ( w ) şeklndedr. Woollams ve Thompson (994) tarafından tanımlanan mendel seleksyon ndeks: t t aˆ mˆ + mˆ l, lc l Burada c 0 le 0.5 arasında değşen oran ve t generasyon sayısıdır. C0.5 olduğunda blnen BLUP tahmnlerne eşt sonuçlar elde edlmektedr. mˆ Verer ndeksnde w0 olduğunda elde edlen çözümler vermektedr. mˆ, mendel örnekleme tahmndr. Luo ve Thompson (995) tarafından sınıflandırılmış damızlık değer tahmn (PEBV): P EBV ( F ) aˆ şeklndedr. Schaeffer (993) tanımlanan damızlık değerlernn düzeltlmes: w ( DAT ) ( PA) ( PC) aˆ w şeklnde yapılır. Burada w ebeveynlere lşkn ağırlıklı ortalama, DAT ver setnn tamamını, PA, ebeveynlere göre elde edlmş ortalamayı, PC ebeveyn çözümlernn ortalamasını fade etmektedr. Burada: DAT ( y ˆ) µ PA.5( aˆ baba + aˆ 0 ana ) 4
3 Karışık Model Eştlklernde Modfye Edlmş Akrabalı Yetştrme Matrs (A) Kullanılarak Hayvanların Ebeveyn Ortalamalarına At Etklern PC 0.5k P p 0.5k σ ( aˆ σ aˆ şeklnde hesaplanır. k, eklemel genetk varyanslar çn hata oranları olmaktadır. Varyans; σ ( 0.5( + Fbaba ) 0.5( + Fana )) şeklndedr. F l. Hayvana lşkn akrabalı yetştrme katsayısıdır. w ağırlık hesaplamaları blnen BLUP varsayımlarına göre elde edlr (cov u, u 0). w ; w P σ k ; w 3 0.5k ( σ ). Schaeffer (00), A matrsnde bazı düzenlemeler yaparak modfye edlmş matrs karışık model eştlklernde kullanımını göstermşlerdr. Bu tanımlamada Henderson (976) tarafından tanımlanan A matrsnn hesaplanması teknğne ek olarak aşağıdak düzeltmeler öngörülmektedr.. matrsn tersnde (,) elemanlarına ( λ ) σ + λ değer eklenr.. (,a) elemanlarına ( λ) σ / eklenr.. (a,) elemanlarına σ / eklenr. v. (b,b), (a,a), (b,a) ve (a,b) elemanlarına σ / 4 eklenr. Bu şeklde modfye edlen A - karışık model eştlklernde kullanılmaktadır. Burada, akrabalığı hesaplanan brey, a, ana, b, baba değerler olmaktadır. λ, 0- arasında tanımlı her %0 luk kalıtım dereces çn sabt br değerdr. Her generasyon çn ayrı ayrı hesaplanır. Başlangıçta oluşturulan sürüde genotplern, ortalaması 0 ve varyansı σ a olan br populasyondan şansa bağlı olarak seçlmş örnekler olduğu kabul edlmştr. Seleksyon sonrası oluşan genotplern, a ( a b + a a ) + m şeklnde oluştuğu varsayılmıştır. Burada a breyn toplam genotp, ab ve aa sırasıyla baba ve ananın genotp, ortalaması 0 ve varyansı / ( 0.5( F + F )) m ) b a m se olan ve normal dağılış gösteren mendel örneklemesdr. F b ve F a baba ve anne çn akrabalı yetştrme katsayılarıdır. Çalışmada 0.0, 0.5 ve 0.5 olmak üzere 3 farklı sevyede kalıtım dereces kabul edlmştr. İlk oluşturulan sürüde toplam varyansın genetk ve hata varyansları toplamdan oluştuğu varsayılmıştır. Fenotplern, eklemel genetk etklerle, hata varyanslarının ortalaması 0 ve varyansı (- h²)x00 olan normal dağılış gösterdğ varsayılmıştır. Kalıtım derecesnn yapay olarak değştrlmes amacıyla ebeveyn ortalamalarının ağırlıklı ortalamalarından faydalanılmıştır. Bu ebeveyn ortalamaları w olarak kabul edldğnde w /D ağırlıklı ortalamasının alınmasıyla sağlanmıştır. İlk aşamada bast tanımlı brey model kullanılarak BLUP tahmnler elde edlmştr. 0 generasyonluk her ver set oluşturulurken yukarıda tanıtılan 5 yaklaşımla son sürüde elde edlen varyans-kovaryans unsur ve kalıtım dereces tahmnler karşılaştırılmıştır. Bulgular ve Tartışma Çalışmada temel sürü olarak oluşturulan sürüde 5 babanın 5 anadan doğan dş yavrularına lşkn Ortalama akrabalı yetştrme katsayısı, genetk varyanslar ve kalıtım dereces Çzelge de verldğ gb elde edlmştr. Çzelge. Smulasyonla oluşturulan temel sürüde akrabalı yetştrme katsayısı, genetk varyans ve süt vermne lşkn kalıtım dereces Özellk X ± S X Akrabalık Katsayısı 0. ± 0.04 Genetk varyans ( σ a ) 7.38±.56 h² 0.67 ± generasyonluk seleksyon uygulaması sonucunda 0.0, 0.5 ve 0.50 olarak 3 farklı kalıtım derecesnn hesaplandığı 3 farklı sürü oluşmuştur. Bu 3 sürü çn kullanılan 5 yaklaşımda hesaplanan genetk değşm ( G ), ortalama akrabalık sevyes (I) ve genetk varyanslar σ a ve bunların standart hataları Çzelge dek gb olmuştur. Standart hatalar 00 tekrardan sonra elde edlen değerler olarak gözlenmştr. Farklı 5 yaklaşıma göre tahmnlenmş olan kalıtım dereceler karşılaştırıldığında başlangıç değer olarak, 0.67 olarak yüksek tahmnlenen kalıtım dereces, akrabalık derecesnn yükselmesyle brlkte özellkle 0. generasyon çn düşük olarak tahmnlenmştr. Bu durum seleksyonun yoğun kullanıldığı durumlar çn ıslah çalışmalarında karşılaşılan en cdd sorun olarak gösterlmektedr. Wu ve Schaeffer (000) tarafından önerlen akrabalık katsayısı matrsnn bazı şlemlerle modfkasyonu sonucunda eştlklere dahl edlmesyle, kalıtım dereces tahmnler hemen hemen gerçek değernde tahmnlenmştr. Akrabalığın yükselmesne bağlı olarak kalıtım derecesnde beklenen düşme gerçekleşmemştr. Dğer yöntemler özellkle 3. generasyondan sonra, bu durum çn yetersz kalmışlar ve 0. generasyon sonunda oldukça düşük kalıtım dereceler elde edlmştr. Benzer bulgular Schaeffer tarafından da bldrlmştr. Kalıtım derecelernn 0.0 ve 0.5 olarak beklendğ durumlar çn yöntemler hemen hemen benzer sonuçları vermştr. Bunun en büyük neden, yöntemlern ağırlık katsayılarına göre düzeltme yapmaları ve kalıtım derecesnn bu değerler çn aynı katsayıları 43
4 S. ARSLAN kullanmasıdır. Ancak yüksek olarak beklenen kalıtım dereceler çn farklı yöntemler farklı katsayıları kullanmaktadır. Bu nedenle Bu değer çn farklı sonuçlar elde etmştr. MA bu durumda en sağlıklı sonuçları vermştr. Çzelge. 0 generasyon sonucunda oluşan son sürüde hesaplanan G, I, σ a ve standart hataları H² Yöntem * G I σ a MBLUP Vİ MDD MA BLUP(HH) MBLUP Vİ MDD MA BLUP(HH) MBLUP Vİ MDD MA BLUP(HH) 6.6± ± ± ± ± ± ± ± ± ± ± ± ± ± ± ± ± ± ± ± ± ± ± ± ± ± ± ± ± ± ± ± ± ± ± ±.69 8.± ± ±.3 0.8± ± ± ± ± ±3.4 * MBLUP: düzeltlmş BLUP değerler Vİ: Verer İndeks MDD: Modfye edlmş Damızlık Değerler MA: Modfye edlmş akrabalık matrs BLUP(HH): BLUP değerlernn düzeltlmes Tüm kalıtım dereces hesapları çn 5. generasyona kadar yapılan seleksyonda blnen BLUP tahmnler dahl tüm yaklaşımlar benzer sonuçlara sahp olmuştur. Özellkle 6. generasyondan sonra ortak ebeveynlern artması ve buna bağlı olarak artan akrabalık dereces nedenyle, BLUP tahmnler en düşük değerlerde tahmnlenmştr. Tüm generasyonlar boyunca en sağlıklı tahmnler MA verlmştr. Kalıtım derecesnn 0.68 olarak belrlendğ durum çn MA kesn olarak benzer sonuçları vermştr. Bu durum çn blnen BLUP tahmnler 0. generasyona kadar hızlı br düşüş eğlmnde tahmnler vermştr. Bu duruma benzer şeklde BLUP(HH), MA dan sonra en kullanışlı yöntem olarak belrlenmştr. 0 generasyon çn kalıtım derecelernn değşm 5 yaklaşım çn şekl de ncelenmştr. Akrabalık katsayıları Şekl de ve genetk varyanslar Şekl 3 de ncelenmştr Generasyon Şekl. 5 farklı yaklaşım çn 0 generasyon boyunca h² tahmnler (: Vİ: MBLUP; : Vİ; 3: MDD; 4: MA; 5: BLUP(HH)) 44
5 Karışık Model Eştlklernde Modfye Edlmş Akrabalı Yetştrme Matrs (A) Kullanılarak Hayvanların Ebeveyn Ortalamalarına At Etklern, 0,8 0,6 0,4 0, Şekl. 0 generasyonluk seleksyon sonucunda akrabalık katsayılarının değşm (: Vİ: MBLUP; : Vİ; 3: MDD; 4: MA; 5: BLUP(HH)) Generasyon Şekl 3. 0 generasyonluk seleksyon boyunca genetk varyansların değşm (: Vİ: MBLUP; : Vİ; 3: MDD; 4: MA; 5: BLUP(HH)) Sonuç Özellkle seleksyonun yoğun olarak kullanıldığı kapalı yetştrme esasına dayalı yetştrme sstemlernn kullanıldığı sürülerde akrabalığın generasyonlar boyunca artması, hayvan ıslahının en büyük sorunlarından brdr. Bu durumda başta kalıtım dereces olmak üzere, seleksyona esas olan damızlık değer (BLUP) tahmnler daha düşük olarak tahmnlenmektedr. Kullanılan yönteme bağlı olarak akrabalı yetştrme katsayıları matrsnde ebeveyn ortalamaları çn yapılan düzeltmenn yetersz kalması şeklnde açıklanan bu sorunun ıslah çalışmalarında kullanılan düzeltmeye yönelk çalışmaları sürekl olarak gündemde tutmaktadır. Bu çalışmada, küçük (n500) br ver setnde 0 generasyon boyunca blgsayar ortamında uygulanan seleksyonla, akrabalı lşkler artırılmış ve blnen tahmn yöntemleryle, Schaeffer (00) tarafından önerlen yaklaşım çn elde edlen sonuçlar karşılaştırılmıştır. Sonuç olarak yne son yıllarda önerlmş olan tahmnlenen BLUP ların düzeltmesne yönelk yaklaşım ve Schaeffer tarafından önerlen A matrsnn modfkasyonunu öngören yaklaşımın, seleksyonun yoğun kullanıldığı sürülerden dolayı tahmnlenen parametre ve damızlık değerler çn en kullanışlı sonuçları verdğ belrlenmştr. Kaynaklar Grundy, B., Z. W. Luo, B. Vllanueva and J. A. Woollams, 998. The use of Mendelan ndces to reduces the rate of nbreedng selecton programmes. J. Anm. Genet., 5: Henderson, C.R., 973. Sre evaluaton and genetc trends. Proc. Anm. Breed. Genet. Sym. Honor of Lush, ASA and ADSA, Champagn, II. Henderson, C.R., 976. A smple method for computng the nverse of a numerator relatonshp matrx used for predcton of breedng values. Bometrcs,. 3: Luo, Z.W. and R. Thompson, 995. Strateges for controllng rates of nbreedng n dary MOET nucleus schemes. J. Anm. Breed. Genet., : Schaeffer, L.R Technque for parttonng sre evaluatons. J. Dary Sc., 66:
6 S. ARSLAN Schaeffer, L.R., 00. Effect of parent averges from anmal solutons n mxed model equatons. J. Anm. Breed. Genet.,. 8: Verrer, E., J. J. Colleau and J. L. Foulley, 993. Long-term effects of selecton based on the anmal model BLUP n a fnte populaton. Theor. Appl. Genet,. 87: Woollams, J.A. and R. Thompson, 994. A tehory for genetc contrbutons. Proc. 5th World Congr. Genet. Appl. Lvest. Prod., Guelph. Vol 9, pp Wu, L. and L. R., Schaeffer, 000. Reducng the effect of parent avarages from anmal solutons n mxed model equatons. J. Anm. Breed. Genet., 7 (6):
ÇOKLU REGRESYON MODELİ, ANOVA TABLOSU, MATRİSLERLE REGRESYON ÇÖZÜMLEMESİ,REGRES-YON KATSAYILARININ YORUMU
6.07.0 ÇOKLU REGRESON MODELİ, ANOVA TABLOSU, MATRİSLERLE REGRESON ÇÖZÜMLEMESİ,REGRES-ON KATSAILARININ ORUMU ÇOKLU REGRESON MODELİ Ekonom ve şletmeclk alanlarında herhang br bağımlı değşken tek br bağımsız
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
DetaylıÇiftlik hayvanları endüstrisinin yapısı elit Çok yönlü ticari Kantitatif genetik formulleri özeti Temel genetik: Genel öneri: Genellikle iki yönlü tablo kullanılır Sorular sorudaki probleme ilişkin verilen
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
DetaylıGenel Doğrusal Karışık Modellerde Farklı Kovaryans Yapıları ve Tahmin Yöntemlerinin Performanslarının Karşılaştırılması 1
Hayvansal Üretm 54(): 8-3, 03 Araştırma Makales Genel Doğrusal Karışık Modellerde Farklı Kovaryans Yapıları ve Tahmn Yöntemlernn Performanslarının Karşılaştırılması Gazel Ser *, Barış Kak, Abdullah Yeşlova,
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
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
DetaylıKIRMIZI, TAVUK VE BEYAZ ET TALEBİNİN TAM TALEP SİSTEMİ YAKLAŞIMIYLA ANALİZİ
Süleyman Demrel Ünverstes Sosyal Blmler Ensttüsü Dergs Yıl: 2007/2, Sayı: 6 Journal of Suleyman Demrel Unversty Insttue of Socal Scences Year: 2007/2, Number: 6 KIRMIZI, TAVUK VE BEYAZ ET TALEBİNİN TAM
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
DetaylıHayvan Islahı ve Yetiştirme 2. ders
Hayvan Islahı ve Yetiştirme 2. ders Akin Pala akin@comu.edu.tr Seleksiyona cevap Et sığırlarında doğum ağırlığını arttırmak istiyoruz. Ağır doğmuş olan bireyleri ebeveyn olarak seçip çiftleştiriyoruz.
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
DetaylıFAKTÖR A ALĐZ SKORLARI KULLA ILARAK KARAYAKA KUZULARI DA CA LI AĞIRLIK TAHMĐ Đ
Anadolu Tarım Blm. Derg., 2009,24(2):98-102 Anadolu J. Agrc. Sc., 2009,24(2):98-102 Araştırma Research FAKTÖR A ALĐZ SKORLARI KULLA ILARAK KARAYAKA KUZULARI DA CA LI AĞIRLIK TAHMĐ Đ Soner ÇA KAYA* Aydın
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
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
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
Detaylıİki veri setinin yapısının karşılaştırılması
İk ver set yapısıı karşılaştırılması Dağılım: 6,6,6 Ortalama: 6 Medya: 6 Mod: 6 td. apma: 0 Dağılım: 0,6,1 Ortalama: 6 Medya: 6 Mod: çoklu mod td: apma: 6 Amaç: Görüe Ötese Bakablmek Verler değşkelk durumuu
Detaylı4.5. SOĞUTMA KULELERİNİN BOYUTLANDIRILMASI İÇİN BİR ANALIZ
Ünsal M.; Varol, A.: Soğutma Kulelernn Boyutlandırılması İçn Br Kuramsal 8 Mayıs 990, S: 8-85, Adana 4.5. SOĞUTMA KULELERİNİN BOYUTLANDIRILMASI İÇİN BİR ANALIZ Asaf Varol Fırat Ünverstes, Teknk Eğtm Fakültes,
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
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
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.
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
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
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:
DetaylıYÖNETİM VE EKONOMİ Yıl:2006 Cilt:13 Sayı:1 Celal Bayar Üniversitesi İ.İ.B.F. MANİSA
YÖNETİM VE EKONOMİ Yıl:2006 Clt:3 Sayı: Celal Bayar Ünverstes İ.İ.B.F. MANİSA Bulanık Araç Rotalama Problemlerne Br Model Öners ve Br Uygulama Doç. Dr. İbrahm GÜNGÖR Süleyman Demrel Ünverstes, İ.İ.B.F.,
DetaylıFARKLI REGRESYON YÖNTEMLERİ İLE BETA KATSAYISI ANALİZİ
FARKLI REGRESYON YÖNTEMLERİ İLE BETA KATSAYISI ANALİZİ M.Ensar YEŞİLYURT (*) Flz YEŞİLYURT (**) Özet: Özellkle uzak verlere sahp ver setlernn analz edlmesnde en küçük kareler tahmnclernn kullanılması sapmalı
DetaylıTRANSPORT PROBLEMI için GELIsTIRILMIs VAM YÖNTEMI
Yönetm, Yl 9, Say 28, Ekm - 1997,5.20-25 TRANSPORT PROBLEMI ÇIN GELIsTIRILMIs VAM YÖNTEMI Dr. Erhan ÖZDEMIR I.Ü. Teknk Blmler M.Y.O. L.GIRIs V AM transport problemlerne en düsük malyetl baslangç çözüm
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.
DetaylıADJUSTED DURBIN RANK TEST FOR SENSITIVITY ANALYSIS IN BALANCED INCOMPLETE BLOCK DESIGN
SAÜ Fen Edebyat Dergs (2010-I) F.GÖKPINAR v.d. DENGELİ TAMAMLANMAMIŞ BLOK TASARIMINDA, DUYUSAL ANALİZ İÇİN DÜZELTİLMİŞ DURBİN SIRA SAYILARI TESTİ Fkr GÖKPINAR*, Hülya BAYRAK, Dlşad YILDIZ ve Esra YİĞİT
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
DetaylıFLYBACK DÖNÜŞTÜRÜCÜ TASARIMI VE ANALİZİ
FLYBACK DÖNÜŞTÜRÜCÜ TASARIMI VE ANALİZİ 1 Nasır Çoruh, Tarık Erfdan, 3 Satılmış Ürgün, 4 Semra Öztürk 1,,4 Kocael Ünverstes Elektrk Mühendslğ Bölümü 3 Kocael Ünverstes Svl Havacılık Yüksekokulu ncoruh@kocael.edu.tr,
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.
DetaylıDEÜ MÜHENDİSLİK FAKÜLTESİ MÜHENDİSLİK BİLİMLERİ DERGİSİ Cilt:13 Sayı:2 sh.75-87 Mayıs 2012
DEÜ MÜHENDİSLİK FAKÜLTESİ MÜHENDİSLİK BİLİMLERİ DERGİSİ Clt:13 Sayı:2 sh.75-87 Mayıs 2012 ÇELİK YAPI SİSTEMLERİNDE İKİNCİ MERTEBE ANALİZ YÖNTEMLERİNİN İNCELENMESİ (INVESTIGATION OF SECOND ORDER ANALYSIS
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
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
DetaylıPROJE SEÇİMİ VE KAYNAK PLANLAMASI İÇİN BİR ALGORİTMA AN ALGORITHM FOR PROJECT SELECTION AND RESOURCE PLANNING
Dokuz Eylül Ünverstes Sosyal Blmler Ensttüsü Dergs Clt 3, Sayı:2, 2001 PROJE SEÇİMİ VE KAYAK PLALAMASI İÇİ BİR ALGORİTMA lgün MORALI 1 C. Cengz ÇELİKOĞLU 2 ÖZ Kaynak tahss problemler koşullara bağlı olarak
DetaylıÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ
ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS EN KÜÇÜK KARELER, RİDGE REGRESYON VE ROBUST REGRESYON YÖNTEMLERİNDE ANALİZ SONUÇLARINA AYKIRI DEĞERLERİN ETKİLERİNİN BELİRLENMESİ ZOOTEKNİ ANABİLİM
DetaylıARAŞTIRMA MAKALESİ/RESEARCH ARTICLE TEK ÇARPIMSAL SİNİR HÜCRELİ YAPAY SİNİR AĞI MODELİNİN EĞİTİMİ İÇİN ABC VE BP YÖNTEMLERİNİN KARŞILAŞTIRILMASI ÖZ
ANADOLU ÜNİVERSİTESİ Blm ve Teknoloj Dergs A-Uygulamalı Blmler ve Mühendslk Clt: 14 Sayı: 3 013 Sayfa: 315-38 ARAŞTIRMA MAKALESİ/RESEARCH ARTICLE Faruk ALPASLAN 1, Erol EĞRİOĞLU 1, Çağdaş Hakan ALADAĞ,
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
DetaylıTürk Dilinin Biçimbilim Yapısından Yararlanarak Türkçe Metinlerin Farklı İmgelere Ayrılarak Kodlanması ve Sıkıştırılması
Türk Dlnn Bçmblm Yapısından Yararlanarak Türkçe Metnlern Farklı İmgelere Ayrılarak Kodlanması ve Sıkıştırılması Banu DİRİ, M.Yahya KARSLIGİL Yıldız Teknk Ünverstes Elektrk Elektronk Fakültes - Blgsayar
DetaylıREGRESYONDA ETKİLİ GÖZLEMLERİ BELİRLEME YÖNTEMLERİ VE KARŞILAŞTIRMALARI. Can DARICA YÜKSEK LİSANS TEZİ İSTATİSTİK
REGRESYONDA ETKİLİ GÖZLEMLERİ BELİRLEME YÖNTEMLERİ VE KARŞILAŞTIRMALARI Can DARICA YÜKSEK LİSANS TEZİ İSTATİSTİK GAZİ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ ŞUBAT 014 ANKARA Can DARICA tarafından hazırlanan
DetaylıSürekli Olasılık Dağılım (Birikimli- Kümülatif)Fonksiyonu. Yrd. Doç. Dr. Tijen ÖVER ÖZÇELİK
Sürekl Olasılık Dağılım Brkml- KümülatFonksyonu Yrd. Doç. Dr. Tjen ÖVER ÖZÇELİK tover@sakarya.edu.tr Sürekl olasılık onksyonları X değşken - ;+ aralığında tanımlanmış br sürekl rassal değşken olsun. Aşağıdak
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
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-
DetaylıObtaining Classical Reliability Terms from Item Response Theory in Multiple Choice Tests
Ankara Unversty, Journal of Faculty of Educatonal Scences, year: 26, vol: 39, no: 2, 27-44 Obtanng Classcal Relablty Terms from Item Response Theory n Multple Choce Tests Hall Yurdugül * ABSTRACT: The
DetaylıAsimetri ve Basıklık Ölçüleri Ortalamalara dayanan (Pearson) Kartillere dayanan (Bowley) Momentlere dayanan asimetri ve basıklık ölçüleri
Asmetr ve Basıklık Ölçüler Ortalamalara dayanan (Pearson) Kartllere dayanan (Bowley) omentlere dayanan asmetr ve basıklık ölçüler Yrd. Doç. Dr. Tjen ÖVER ÖZÇELİK tover@sakarya.edu.tr III. Asmetr ve Basıklık
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
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
DetaylıŞiddet-Süre-Frekans Bağıntısının Genetik Algoritma ile Belirlenmesi: GAP Örneği *
İMO Teknk Derg, 28 4393-447, Yazı 29 Şddet-Süre-Frekans Bağıntısının Genetk Algortma le Belrlenmes: GAP Örneğ * Hall KARAHAN* M. Tamer AYVAZ** Gürhan GÜRARSLAN*** ÖZ Bu çalışmada, Genetk Algortma (GA)
DetaylıT.C. SELÇUK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ
T.C. SELÇUK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ QUANTILE REGRESYON ve BİR UYGULAMA İlkay ALTINDAĞ YÜKSEK LİSANS TEZİ İSTATİSTİK ANABİLİM DALI Ağustos-1 KONYA Her Hakkı Saklıdır ÖZET YÜKSEK LİSANS TEZİ
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,
DetaylıSELEKSİYON İNDEKSİ VE FARKLI BLUP UYGULAMALARININ KARŞILAŞTIRILMASI. Yavuz AKBAŞ 1
SELEKSİYON İNDEKSİ VE FARKLI BLUP UYGULAMALARININ KARŞILAŞTIRILMASI Yavuz AKBAŞ 1 ÖZET Evcil hayvanların genetik ıslahında kullanılan istatistik yöntemler son 25 yıl içinde büyük bir ilerleme göstermiştir.
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
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
DetaylıRasgele Değişken Üretme Teknikleri
Rasgele Değşken Üretme Teknkler Amaç Smülasyon modelnn grdlern oluşturacak örneklern üretlmes Yaygın olarak kullanılan ayrık veya sürekl dağılımların örneklenmes sürecn anlamak Yaygın olarak kullanılan
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)
DetaylıATIK POLİMERİK MALZEME KATKILI BETONUN YALITIM ÖZELLİĞİNİN DENEYSEL OLARAK İNCELENMESİ
Isı Blm ve Teknğ Dergs, 26,, 5-20, 2006 J. of Thermal Scence and Technology 2006 TIBTD Prnted n Turkey ISSN 300-365 ATIK POLİMERİK MALZEME KATKILI BETONUN YALITIM ÖZELLİĞİNİN DENEYSEL OLARAK İNCELENMESİ
Detaylı2005 Gazi Üniversitesi Endüstriyel Sanatlar Eğitim Fakültesi Dergisi Sayı:16, s31-46
2005 Gaz Ünverstes Endüstryel Sanatlar Eğtm Fakültes Dergs Sayı:16, s31-46 ÖZET BANKALARDA MALİ BAŞARISIZLIĞIN ÖNGÖRÜLMESİ LOJİSTİK REGRESYON VE YAPAY SİNİR AĞI KARŞILAŞTIRMASI 31 Yasemn KESKİN BENLİ 1
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
Detaylıa IIR süzgeç katsayıları ve N ( M) de = s 1 (3) 3. GÜRÜLTÜ GİDERİMİ UYGULAMASI
Fırat Ünverstes-Elazığ MİTRAL KAPAK İŞARETİ ÜZERİNDEKİ ANATOMİK VE ELEKTRONİK GÜRÜLTÜLERİN ABC ALGORİTMASI İLE TASARLANAN IIR SÜZGEÇLERLE SÜZÜLMESİ N. Karaboğa 1, E. Uzunhsarcıklı, F.Latfoğlu 3, T. Koza
DetaylıRegresyon ve Korelasyon Analizi. Regresyon Analizi
Regresyo ve Korelasyo Aalz Regresyo Aalz Regresyo Aalz Regresyo aalz, aralarıda sebep-souç lşks bulua k veya daha fazla değşke arasıdak lşky belrlemek ve bu lşky kullaarak o kou le lgl tahmler (estmato)
DetaylıAYLIK ORTALAMA GÖL SU SEVİYESİNİN BULANIK-OLASILIK YAKLAŞIMI İLE GÖZLENMİŞ ZAMAN SERİSİNDEN TAHMİNİ
AYLIK ORTALAMA GÖL SU SEVİYESİİ BULAIK-OLASILIK YAKLAŞIMI İLE GÖZLEMİŞ ZAMA SERİSİDE TAHMİİ Veysel GÜLDAL, Hakan TOGAL 2 S.D.Ü.Mühendslk Mmarlık Fakültes İnşaat Müh Böl., Isparta/TÜRKİYE vguldal@mmf.sdu.edu.tr
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
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
DetaylıKARAYAKA TOKLULARI DA KESĐM Ö CESĐ VE KESĐM SO RASI ÖLÇÜLE BAZI ÖZELLĐKLER ARASI DAKĐ ĐLĐŞKĐ Đ TAHMĐ Đ ĐÇĐ KA O ĐK KORELASYO A ALĐZĐ
Anadolu Tarım Blm. Derg., 009,4():6-66 Anadolu J. Agrc. Sc., 009,4():6-66 Araştırma Research KARAYAKA TOKLULARI DA KESĐM Ö CESĐ VE KESĐM SO RASI ÖLÇÜLE BAZI ÖZELLĐKLER ARASI DAKĐ ĐLĐŞKĐ Đ TAHMĐ Đ ĐÇĐ KA
DetaylıÖğr. Elemanı: Dr. Mustafa Cumhur AKBULUT
Ünte 11: İndeksler Öğr. Elemanı: Dr. Mustafa Cumhur AKBULUT İndeks 2 Üntede Ele Alınan Konular 11. İndeksler 11.1. Bast İndeksler 11.1.1. Fyat İndeks 11.1.2. Mktar İndeks 11.1.3. Mekan İndeks 11.2. Bleşk
DetaylıROBİNSON PROJEKSİYONU
ROBİNSON PROJEKSİYONU Cengzhan İPBÜKER ÖZET Tüm yerkürey kapsayan dünya hartalarının yapımı çn, kartografk lteratürde özel br öneme sahp olan Robnson projeksyonu dk koordnatlarının hesabı brçok araştırmacı
DetaylıUYGULAMA 2. Bağımlı Kukla Değişkenli Modeller
UYGULAMA 2 Bağımlı Kukla Değşkenl Modeller Br araştırmacı Amerka da yüksek lsans ve doktora programlarını kabul ednlmey etkleyen faktörler ncelemek stemektedr. Bu doğrultuda aşağıdak değşkenler ele almaktadır.
DetaylıBulanık TOPSIS ve Bulanık VIKOR Yöntemleriyle Alışveriş Merkezi Kuruluş Yeri Seçimi ve Bir Uygulama
EGE AKADEMİK BAKIŞ / EGE ACADEMIC REVIEW Clt: 14 Sayı: 3 Temmuz 2014 ss. 463-479 Bulanık TOPSIS ve Bulanık VIKOR Yöntemleryle Alışverş Merkez Kuruluş Yer Seçm ve Br Uygulama Selecton of Shoppng Center
DetaylıTÜRKİYE DEKİ 380 kv LUK 14 BARALI GÜÇ SİSTEMİNDE EKONOMİK YÜKLENME ANALİZİ
TÜRİYE DEİ 38 kv LU 4 BARALI GÜÇ SİSTEMİDE EOOMİ YÜLEME AALİZİ Mehmet URBA Ümmühan BAŞARA 2,2 Elektrk-Elektronk Mühendslğ Bölümü Mühendslk-Mmarlık Fakültes Anadolu Ünverstes İk Eylül ampüsü, 2647, ESİŞEHİR
DetaylıPamukta Girdi Talebi: Menemen Örneği
Ege Ünv. Zraat Fak. Derg., 2002, 39 (3): 88-95 ISSN 1018-8851 Pamukta Grd Taleb: Menemen Örneğ Bülent MİRAN 1 Canan ABAY 2 Chat Günden 3 Summary Demand for Inputs n Cotton Producton: The Case of Menemen
DetaylıTOPSIS ÇOK KRİTERLİ KARAR VERME SİSTEMİ: TÜRKİYE DEKİ KAMU BANKALARI ÜZERİNE BİR UYGULAMA
Araştırma Makaleler TOPSIS ÇOK KRİTERLİ KARAR VERME SİSTEMİ: TÜRKİYE DEKİ KAMU BANKALARI ÜZERİNE BİR UYGULAMA Dr., Dokuz Eylül Ünverstes, İİBF İşletme Bölümü erhan.demrel@deu.edu.tr ÖZET Ekonomk faalyetlern
DetaylıLojistik Regresyonlarda Değişken Seçimi
Çukurova Ünverstes Zraat Fakültes Dergs, 7 (2):05-4 Lostk Regresyonlarda Değşken Seçm Hasan ÖNDER () Zeynel CEBECİ (2) Özet Bu çalışmada, lostk regresyonlarda değşken seçm yöntemlernden ler doğru seçm,
DetaylıROTASYON ORMAN ALGORİTMASI İLE YÜKSEK ÇÖZÜNÜRLÜKLÜ MULTİSPEKTRAL UYDU GÖRÜNTÜLERİNİN SINIFLANDIRILMASI
ROTASYON ORMAN ALGORİTMASI İLE YÜKSEK ÇÖZÜNÜRLÜKLÜ MULTİSPEKTRAL UYDU GÖRÜNTÜLERİNİN SINIFLANDIRILMASI İsmal ÇÖLKESEN 1, Tahsn YOMRALIOĞLU 2, Taşkın KAVZOĞLU 3 1 Araş. Gör., Gebze Yüksek Teknoloj Ensttüsü,
DetaylıKRİZ DÖNEMİNDE KÜRESEL PERAKENDECİ AKTÖRLERİN PERFORMANSLARININ TOPSİS YÖNTEMİ İLE DEĞERLENDİRİLMESİ
Atatürk Ünverstes İktsad ve İdar Blmler Dergs, Clt: 25, Sayı: 2, 2011 151 KRİZ DÖNEMİNDE KÜRESEL PERAKENDECİ AKTÖRLERİN PERFORMANSLARININ TOPSİS YÖNTEMİ İLE DEĞERLENDİRİLMESİ Nhan ÖZGÜVEN (*) Özet: Perakendeclk
DetaylıSıfır Ağırlıklı Sayma ile Elde Edilen Veriler İçin Çok Seviyeli ZIP Regresyon * Multilevel ZIP Regression for Zero-Inflated Count Data
Yüzüncü Yıl Ünverstes Fen Blmler Ensttüsü Dergs/ Journal of The Insttute of Natural & Appled Scences 18 (1-):01-08, 013 Araştırma Makales/Research Artcle Sıfır Ağırlıklı Sayma le Elde Edlen Verler İçn
DetaylıPamukkale Üniversitesi Mühendislik Bilimleri Dergisi Pamukkale University Journal of Engineering Sciences
Pamukkale Ünverstes Mühendslk Blmler Dergs, Clt 0, Sayı 3, 04, Sayfalar 85-9 Pamukkale Ünverstes Mühendslk Blmler Dergs Pamukkale Unversty Journal of Engneerng Scences PREFABRİK ENDÜSTRİ YAPIARININ ARMONİ
DetaylıSUÇ VERİ TABANININ LOJİSTİK REGRESYON ANALİZİ İLE TAHMİNİ: BURSA ÖRNEĞİ Estimating of Crime Database with Logistic Regression Analysis: Bursa Case
SUÇ VERİ TABANININ LOJİSTİK REGRESYON ANALİZİ İLE TAHMİNİ: BURSA ÖRNEĞİ Estmatng of Crme Database wth Logstc Regresson Analyss: Bursa Case Mehmet NARGELEÇEKENLER * B Özet u çalışmada, Bursa Emnyet Müdürlüğünden
DetaylıAçık Poligon Dizisinde Koordinat Hesabı
Açık Polon Dzsnde Koordnat Hesabı Problem ve numaralı noktalar arasında açılacak tüneln doğrultusunu belrlemek amacıyla,,3,4, noktalarını çeren açık polon dzs tess edlmş ve şu ölçme değerler elde edlmştr.
DetaylıKısa Vadeli Sermaye Girişi Modellemesi: Türkiye Örneği
Dokuz Eylül Ünverstes İktsad ve İdar Blmler Fakültes Dergs, Clt:24, Sayı:1, Yıl:2009, ss.105-122. Kısa Vadel Sermaye Grş Modellemes: Türkye Örneğ Mehmet AKSARAYLI 1 Özhan TUNCAY 2 Alınma Tarh: 04-2008,
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.
DetaylıTEKNOLOJİ, PİYASA REKABETİ VE REFAH
TEKNOLOJİ, PİYASA REKABETİ VE REFAH Dr Türkmen Göksel Ankara Ünverstes Syasal Blgler Fakültes Özet Bu makalede teknoloj sevyesnn pyasa rekabet ve refah sevyes üzerndek etkler matematksel br model le ncelenecektr
DetaylıFarklı Varyans. Var(u i X i ) = Var(u i ) = E(u i2 ) = σ i2. Eşit Varyans. Hata. Zaman
Farklı Varyans Var(u X ) = Var(u ) = E(u ) = σ Eşt Varyans Y X Farklı Varyans Hata Var(u X ) = Var(u ) = E(u ) = σ Farklı Varyans Zaman Farklı Varyans le Karşılaşılan Durumlar Kest Verlernde. Kar dağıtım
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,
DetaylıHİSSE SENETLERİNİN BEKLENEN GETİRİ VE RİSKLERİNİN TAHMİNİNDE ALTERNATİF MODELLER
İstanbul Ünverstes İktsat Fakültes Malye Araştırma Merkez Konferansları 47. Ser / Yıl 005 Prof. Dr. Türkan Öncel e Armağan HİSSE SENETLERİNİN BEKLENEN GETİRİ VE RİSKLERİNİN TAHMİNİNDE ALTERNATİF MODELLER
DetaylıSoğutucu Akışkan Karışımlarının Kullanıldığı Soğutma Sistemlerinin Termoekonomik Optimizasyonu
Soğutucu Akışkan arışımlarının ullanıldığı Soğutma Sstemlernn ermoekonomk Optmzasyonu * 1 Hüseyn aya, 2 ehmet Özkaymak ve 3 rol Arcaklıoğlu 1 Bartın Ünverstes akne ühendslğ Bölümü, Bartın, ürkye 2 arabük
DetaylıEKONOMETRİYE GİRİŞ II ÖDEV 4 ÇÖZÜM
EKONOMETRİYE GİRİŞ II ÖDEV 4 ÇÖZÜM (Örgün e İknc Öğretm çn) 1. 754 hanehalkına at DOMerset sml Excel dosyasında yer alan erler kullanarak tahmnlenen DOM sonuçları: Dependent Varable: CALISANKADIN Sample:
DetaylıTOPSIS Metodu Kullanılarak Kesici Takım Malzemesi Seçimi
Makne Teknolojler Elektronk Dergs Clt: 9, No: 3, 2012 (35-42) Electronc Journal of Machne Technologes Vol: 9, No: 3, 2012 (35-42) TEKNOLOJİK ARAŞTIRMALAR www.teknolojkarastrmalar.com e-issn:1304-4141 Makale
DetaylıAntalya Đlinde Serada Domates Üretiminin Kâr Etkinliği Analizi
Tarım Blmler Dergs Tar. Bl. Der. Derg web sayfası: www.agr.ankara.edu.tr/derg Journal of Agrcultural Scences Journal homepage: www.agr.ankara.edu.tr/journal TARIM BİLİMLERİ DERGİSİ JOURNAL OF AGRICULTURAL
DetaylıTürkiye deki Đşsizlik Oranının Bulanık Doğrusal Regresyon Analiziyle Tahmini
İstatstkçler Dergs: İstatstk & Aktüerya Journal of Statstcans: Statstcs and Actuaral Scences IDIA 8, 5, -6 Gelş/Receved:6.4.5, Kabul/Accepted: 3.6.5 www.statstkcler.org Türkye dek Đşszlk Oranının Bulanık
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,
DetaylıMakine Öğrenmesi 6. hafta
Makne Öğrenmes 6. hafta Yapay Snr Ağlarına Grş Tek katmanlı YSA lar Algılayıcı (Perceptron) Aalne (Aaptve Lnear Elemen Byolojk Snr Hücres Byolojk snrler ört ana bölümen oluşmaktaır. Bunlar: Denrt, Akson,
DetaylıFASCtOLA GİGANTtCA İLE DENEYSEL OLARAK ENFEKTE EDtLEN KOYUNLARDA SERUM TOTAL PROTEİN VE TOTAL LtptD DEGERLERİ ÜZERİNDE ARAŞTIRMALAR
A. (J. Veterner Fakültes Byokmya Kürsüsü Prof Dr. Ethem Erso)' FASCtOLA GİGANTtCA İLE DENEYSEL OLARAK ENFEKTE EDtLEN KOYUNLARDA SERUM TOTAL PROTEİN VE TOTAL LtptD DEGERLERİ ÜZERİNDE ARAŞTIRMALAR Nhat Bayşu
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
DetaylıÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ
ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ Savaş OKUR PARAMETRİK VE PARAMETRİK OLMAYAN BASİT DOĞRUSAL REGRESYON ANALİZ YÖNTEMLERİNİN KARŞILAŞTIRMALI OLARAK İNCELENMESİ ZOOTEKNİ ANABİLİM
DetaylıMut Orman İşletmesinde Karaçam, Sedir ve Kızılçam Ağaç Türleri İçin Dip Çap Göğüs Çapı İlişkileri
Süleyman Demrel Ünverstes, Fen Blmler Ensttüsü, 9-3,(5)- Mut Orman İşletmesnde Karaçam, Sedr ve Kızılçam Ağaç Türler İçn Dp Çap Göğüs Çapı İlşkler R.ÖZÇELİK 1 Süleyman Demrel Ünverstes Orman Fakültes Orman
DetaylıGenler ve Çevre fenotipik varyansa ne kadar katkıda bulunuyor?
Genler ve Çevre fenotipik varyansa ne kadar katkıda bulunuyor? Akin Pala akin@comu.edu.tr Genlerin katkısı Neden aile bireyleri birbirine benzer? Ortak genler paylaşırlar Neden verimlerin genotip tarafından
DetaylıDETERMINATION OF THE ECONOMIC DISPATCH IN ELECTRIC POWER SYSTEMS USING SIMULATED ANNEALING(SA) ALGORITHM
5 Uluslararası İler Teknolojler Sempozyumu (IATS 09), 3-5 Mayıs 2009, Karabük, Türkye ELEKTRİK GÜÇ SİSTEMİNDE OPTİMAL YAKIT MALİYETİNİN BENZETİM TAVLAMA (BT) ALGORİTMASI İLE BELİRLENMESİ DETERMINATION
DetaylıEMG İşaretlerinin K-Ortalama Algoritması Kullanılarak Öbekleştirilmesi. EMG Signal Analysis Using K-Means Clustering
KSÜ Mühendslk Blmler Dergs, (), 9 5 KSU Journal of Engneerng Scences, (), 9 EMG İşaretlernn K-Ortalama Algortması Kullanılarak Öbekleştrlmes Mücahd Günay, Ahmet ALKA, KSÜ Mühendslk-Mmarlık Fakültes Elektrk-Elektronk
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
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
Detaylı