Reducing the Effect of Parent Averages from Animal Model Solution in Mixed Model Equation by Using Modified Relationship Matrix (A)

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "Reducing the Effect of Parent Averages from Animal Model Solution in Mixed Model Equation by Using Modified Relationship Matrix (A)"

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

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

Detaylı

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

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

Detaylı

Çiftlik 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

Detaylı

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

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

Detaylı

Genel Doğrusal Karışık Modellerde Farklı Kovaryans Yapıları ve Tahmin Yöntemlerinin Performanslarının Karşılaştırılması 1

Genel 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,

Detaylı

Korelasyon ve Regresyon

Korelasyon 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

Detaylı

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

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

Detaylı

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

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

Detaylı

Merkezi Eğilim (Yer) Ölçüleri

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

Detaylı

Hayvan Islahı ve Yetiştirme 2. ders

Hayvan 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.

Detaylı

HAFTA 13. kadın profesörlerin ortalama maaşı E( Y D 1) erkek profesörlerin ortalama maaşı. Kestirim denklemi D : t :

HAFTA 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

Detaylı

FAKTÖR A ALĐZ SKORLARI KULLA ILARAK KARAYAKA KUZULARI DA CA LI AĞIRLIK TAHMĐ Đ

FAKTÖR 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

Detaylı

Kİ-KARE TESTLERİ A) Kİ-KARE DAĞILIMI VE ÖZELLİKLERİ

Kİ-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

Detaylı

Doğrusal Korelasyon ve Regresyon

Doğrusal 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

Detaylı

PARAMETRİK OLMAYAN HİPOTEZ TESTLERİ Kİ-KARE TESTLERİ

PARAMETRİK 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

Detaylı

İki veri setinin yapısının karşılaştırılması

İki 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

Detaylı

4.5. SOĞUTMA KULELERİNİN BOYUTLANDIRILMASI İÇİN BİR ANALIZ

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

Detaylı

SEK Tahmincilerinin Arzulanan Özellikleri. SEK Tahmincilerinin Arzulanan Özellikleri. Ekonometri 1 Konu 9 Sürüm 2,0 (Ekim 2011)

SEK 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

Detaylı

PARÇALI DOĞRUSAL REGRESYON

PARÇALI 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

Detaylı

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

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

Detaylı

Kİ-KARE TESTLERİ. şeklinde karesi alındığında, Z i. değerlerinin dağılımı ki-kare dağılımına dönüşür.

Kİ-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

Detaylı

Tek Yönlü Varyans Analizi (ANOVA)

Tek 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

Detaylı

NİTEL TERCİH MODELLERİ

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

Detaylı

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

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

Detaylı

FARKLI REGRESYON YÖNTEMLERİ İLE BETA KATSAYISI ANALİZİ

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

Detaylı

TRANSPORT PROBLEMI için GELIsTIRILMIs VAM YÖNTEMI

TRANSPORT 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

Detaylı

Sıklık Tabloları ve Tek Değişkenli Grafikler

Sıklık 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.

Detaylı

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

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

Detaylı

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

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

Detaylı

FLYBACK DÖNÜŞTÜRÜCÜ TASARIMI VE ANALİZİ

FLYBACK 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,

Detaylı

Sistemde kullanılan baralar, klasik anlamda üç ana grupta toplanabilir :

Sistemde 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.

Detaylı

DEÜ MÜHENDİSLİK FAKÜLTESİ MÜHENDİSLİK BİLİMLERİ DERGİSİ Cilt:13 Sayı:2 sh.75-87 Mayıs 2012

DEÜ 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

Detaylı

5.3. Tekne Yüzeylerinin Matematiksel Temsili

5.3. 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

Detaylı

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

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

Detaylı

PROJE SEÇİMİ VE KAYNAK PLANLAMASI İÇİN BİR ALGORİTMA AN ALGORITHM FOR PROJECT SELECTION AND RESOURCE PLANNING

PROJE 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

Detaylı

ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ

ÇUKUROVA 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

Detaylı

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

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

Detaylı

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

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

Detaylı

Türk Dilinin Biçimbilim Yapısından Yararlanarak Türkçe Metinlerin Farklı İmgelere Ayrılarak Kodlanması ve Sıkıştırılması

Türk 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

Detaylı

REGRESYONDA 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 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

Detaylı

Sürekli Olasılık Dağılım (Birikimli- Kümülatif)Fonksiyonu. Yrd. Doç. Dr. Tijen ÖVER ÖZÇELİK

Sürekli 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

Detaylı

Calculating the Index of Refraction of Air

Calculating 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

Detaylı

KIRIKKALE 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 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-

Detaylı

Obtaining Classical Reliability Terms from Item Response Theory in Multiple Choice Tests

Obtaining 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

Detaylı

Asimetri ve Basıklık Ölçüleri Ortalamalara dayanan (Pearson) Kartillere dayanan (Bowley) Momentlere dayanan asimetri ve basıklık ölçüleri

Asimetri 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

Detaylı

ALTERNATİF AKIM DEVRE YÖNTEM VE TEOREMLER İLE ÇÖZÜMÜ

ALTERNATİF 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

Detaylı

kadar ( i. kaynağın gölge fiyatı kadar) olmalıdır.

kadar ( 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

Detaylı

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

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

Detaylı

T.C. SELÇUK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ

T.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

Detaylı

GÜNEŞ ENERJİLİ BİR SULAMA SİSTEMİNDE BOOST KONVERTERDEN BESLENEN ARM SÜRÜCÜ SİSTEMİNİN ANALİZİ

GÜNEŞ 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,

Detaylı

SELEKSİYON İNDEKSİ VE FARKLI BLUP UYGULAMALARININ KARŞILAŞTIRILMASI. Yavuz AKBAŞ 1

SELEKSİYON 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.

Detaylı

TEKNOLOJĐK ARAŞTIRMALAR

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

Detaylı

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

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

Detaylı

Rasgele Değişken Üretme Teknikleri

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

Detaylı

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

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

Detaylı

ATIK POLİMERİK MALZEME KATKILI BETONUN YALITIM ÖZELLİĞİNİN DENEYSEL OLARAK İNCELENMESİ

ATIK 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

Detaylı

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

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

Detaylı

Tek Yönlü Varyans Analizi

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

Detaylı

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

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

Detaylı

Regresyon ve Korelasyon Analizi. Regresyon Analizi

Regresyon 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)

Detaylı

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

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

Detaylı

ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ ÇOKLU İÇ İLİŞKİ VE EKOLOJİK REGRESYON İSTATİSTİK ANABİLİM DALI

ÇUKUROVA 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

Detaylı

ANOVA. CRD (Completely Randomized Design)

ANOVA. 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

Detaylı

KARAYAKA 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

KARAYAKA 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

Detaylı

Öğr. Elemanı: Dr. Mustafa Cumhur AKBULUT

Öğr. 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

Detaylı

ROBİNSON PROJEKSİYONU

ROBİNSON 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

Detaylı

UYGULAMA 2. Bağımlı Kukla Değişkenli Modeller

UYGULAMA 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.

Detaylı

Bulanık TOPSIS ve Bulanık VIKOR Yöntemleriyle Alışveriş Merkezi Kuruluş Yeri Seçimi ve Bir Uygulama

Bulanık 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

Detaylı

TÜRKİYE DEKİ 380 kv LUK 14 BARALI GÜÇ SİSTEMİNDE EKONOMİK YÜKLENME ANALİZİ

TÜRKİYE 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

Detaylı

Pamukta Girdi Talebi: Menemen Örneği

Pamukta 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

Detaylı

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

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

Detaylı

Lojistik Regresyonlarda Değişken Seçimi

Lojistik 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,

Detaylı

ROTASYON ORMAN ALGORİTMASI İLE YÜKSEK ÇÖZÜNÜRLÜKLÜ MULTİSPEKTRAL UYDU GÖRÜNTÜLERİNİN SINIFLANDIRILMASI

ROTASYON 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,

Detaylı

KRİZ DÖNEMİNDE KÜRESEL PERAKENDECİ AKTÖRLERİN PERFORMANSLARININ TOPSİS YÖNTEMİ İLE DEĞERLENDİRİLMESİ

KRİZ 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

Detaylı

Sıfır Ağırlıklı Sayma ile Elde Edilen Veriler İçin Çok Seviyeli ZIP Regresyon * Multilevel ZIP Regression for Zero-Inflated Count Data

Sıfır 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

Detaylı

Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi Pamukkale University Journal of Engineering Sciences

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

Detaylı

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

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

Detaylı

Açık Poligon Dizisinde Koordinat Hesabı

Açık 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.

Detaylı

Kısa Vadeli Sermaye Girişi Modellemesi: Türkiye Örneği

Kısa 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,

Detaylı

Denklem Çözümünde Açık Yöntemler

Denklem 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.

Detaylı

TEKNOLOJİ, PİYASA REKABETİ VE REFAH

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

Detaylı

Farklı Varyans. Var(u i X i ) = Var(u i ) = E(u i2 ) = σ i2. Eşit Varyans. Hata. Zaman

Farklı 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

Detaylı

PARAMETRİK OLMAYAN HİPOTEZ TESTLERİ. χ 2 Kİ- KARE TESTLERİ. Doç.Dr. Ali Kemal ŞEHİRLİOĞLU Araş.Gör. Efe SARIBAY

PARAMETRİK 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,

Detaylı

HİSSE SENETLERİNİN BEKLENEN GETİRİ VE RİSKLERİNİN TAHMİNİNDE ALTERNATİF MODELLER

HİSSE 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

Detaylı

Soğutucu Akışkan Karışımlarının Kullanıldığı Soğutma Sistemlerinin Termoekonomik Optimizasyonu

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

Detaylı

EKONOMETRİYE GİRİŞ II ÖDEV 4 ÇÖZÜM

EKONOMETRİYE 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:

Detaylı

TOPSIS Metodu Kullanılarak Kesici Takım Malzemesi Seçimi

TOPSIS 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

Detaylı

Antalya Đlinde Serada Domates Üretiminin Kâr Etkinliği Analizi

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

Detaylı

Türkiye deki Đşsizlik Oranının Bulanık Doğrusal Regresyon Analiziyle Tahmini

Türkiye 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

Detaylı

THOMAS-FİERİNG MODELİ İLE SENTETİK AKIŞ SERİLERİNİN HESAPLANMASINDA YENİ BİR YAKLAŞIM

THOMAS-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,

Detaylı

Makine Öğrenmesi 6. hafta

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

Detaylı

FASCtOLA GİGANTtCA İLE DENEYSEL OLARAK ENFEKTE EDtLEN KOYUNLARDA SERUM TOTAL PROTEİN VE TOTAL LtptD DEGERLERİ ÜZERİNDE ARAŞTIRMALAR

FASCtOLA 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

Detaylı

Makine Öğrenmesi 10. hafta

Makine 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

Detaylı

ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ

ÇUKUROVA 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

Detaylı

Mut Orman İşletmesinde Karaçam, Sedir ve Kızılçam Ağaç Türleri İçin Dip Çap Göğüs Çapı İlişkileri

Mut 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

Detaylı

Genler ve Çevre fenotipik varyansa ne kadar katkıda bulunuyor?

Genler 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

Detaylı

DETERMINATION OF THE ECONOMIC DISPATCH IN ELECTRIC POWER SYSTEMS USING SIMULATED ANNEALING(SA) ALGORITHM

DETERMINATION 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

Detaylı

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

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

Detaylı

Tanımlayıcı İstatistikler

Tanımlayıcı 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

Detaylı

16. Dörtgen plak eleman

16. 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