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

Save this PDF as:
 WORD  PNG  TXT  JPG

Ebat: px
Şu sayfadan göstermeyi başlat:

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

Transkript

1 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 Çok Sevyel ZIP Regresyon * Suna AKKOL 1, Hayrettn OKUT 1, Sanem ŞEHRİBANOĞLU 1 :Yüzüncü Yıl Ünverstes, Zraat Fakültes, Zootekn Bölümü, Byometr ve Genetk ABD. Kampüs VAN : Yüzüncü Yıl Ünverstes, İstatstk Bölümü, VAN. e-posta:, ÖZET: Çeştl çalışma alanlarında sıfır ağırlıklı sayma le elde edlen verlerle sıklıkla karşılaşılmaktadır. Bu tp verler çn sıfır ağırlıklı Posson (Zero-nflated Posson: ZIP) regresyon ve sıfır ağırlıklı negatf bnom (Zero-nflated negatf bnomal: ZINB) regresyon kullanılmaktadır. Üzernde çalışılan ver kümes boylamsal (longtudnal) br yapıya sahp olduğunda gözlemlern bağımsızlık varsayımı geçerllğn ytrmektedr. Blnen yöntemler yerne bu tür verlern analz çn son yıllarda çok sevyel modeller kullanılmaya başlanmıştır. Bu çalışmada, sıfır ağırlıklı sayma le elde edlen ver kümesnde gözlemlern brbrnden bağımsız olmaması durumunda ortaya çıkan problemlern üstesnden geleblmek çn çok sevyel ZIP regresyon model kullanılmıştır. Bu amaçla boylamsal yapıya sahp sıfır ağırlıklı sayma le elde edlen ver kümes üzernde br uygulama yapılmıştır. Anahtar Sözcükler: sıfır ağırlıklı modeller, çok sevyel modeller, Posson ve negatf bnomal regresyon, boylamsal ver. Multlevel ZIP Regresson for Zero-Inflated Count Data ABSTACT: Posson regresson models are often used for analyss of zero-nflated count data from several studes. Both, zero-nflated Posson (ZIP) and zero nflated negatve bnomal (ZINB) can handle the exstng heterogenety n data structure. Data are correlated and have herarchcal structure hen research study that nvolves repeated observatons of the same tems over long perods of tme. The am of present paper s to ntroduce multlevel ZIP model to overcome on heterogenety for zero-nflated count data and llustrate technques for fttng and nterpretng the zero-nflated Posson regresson. We provded an emprcal applcaton and llustraton of the multlevel ZIP regresson from a longtudnal study. Keyords: zero-nflated models, multlevel models, Posson and Negatve Bnomal Regresson, longtudnal data Grş Sayma le elde edlen verler le çeştl çalışma alanlarında sıklıkla karşılaşılmaktadır. Bu tp verlern analznde genellkle Posson regresyon model kullanılır. Fakat pratkte sayma le elde edlen verler yaygın olarak Posson dağılışına göre beklenenden çok sayıda sıfıra sahp olablrler. Dolayısıyla bu tür verlere Posson veya Negatf Bnom regresyon model uygulandığı takdrde parametre tahmnlerndek stenlen sapmasızlık özellğ geçerllğn ytrr (Gosh ve dğ., 006). Posson dağılışına uymayan çok sayıda sıfıra sahp sayıma dayalı ver çn önerlen br yaklaşım sıfır ağırlıklı (zero-nflated) Posson dağılışının kullanılmasıdır. İk parametrel, p ve λ, olan bu dağılışta populasyonun k tp breyden oluştuğu varsayılır. Bunlardan brncs p olasılıklı her zaman sıfır olan sayıma dayalı ver, kncs se (1-p) olasılıklı Posson (λ) dağılışlı sayıma dayalı very çerr. Lambert (Lambert, 199), bu dağılışı kullanarak zeronflated Posson (ZIP) regresyon smnde yen br model tanıtmıştır. Bu model aslında 1 : Bu çalışma TÜBİTAK TOVAG 105O04 ve YYÜ BAPB 006-ZF-B03 tarafından desteklenmştr.

2 Akkol ve ark., karışımlı Posson (mxture Posson) regresyon modelnn özel br haldr (Dange, 004). ZIP regresyon son yıllarda yoğun olarak çeştl araştırmacılar (Böhnng ve dğ., 1999, Lee ve dğ., 001, Cheung, 00) tarafından kullanılmaktadır. Ver kümesnn sıfır olmayan kısımdak verler aşırı yayılıma sahp se ZIP dağılışı yerne alternatf br yaklaşım olarak zero-nflated negatf bnomal (ZINB) dağılışı gb aşırı yayılımı dkkate alablecek br dağılış önerlmektedr (Cheung, 00, Böhnng, 1998, Yau ve dğ., 003, Sheu ve dğ., 004). Sıfır ağırlıklı sayma le elde edlen verler boylamsal (longtudnal) yapıya sahp olablrler. Bu tp verler son yıllarda çok sevyel modelleme çnde değerlendrlmektedr (Akkol, 004, Hall., 000; Yau ve Lee, 001; Hur ve dğ., 00; Wang ve dğ., 00). Lee ve arkadaşları (Lee ve Dğ., 006) tarafından sıfır ağırlıklı boylamsal (longtdunal) sayma le elde edlen verler çn çok sevyel ZIP regresyon model kullanılmıştır. Bu çalışmada çok sayıda sıfıra sahp sayma le elde edlmş boylamsal verler çn ZIP, ZINB ve gözlemlern bağımsızlığını ytrmes durumunu dkkate alan çok sevyel ZIP regresyon modeller kullanılacaktır. Bu amaçla önce ZIP, ZINB ve çok sevyel ZIP regresyon modeller çn genel br değerlendrme yapılacaktır. Daha sonra çok sayıda sıfıra sahp sayma le elde edlmş boylamsal verler çn bu üç yöntem karşılaştırılarak ver setn çn en y model tespt edlecektr. Yöntem Sıfır ağırlıklı Posson (Zero-Inflated Posson=ZIP) Regresyon Model: ZIP regresyon, şans değşkenler Y nn karışımlı br modele sahp olduğunu ve bunun k alt populasyondan oluştuğunu varsayar. Bu alt populasyonlarda br şans değşkenlernn p olasılıkla sıfır değernn aldığı ( Y 0 ) populasyonu gösterrken dğer se şans değşkenlernn1 p olasılığı le Y y Posson değern aldığı alt populasyonu fade eder. Bundan dolayı ZIP aşağıdak gb fade edlr (Gosh ve dğ., 006); Pr( Y y p (1 p ) e p, ) (1 p ) e y / y! f y 0, f y 0, y ~0 y ~ Po( ) y 1,... (1) Burada ( 1,..., ) ve N p ( 1,..., ) p pn olup, her k alt populasyonda parametre tahmn çn aynı model kullanılmamaktadır. p olasılıklı alt populasyon çn logt(p ) ve 1-p olasılıklı Posson alt populasyonu çn se log( ) bağlantı (lnk) fonksyonları kullanılarak modelleme yapılır. log( ) B log t( p ) log ( p (1 p )) G () Yukarıda B ve G, B ve G kovaryet (açıklayıcı değşken) matrsne lşkn nnc (, ; y ) sırayı, ve regresyon parametrelern göstermektedr. Bu dağılışa lşkn ortalama ve varyans sırasıyla, E( Y ) (1 p ) ve var( Y ) (1 p ) (1 p ) fade edlr. Genel olarak yukarıdak regresyon model çn tüm verlere at log olablrlk fonksyonu (3 numaralı eştlk) kullanılarak model parametreler ve tahmn yapılır (Gosh ve dğ., 006; Hall., 000). N G B B G u loge exp e (1 u ) y B e log1 e (1 u )log( y!) (3) 1 Sıfır ağırlıklı Negatf Bnomal (Zero- Inflated Negatve Bnomal=ZINB) Regresyon Model: Cevap değşken Y nn sıfır ağırlıklı negatf bnomal (ZINB) dağılışa sahp olması durumunda p olasılığı le Y ~0 ve (1- p ) olasılığı le Y ~ NB (, ) gösterr ve bu dağılışın olasılık yoğunluk fonksyonu, Yüzüncü Yıl Ünverstes Fen Blmler Ensttüsü Dergs/ Journal of The Insttute of Natural & Appled Scences

3 Sıfır Ağırlıklı Sayma le Elde Edlen Verler İçn Çok Sevyel ZIP Regresyon Pr( Y 1 p (1 p )(1 ) y ) y (1 p ) y! 1 y 0 1 y y y y (4) ZINB de şans değşkenlernn Y karışımlı br modele sahp olduğunu ve bunun k alt populasyondan oluştuğu varsayılır. ZIP modelnde olduğu gb p olasılıklı alt populasyon çn logt(p ) ve 1-p olasılıklı, negatf bnom alt populasyonu çn se log( ) bağlantı (lnk) fonsyonları kullanılarak modelleme yapılır. ZINB dağılışına sahp herhang br cevap değşken çn ortalama ve varyans sırasıyla aşağıdak gb verlr. E( y ) 1 p, (5) Var( y ) 1 p 1 p Burada ve p parametreler aynı zamanda modelde yer alan açıklayıcı değşkenlere bağlı olarak değşr ve olasılık fonksyonunda 1,, p; y I y log 1 p 1 0 Iy log1 p log1 logy log } yer alan y 0 şeklnde skaler br büyüklüğü fade eder. ve p nn her ksn de 0 dan büyük olduğu durumlarda Y nn marjnal dağılışı dan dolayı aşırı yayılım ve p den dolayı çok sayıda sıfır çerme durumu gözlenr. Yukarıda verlen (7) numaralı eştlkte p 0 olduğu zaman negatf bnomal dağılış söz konusu olacaktır. Yne aynı eştlkte 0 olması durumunda artık söz konusu eştlk ZIP modele ndrgenr. Y ( 1,..., n) gözlemler çn ZINB logolablrlk fonksyonu 6 numaralı eştlktek gb yazılır (Jansakul, 005); { 0 y log y log log y y (6) Çok sevyel (Mult-level) ZIP Regresyon Model: İk sevyenn olduğu çok sevyel br modelleme problemnde, lk olarak en yüksek sevyeden örnek brmler alınır. Daha sonra mevcut brmlerden alt brmler örneklenr. Söz konusu alt brmler brnc sevye alt brmlerdr. Buna göre brnc sevyedek brmler genellkle tamamen bağımsız olmazlar (Akkol, 004; Hox, 1998; Goldsten, 1995; Agrest ve dğ., 000). Y j, nnc breye at j nnc tekrarı göstersn m ( 1,,..., m; j 1,,..., n ve n n toplam 1 sayıdır). Buna göre şansa bağlı katsayı ve eğme sahp k sevyel ZIP regresyon model aşağıdak gb yazılır. p j log log tp G (7) j (1 pj ) log( ) B u j j j 0 u j 1 Yukarıdak eştlkte logt kısımdak G j sabt etklere at desen matrsn, blnmeyen regresyon parametresn, 0 knc sevyeye at şansa bağlı katsayı ve j şansa bağlı eğm (slope) göstermektedr. log kısımdak B j sabt etklere at desen matrsn, bu kısımdak blnmeyen regresyon parametresn, u 0 bu kısımdak knc sevyeye at şansa bağlı katsayıyı ve u 1 yne bu kısımdak knc sevyeye at şansa bağlı eğm göstermektedr. 0 ~ N0,, u 0 u ~ N 0, u, u 0 u (8) 01 u u1 u 01 u1 Parametre tahmn edlrken kullanılan EM algortmasının (McLachlan 1997) M aşamasında ve matrs elemanlarının u blndğ varsayılır. Pratkte bunlar blnmez ve tahmn edlmes gerekr. GLMM e göre en y doğrusal sapmasız tahmnleyc (BLUP) tp log-olablrlk, 1 şeklnde k kısımda verlr (Lee ve Dğ., 006; Yau ve Lee, 001; Wang ve dğ., 00). Clt/Volume: 18, Sayı/Issue1-:

4 Akkol ve ark., j exp exp j 1 exp exp 1 log exp y j 0 j y j 0 yjj exp j logyj! log1 j (9) m log m log uu (10) u u Başlangıçta varyans unsurlarının sabtlenmes le brlkte ZIP model çn 1 maksmze edlmeye başlar. Bu, parametre tahmnleme sürecnn lk aşamasıdır. Daha sonra kısıtlanmış en çok olablrlk (REML) kullanılarak varyans unsurlarının değerler güncellenr. dek şansa bağlı etklerde ve 1 parametre tahmnlernde beklenen düzeyde yakınsama sağlandıktan sonra EM algortması kullanılır. Uygulama Bu çalışmada kullanılan ver kümes daha önce Okut ve arkadaşları (Okut ve dğ., 005) tarafından yapılan br çalışmada kullanılmış olan Amerka Youth Survey den alınmıştır. Ver kümesnde kullanılan cevap değşken 5 yıl süre le breylern evden kaçış sayılarını fade etmektedr. Şekl 1. Breylern 5 yıl süre le evden kaçış sayılarına at frekans dağılımı Uygulama amaçlı sunulan örnekte 5 yıl süre le aynı breylern her yıl evden kaçış sayıları Şekl 1 de özetlenmştr. Modele breylern cnsyet, br yılda kullandıkları ortalama madde kullanım sayısı, ırkı, ebeveynlern evllk durumu ve ale gelrler açıklayıcı değşken olarak dahl edlmştr. Çalışmada kullanılan ver kümesnn % 55. sn erkekler gerye kalanı bayanlardan oluşmaktadır. Irklar dkkate alındığında, beyazlar ver kümesnn %8.36 sını syahlar %13.18 n oluştururken gerye kalan %4.45 lk kısmını dğerler olarak adlandırılan çeştl ırklardan nsanların br araya geldğ grubu fade etmektedr. Çalışmaya dahl edlen breylern ebeveynlerne at meden durumları k başlık altına toplanmıştır. Bunlardan ebeveynn evl olduğu breylern toplam breyler çndek oranı % ken bekar olanların oranı %4.67 dr. Alenn gelr ve madde kullanımına lşkn temel statstkler Çzelge 1 de özetlenmştr. Çzelge 1. Analzde kullanılan değşkenler çn temel statstkler Değşken Ortalama (St.Sapma) Ale gelr 4.31 (.33) Madde kullanımı Brnc Yıl İknc Yıl Üçüncü Yıl Dördüncü Yıl Beşnc Yıl 5.34 (4.48) 6. (5.09) 8.7 (6.36) 9.34 (6.73) 8.75 (4.81) Bulgular ve Tartışma Çalışmada kullanılan ver kümesndek cevap değşken olan breyn evden kaçış sayısı yaklaşık olarak %95 sıfır değerne sahptr. Bu oran saymayla elde edlen verler çn beklenenden daha yüksektr. Dolayısıyla ver kümesnn analz çn öncelkle ZIP ve ZINB, daha sonra k sevyel ZIP regresyon analz uygulanmıştır. Bu amaçla analzler yapılırken Stata (Stata/SE 9.0) ve SAS (SAS, 007) paket programları kullanılmıştır. Çok sayıda sıfıra sahp boylamsal ver kümes çn kullanılan ZIP ve ZINB regresyon model Yüzüncü Yıl Ünverstes Fen Blmler Ensttüsü Dergs/ Journal of The Insttute of Natural & Appled Scences 4

5 Sıfır Ağırlıklı Sayma le Elde Edlen Verler İçn Çok Sevyel ZIP Regresyon çn aynı açıklayıcı değşkenler, modeln hem lojstk hem de log kısmında değerlendrmeye alınmıştır. Tahmn edlen parametre sonuçları ve bunlara at standart hatalar Çzelge le sunulmuştur. Çzelge. ZIP ve ZINB regresyon modelne lşkn sonuçlar Değşkenler/Parametreler ZIP ZINB Logstc log tp G j j j Sabt (.874) (3.068)* Gelr düzey (.058) 0.133(.135) Cnsyet (.1705)** (.476)* Madde kullanımı (.0135)** (.099)** Etnste 0.641(.137)**.45848(.7818)** Meden durum -0.81(.1990) 1.73(.5498)* Yaş 0.393(.0419)** 0.963(.1400)* Log log( ) B j j j Sabt (.0741) (1.446)** Gelr düzey (.0467)** (.0694)* Cnsyet (.133)** (.778) Madde kullanımı 0.009(.0094) (.01)** Etnste (.1368)**.0408(.5310)** Meden durum (.1403)* (.3337)** Yaş (.0335) (.0989) (.770)** Regresyon modeln k kısımda nceleyen sıfır ağırlıklı modellerden ZINB ver kümesnde sıfır olmayan kısımda aşırı yayılım olduğu zaman kullanılır. Eğer aşırı yayılım yoksa ZIP regresyon ZINB ye terch edlen regresyon model olur. Çzelge ncelendğnde aşırı yayılımı modelleyen 1 nn öneml olduğu dkkat çekmektedr. Bu parametrenn öneml olması aşırı yayılımın varlığını göstermektedr. Bu çalışmada kullanılan ver kümes çn aşırı yayılımı dkkate alan ZINB regresyon model ZIP modele terch edlmektedr. Üzernde çalışılan ver kümes çn elde edlen Voung test (Moghmbeg ve dğ., 009) sonuçlarına göre ZIP regresyon, Posson regresyona terch edlmştr. Benzer sonuç negatf bnom çn de elde edlmş ve ZINB regresyon, NB regresyona terch edlen regresyon model olarak tespt edlmştr. Çok sayıda sıfıra sahp ver kümes çn bu beklene br sonuçtur. Ver kümesndek boylamsal yapıyı dkkate alan br yaklaşım, çok sevyel modellemedr. Bu yaklaşım le breylere at beş tekrarlı olarak elde edlen ver kümes, brey ç yıllar olmak üzere br sınıflandırmaya sahptr. Burada tekrarlar brnc ve breyler knc sevye olmak üzere verler k sevyel model özellğ göstermektedr. Bu tp verler çn kullanılan modellere aynı zamanda büyüme eğrs modeller (groth curve models) sm de verlmektedr (Okut ve dğ., 005). Çok sevyel modelleme kullanılarak her k sevyeye lşkn şansa bağlı etkler ve dolayısıyla bunlara at varyans ve kovaryanslar modele tanıtılmıştır. İk sevyel ZIP regresyon modelnden elde edlen sonuçlar modeln her k kısmı ( Logt ve Log) çn Çzelge 3 de verlmştr. Clt/Volume: 18, Sayı/Issue1-:

6 Akkol ve ark., Çzelge 3. Çok sevyel ZIP regresyon modelne lşkn sonuçlar Logt Kısım Değşkenler Log Kısım Değşkenler log p j Sabt j log( j) Sabt j (1 pj) Gelr düzey Bj u0 u1 Gelr düzey ** logtp jgj 0 Cnsyet ** Cnsyet ** 1 Madde kullanımı 0.089** Madde kullanımı 0.195** Etnste 0.83* Etnste -0.47** Meden durum Meden durum Yaş ** Yaş Var Varyans ˆ ).888 *:p<0.05, **:p<0.01 Var cov Varyans ˆ ) , Co yans( ˆ, ˆ ) ( 0 ( 1 var 0 1 Boylamsal yapıya sahp sıfır ağırlıklı saymayla elde edlen verler çn en y model belrlemek üzere ZIP, ZINB ve k sevyel ZIP regresyon modeller çn logolablrlk, AIC ve BIC değerler Çzelge 4 te verlmştr. Çzelge 4. Kullanılan Modeller İçn Log-olablrlk, AIC ve BIC Değerler Model Log-lkelhood AIC BIC ZIP ZINB İk sevyel ZIP Yukarıdak çzelgeye göre ZINB regresyon modelnn ZIP den daha y logolablrlk, BIC ve DIC değerlerne sahp olduğu görülmektedr. Zra ZIP den farklı olarak modelde yer alan yayılım parametres öneml bulunmuştur. İk sevyel ZIP regresyon model se hem ZIP hem de ZINB regresyon modellernden daha y bulunmuştur. Çünkü k sevyel ZIP regresyon model ver kümesndek boylamsal yapıyı dkkate almaktadır. Başka br fadeyle çok sevyel modelleme boylamsal ver yapısını dkkate alarak parametre tahmn yapmakta ve bu nedenle çok sayıda sıfıra sahp boylamsal ver kümes çn ZIP ve ZINB ye terch edlmektedr. Sonuç Sayma le elde edlen ver kümesnde çok mktarda sıfır olması durumunda ZIP regresyon (Gosh ve dğ., 006) model Posson regresyona terch edlr. Ver kümesnn sıfır olmayan kısmında aşırı yayılım söz konusu se ZINB regresyon model kullanılmaktadır (Böhnng, 1998; Rdout ve dğ., 001). Bu çalışmada kullanılan cevap değşken breylern evden kaçma sayılarını göstermekte ve büyük oranda sıfır (%95) çermektedr. Çalışmaya başlarken bu ver kümes çn ZIP ve ZINB regresyon modeller kullanılmıştır. Çzelge 4 de verlen sonuçlar gösterd k üzernde çalışılan ZINB regresyon, ver kümesnn uyumunu ZIP regresyondan daha y yapmıştır. Tablo 3 de verlen yayılım parametresnn () öneml çıkması ver kümesnde br aşırı yayılımın olduğunu ve bunun modellenmes le uyumun daha y olableceğn göstermektedr. Boylamsal yapıya sahp br ver kümes aynı zamanda hyerarşk br yapı sergler. Bu tp hyerarşk br yapıya veya sınıflandırmaya sahp verlern analz çn son yıllarda çok sevyel modelleme kullanılmaya başlanmıştır (Yau ve Lee, 001; Lee ve Dğ., 006; Moghmbeg ve dğ., 009; Lochner, 003). Ver kümesndek boylamsal yapının varlığını dkkate alan çok sevyel modelleme le gözlemlenemeyen heterojenlk kaynağı dkkate alınmaktadır. Çalışmada kullanılan ZIP, ZINB ve k sevyel ZIP regresyon analznn Toblo 4 le verlen sonuçları değerlendrldğnde, k sevyel ZIP regresyon analzne at değerlern (log-olablrlk=-985., AIC=014.4 ve BIC=155.4) en küçük değerler olduğu tespt edlmştr. Dolayısıyla Yüzüncü Yıl Ünverstes Fen Blmler Ensttüsü Dergs/ Journal of The Insttute of Natural & Appled Scences 6

7 Sıfır Ağırlıklı Sayma le Elde Edlen Verler İçn Çok Sevyel ZIP Regresyon çalışmada kullanılan regresyon modellernden (ZIP, ZINB ve k sevyel Kaynak Agrest A., Booth J. G., Hobert J. P. and Caffo B., Random Effect Modellng of Categorcal Response Data, Socologcal Methodology, 30 (1), Akkol S., Çok sevyel genelleştrlmş doğrusal modellerde parametre tahmnlemesnde MQL, PQL ve MCMC yöntemlernn karşılaştırılması, Doktora Tez, Zraat Fakültes, YYU, 004. Böhnng D., Zero- Inflated Posson Models and C.A.MAN: A Tutoral Collecton of Evdence, Bometrcal Journal 40(7), , Böhnng D., Detz E., Schlattmann P., Mendonça L., Krchner U., The zeronflated Posson modeland decayed, mssng and flled teeth ndex n dental epdemyology, Jornal of Royal Statstcal Socety, seres A, 16, , Cheung Y. B. Zero-nflated models for regresson analyss of count data: a study of groth and development, Statstcs n Medcne, 1, Dagne A. G., Herarchcal Bayesan Analyss of Correlated Zero-nflated Count Data, Bometrcal Journal, 46(6), Ghosh S. K., Mukhopadhyay P., and Lu J. C., Bayesan Analyss of Zero-Inflated Regresson Models Journal of Statstcal Plannng and Inference, 136(4), , 006 Goldsten, H., Multlevel Statstcal Models, q=appled+multlevel+analyss+hox&b tng=ara&aq=f&aq=&aql=&oq=&gs_r fa= Hall D.B., Zero-nflated Posson and bnomal regresson th random effects: a case study, Bometrcs, 56, Hox J. Multlevel Modellng n Wndos; A Revev of MLN, Multlevel Modellng Nesletter, 10():-5, ZIP) en ysnn, k sevyel ZIP regresyon olduğu sonucuna varılmaktadır. Hur K., Hedeker D., Henderson W., Khur S., Daley, J., Modelng clustered count data th excess zeros n health care outcomes research, Health Serv. Outcomes Res Method, 3, Jansakul N. Fttng a zero-nflated Negatve Bnomal model va R, In Proceedngs 0th Internatonal Workshop on Statstcal Modellng, Sdney, Australa, 77-84, 005. Lambert D., Zero-nflated Posson regresson, th an applcaton to defects n manufacturng, Technometrcs, 34:1-14, 199 Lee A. H., Wang K., Yau KKW, Analyss of zero-nflated Posson data ncorporatng extend of exposure, Bometrcal Juornal, 43, , 001. Lee A.H., Wang K., Scott J.A., Yau K.K.W., McLachlan G.,J., Mult-level zeronflated Posson regresson modelng of correlated count data th excess zeros, Statstcal Methods n Medcal Research, 15, 47-61, 006. Lochner, K.A., Kaach, I., Brennan, R.T., Buka, S.L., Socal Captal and Neghborhood Mortalty Rates n Chcago, Socal Scence&Medcne, 56, , 003. McLachlan G J., On the EM algorthm for overdspersed count data, Statstcal Methosds n Medcal Research, 6, 76-98, Moghmbeg A., Eshraghan M. R., Mohammad K., McArdle B., Multlevel zero-nflated negatve bnomal regresson modelng for overdsperson count data th extra zeros, Journal of Appled Statstcs, 35(10), , 008. Moghmbeg A., Eshraghan M. R., Mohammad K., McArdle B., A score test for zero-nflaton n multlevel count data, Computatonal Statstcs and Data Analyss, 53, , 009. Okut H., Duncan C. S., Duncan E. T., Groth Mxture Modelng of Zero- Inflated Count Data, JSM (Jont Statstcal Meetng), Mnneapols, 005. Clt/Volume: 18, Sayı/Issue1-:

8 Akkol ve ark., Rdout M., Hnde J., Demétro C.G.B. A Score test for testng a zero-nflated Posson regresson model aganst zeronflated negatve bnomal alternatves, Bometrcs, 57, SAS, 007. SAS/STAT, Carry Inc. Relgh, NC. Sheu M., Hu T., Keler T. E., Ong M., Sung H. Y., The effect of a major cgarette prce change on smokng behavor n Calforna: a zero-nfated negatve bnomal model, Health Economcs, 13: , 004. Snger J.D., Usng SAS PROC MİXED to ft multlevel models, herarchcal models, and ndvdual groth models, Journal of Educatonal and Behavoral Statstcs, 4(4), , Stata 9. Data Analyss and Statstcs Softare. College Staton. Texas Vuong Q.H., Lkelhood rato test for model selecton and non-nested hypotheses, Econometrcs, 57(), , Wang K., Yau K. K. W., Lee A. H., A zeronflated Posson mxed model to analyze dagnoss related groups th majorty of same day hosptal stays, Comput. Methods Programs Bomed., 68, , 00. Yau K. K. W, Lee A. H. Zero-nflated Posson regresson th random effects to evaluate an occupatonal njury preventon programme, Satatstcs n Medcne, 0, Yau K. K. W., Wang K., Lee A. H. Zeronflated negatve bnomal mxed regresson modelng of over-dspersed count data th extra zeros, Bometrcal Journal, 45, Yüzüncü Yıl Ünverstes Fen Blmler Ensttüsü Dergs/ Journal of The Insttute of Natural & Appled Scences 8

Hasar sıklıkları için sıfır yığılmalı kesikli modeller

Hasar sıklıkları için sıfır yığılmalı kesikli modeller www.statstkcler.org İstatstkçler Dergs 5 (01) 3-31 İstatstkçler Dergs Hasar sıklıkları çn sıfır yığılmalı keskl modeller Sema Tüzel Hacettepe Ünverstes Aktüerya Blmler Bölümü 06800-Beytepe, Ankara, Türkye

Detaylı

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

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

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

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

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

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

AKADEMİK YAKLAŞIMLAR DERGİSİ JOURNAL OF ACADEMIC APPROACHES

AKADEMİK YAKLAŞIMLAR DERGİSİ JOURNAL OF ACADEMIC APPROACHES Konut Sahplğnn Belrleycler: Hanehalkı Resler Üzerne Br Uygulama Halm TATLI 1 Özet İnsanların barınma htyacını sağlayan konut, temel htyaçlar arasında yer almaktadır. Konut sahb olmayan ve krada oturan

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

FARKLI VERİ YAPILARINDA KULLANILABİLECEK REGRESYON YÖNTEMLERİ

FARKLI VERİ YAPILARINDA KULLANILABİLECEK REGRESYON YÖNTEMLERİ Anadolu Tarım Blm. Derg., 203,28(3):68-74 Anadolu J Agr Sc, 203,28(3):68-74 do: 0.76/anaas.203.28.3.68 URL: htt://dx.do.org/0.76/anaas.203.28.3.68 Derleme Revew FARKLI VERİ YAPILARINDA KULLANILABİLECEK

Detaylı

ALGILANAN HİZMET KALİTESİ VE LOJİSTİK REGRESYON ANALİZİ İLE HİZMET TERCİHİNE ETKİSİNİN BELİRLENMESİ. Özet

ALGILANAN HİZMET KALİTESİ VE LOJİSTİK REGRESYON ANALİZİ İLE HİZMET TERCİHİNE ETKİSİNİN BELİRLENMESİ. Özet Dokuz Eylül Ünverstes Sosyal Blmler Ensttüsü Dergs Yayın Gelş Tarh: 18.02.2011 Clt: 13, Sayı: 1, Yıl: 2011, Sayfa: 21-37 Yayına Kabul Tarh: 17.03.2011 ISSN: 1302-3284 ALGILANAN HİZMET KALİTESİ VE LOJİSTİK

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

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

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

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

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

YAŞAM ÇÖZÜMLEMESİNDE AYKIRI DEĞERLER OUTLIERS IN SURVIVAL ANALYSIS

YAŞAM ÇÖZÜMLEMESİNDE AYKIRI DEĞERLER OUTLIERS IN SURVIVAL ANALYSIS YAŞAM ÇÖZÜMLEMESİNDE AYKIRI DEĞERLER OUTLIERS IN SURVIVAL ANALYSIS NURAY TUNCER PROF. DR. DURDU KARASOY Tez Danışmanı Hacettepe Ünverstes Lsansüstü Eğtm-Öğretm Yönetmelğnn İstatstk Anablm Dalı İçn Öngördüğü

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

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

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

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

TÜKETĠCĠLERĠN FĠYAT BĠLĠNCĠ ÜZERĠNDE ETKĠLĠ OLAN FAKTÖRLERE ĠLĠġKĠN BĠR ĠNCELEME

TÜKETĠCĠLERĠN FĠYAT BĠLĠNCĠ ÜZERĠNDE ETKĠLĠ OLAN FAKTÖRLERE ĠLĠġKĠN BĠR ĠNCELEME Ġstanbul Ünverstes Ġktsat Fakültes Malye AraĢtırma Merkez Konferansları 46. Ser / Yıl 2004 Prof. Dr. Salh Turhan'a Armağan TÜKETĠCĠLERĠN FĠYAT BĠLĠNCĠ ÜZERĠNDE ETKĠLĠ OLAN FAKTÖRLERE ĠLĠġKĠN BĠR ĠNCELEME

Detaylı

YARIPARAMETRİK KISMİ DOĞRUSAL PANEL VERİ MODELLERİYLE ULUSLAR ARASI GÖÇ

YARIPARAMETRİK KISMİ DOĞRUSAL PANEL VERİ MODELLERİYLE ULUSLAR ARASI GÖÇ Özet YARIPARAMETRİK KISMİ DOĞRUSAL PANEL VERİ MODELLERİYLE ULUSLAR ARASI GÖÇ Atıf EVREN *1 Elf TUNA ** Yarı parametrk panel ver modeller parametrk ve parametrk olmayan modeller br araya getren; br kısmı

Detaylı

BANKACILIKTA ETKİNLİK VE SERMAYE YAPISININ BANKALARIN ETKİNLİĞİNE ETKİSİ

BANKACILIKTA ETKİNLİK VE SERMAYE YAPISININ BANKALARIN ETKİNLİĞİNE ETKİSİ BANKACILIKTA ETKİNLİK VE SERMAYE YAPISININ BANKALARIN ETKİNLİĞİNE ETKİSİ Yrd. Doç. Dr. Murat ATAN - Araş. Gör. Gaye KARPAT ÇATALBAŞ 2 ÖZET Bu çalışma, Türk bankacılık sstem çnde faalyet gösteren tcar bankaların

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

KENTSEL ALANDA ET TALEP ANALİZİ: BATI AKDENİZ BÖLGESİ ÖRNEĞİ. Dr. Ali Rıza AKTAŞ 1 Dr. Selim Adem HATIRLI 2

KENTSEL ALANDA ET TALEP ANALİZİ: BATI AKDENİZ BÖLGESİ ÖRNEĞİ. Dr. Ali Rıza AKTAŞ 1 Dr. Selim Adem HATIRLI 2 Journal of Yasar Unversty 2010 3294-3319 KENTSEL ALANDA ET TALEP ANALİZİ: BATI AKDENİZ BÖLGESİ ÖRNEĞİ Dr. Al Rıza AKTAŞ 1 Dr. Selm Adem HATIRLI 2 ÖZET Bu çalışmada, Batı Akdenz Bölges kent merkezlernde

Detaylı

Bitkisel Ürün Sigortası Yaptırma İsteğinin Belirlenmesi: Tokat İli Örneği

Bitkisel Ürün Sigortası Yaptırma İsteğinin Belirlenmesi: Tokat İli Örneği Atatürk Ünv. Zraat Fak. Derg., 42 (2): 153-157, 2011 J. of Agrcultural Faculty of Atatürk Unv., 42 (2): 153-157, 2011 ISSN : 1300-9036 Araştırma Makales/Research Artcle Btksel Ürün Sgortası Yaptırma İsteğnn

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

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

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

Bulanık Mantık ile Hesaplanan Geoid Yüksekliğine Nokta Yüksekliklerinin Etkisi

Bulanık Mantık ile Hesaplanan Geoid Yüksekliğine Nokta Yüksekliklerinin Etkisi Harta Teknolojler Elektronk Dergs Clt: 5, No: 1, 2013 (61-67) Electronc Journal of Map Technologes Vol: 5, No: 1, 2013 (61-67) TEKNOLOJİK ARAŞTIRMALAR www.teknolojkarastrmalar.com e-issn: 1309-3983 Makale

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

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

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

Farklı Varyans. Var(u i X i ) = Var(u i ) = E(u i2 ) = s 2 Eşit Varyans

Farklı Varyans. Var(u i X i ) = Var(u i ) = E(u i2 ) = s 2 Eşit Varyans Farklı Varyans Var(u X ) = Var(u ) = E(u ) = s Eşt Varyans Y X 1 Farklı Varyans Hata Var(u X ) = Var(u ) = E(u ) = s Farklı Varyans Zaman EKKY nn varsayımlarından br anakütle regresyon fonksyonu u lern

Detaylı

MESLEK SEÇİMİ PROBLEMİNDE ÇOK ÖZELLİKLİ KARAR VERME VE ÇÖZÜME YÖNELİK GELİŞTİRİLEN BİREYSEL KARİYER PLANLAMA PROGRAMI

MESLEK SEÇİMİ PROBLEMİNDE ÇOK ÖZELLİKLİ KARAR VERME VE ÇÖZÜME YÖNELİK GELİŞTİRİLEN BİREYSEL KARİYER PLANLAMA PROGRAMI MESLEK SEÇİMİ PROBLEMİNDE ÇOK ÖZELLİKLİ KARAR VERME VE ÇÖZÜME YÖNELİK GELİŞTİRİLEN BİREYSEL KARİYER PLANLAMA PROGRAMI Fath ÇİL GAZİ ÜNİVERSİTESİ Mühendslk Mmarlık Fakültes Endüstr Mühendslğ Bölümü 4. Sınıf

Detaylı

YAŞAM ÇÖZÜMLEMESİNDE ZAYIFLIK MODELLERİ FRAILTY MODELS IN SURVIVAL ANALYSIS

YAŞAM ÇÖZÜMLEMESİNDE ZAYIFLIK MODELLERİ FRAILTY MODELS IN SURVIVAL ANALYSIS YAŞAM ÇÖZÜMLEMESİNDE ZAYIFLIK MODELLERİ FRAILTY MODELS IN SURVIVAL ANALYSIS DİREN YEĞEN DOÇ. DR. NİHAL ATA TUTKUN Tez Danışmanı Hacettepe Ünverstes Lsansüstü Eğtm-Öğretm ve Sınav Yönetmelğnn İstatstk Anablm

Detaylı

Kar Payı Politikası ve Yaşam Döngüsü Teorisi: İMKB İmalat Sektöründe Ampirik Bir Uygulama

Kar Payı Politikası ve Yaşam Döngüsü Teorisi: İMKB İmalat Sektöründe Ampirik Bir Uygulama Anadolu Ünverses Sosyal Blmler Dergs Anadolu Unversy Journal of Socal Scences Kar Payı Polkası ve Yaşam Döngüsü Teors: İMKB İmalat Sektöründe Amprk Br Uygulama Dvdend Payout Polcy and Lfe Cycle Theory:

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

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

K-Ortalamalar Yöntemi ile Yıllık Yağışların Sınıflandırılması ve Homojen Bölgelerin Belirlenmesi *

K-Ortalamalar Yöntemi ile Yıllık Yağışların Sınıflandırılması ve Homojen Bölgelerin Belirlenmesi * İMO Teknk Derg, 2012 6037-6050, Yazı 383 K-Ortalamalar Yöntem le Yıllık Yağışların Sınıflandırılması ve Homojen Bölgelern Belrlenmes * Mahmut FIAT* Fath DİKBAŞ** Abdullah Cem KOÇ*** Mahmud GÜGÖ**** ÖZ

Detaylı

ÖZET Yüksek Lsans Tez TAM VE SANSÜRLÜ ÖRNEKLEM DURUMLARINDA WEIBULL DAĞILIMI İÇİN BAZI İSTATİSTİKİ SONUÇ ÇIKARIMLARI Dlşen TAMAM Ankara Ünverstes Fen

ÖZET Yüksek Lsans Tez TAM VE SANSÜRLÜ ÖRNEKLEM DURUMLARINDA WEIBULL DAĞILIMI İÇİN BAZI İSTATİSTİKİ SONUÇ ÇIKARIMLARI Dlşen TAMAM Ankara Ünverstes Fen ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ TAM VE SANSÜRLÜ ÖRNEKLEM DURUMLARINDA WEIBULL DAĞILIMI İÇİN BAZI İSTATİSTİKİ SONUÇ ÇIKARIMLARI Dlşen TAMAM İSTATİSTİK ANABİLİM DALI ANKARA

Detaylı

Akıllı Telefon Seçiminin Belirleyicileri: Üniversite Öğrencileri Üzerine Bir Uygulama

Akıllı Telefon Seçiminin Belirleyicileri: Üniversite Öğrencileri Üzerine Bir Uygulama The PDF verson of an unedted manuscrpt has been peer revewed and accepted for publcaton. Based upon the publcaton rules of the journal, the manuscrpt has been formatted, but not fnalzed yet. Before fnal

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

Türkiye de Süt Ürünleri Tüketim Harcamalarına Etki Eden Faktörlerin Analizi: Çoklu Heckman Örneklem Seçicilik Sistem Yaklaşımı

Türkiye de Süt Ürünleri Tüketim Harcamalarına Etki Eden Faktörlerin Analizi: Çoklu Heckman Örneklem Seçicilik Sistem Yaklaşımı 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

1. KEYNESÇİ PARA TALEBİ TEORİSİ

1. KEYNESÇİ PARA TALEBİ TEORİSİ DERS NOTU 07 KEYNESÇİ PARA TALEBİ TEORİSİ, LM EĞRİSİ VE PARA TALEBİ FAİZ ESNEKLİĞİ Bugünk dersn çerğ: 1. KEYNESÇİ PARA TALEBİ TEORİSİ... 1 1.1 İŞLEMLER (MUAMELELER) TALEBİ... 2 1.2 ÖNLEM (İHTİYAT) TALEBİ...

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

LOJİSTİK REGRESYON ANALİZİ İLE ESKİŞEHİR İN SİS

LOJİSTİK REGRESYON ANALİZİ İLE ESKİŞEHİR İN SİS İstanbul Tcaret Ünverstes Fen Blmler Dergs Yıl: 8 Sayı: 16 Güz 2009/2 s. 47-59 LOJİSTİK REGRESYON ANALİZİ İLE ESKİŞEHİR İN SİS KESTİRİMİNİN İNCELENMESİ Cengz AKTAŞ *, Orkun ERKUŞ ** Gelş: 12.10.2009 Kabul:

Detaylı

DOĞRUSAL HEDEF PROGRAMLAMA İLE BÜTÇELEME. Hazırlayan: Ozan Kocadağlı Danışman: Prof. Dr. Nalan Cinemre

DOĞRUSAL HEDEF PROGRAMLAMA İLE BÜTÇELEME. Hazırlayan: Ozan Kocadağlı Danışman: Prof. Dr. Nalan Cinemre 1 DOĞRUSAL HEDEF PROGRAMLAMA İLE BÜTÇELEME Hazırlayan: Ozan Kocadağlı Danışman: Prof. Dr. Nalan Cnemre 2 BİRİNCİ BÖLÜM HEDEF PROGRAMLAMA 1.1 Grş Karar problemler amaç sayısına göre tek amaçlı ve çok amaçlı

Detaylı

Sabit Varyans. Var(u i X i ) = Var(u i ) = E(u i2 ) = s 2

Sabit Varyans. Var(u i X i ) = Var(u i ) = E(u i2 ) = s 2 X Sabt Varyans Y Var(u X ) = Var(u ) = E(u ) = s Eşt Varyans EKKY nn varsayımlarından br anakütle regresyon fonksyonu u lern eşt varyanslı olmasıdır Her hata term varyansı bağımsız değşkenlern verlen değerlerne

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

Ege Bölgesi orman işletmelerindeki orman mühendisi dağılımının Atkinson endeksi ile değerlendirilmesi

Ege Bölgesi orman işletmelerindeki orman mühendisi dağılımının Atkinson endeksi ile değerlendirilmesi SDÜ Orman Fakültes Dergs SDU Faculty of Forestry Journal 2011, 12: 110-114 Araştırma makales/research artcle Ege Bölges orman şletmelerndek orman mühends dağılımının Atknson endeks le değerlendrlmes İsmal

Detaylı

Basel II Geçiş Süreci Sıkça Sorulan Sorular

Basel II Geçiş Süreci Sıkça Sorulan Sorular Basel II Geçş Sürec Sıkça Sorulan Sorular Soru No: 71 Cevaplanma Tarh: 06.03.2012 İlgl Hüküm: --- Konu: Gayrmenkul İpoteğyle Temnatlandırılmış Alacaklar İçn KR510AS Formunun Doldurulmasına İlşkn Örnek

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

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

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

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

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

Samsun Bölgesindeki Hava Kirliliğinin Neden Olduğu Hastalıkların İstatistiksel Modellenmesi

Samsun Bölgesindeki Hava Kirliliğinin Neden Olduğu Hastalıkların İstatistiksel Modellenmesi KFBD Karadenz Fen Blmler Dergs / The Black Sea Journal of Scences 3(8):27-36, 2013 ISSN: 1309-4726 http://kfbd.gresun.edu.tr Samsun Bölgesndek Hava Krllğnn Neden Olduğu Hastalıkların İstatstksel Modellenmes

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

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

Türkiye de Sağlık Hizmetleri Talebinin Sayma Veri Modelleriyle İncelenmesi: İçsellik Sorunu

Türkiye de Sağlık Hizmetleri Talebinin Sayma Veri Modelleriyle İncelenmesi: İçsellik Sorunu Sosyoekonom 2016, Vol. 24(30), 113-128 ISSN: 1305-5577 DOI: 10.17233/se.2016.10.006 Date Submtted: 03.03.2016 Türkye de Sağlık Hzmetler Talebnn Sayma Ver Modelleryle İncelenmes: İçsellk Sorunu Canan GÜNEŞ,

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

Sansürlenmiş ve Kesikli Regresyon Modelleri

Sansürlenmiş ve Kesikli Regresyon Modelleri TOBİT MODEL 1 Sansürlenmş ve Keskl Regresyon Modeller Sınırlı bağımlı değşkenler: sansürlenmş (censored) ve keskl (truncated) regresyon modeller şeklnde k gruba ayrılır. 2 Sansürlenmş ve Keskl Regresyon

Detaylı

İyi Tarım Uygulamaları Ve Tüketici Davranışları (Logit Regresyon Analizi)(*)

İyi Tarım Uygulamaları Ve Tüketici Davranışları (Logit Regresyon Analizi)(*) Gazosmanpaşa Ünverstes Zraat Fakültes Dergs Journal of Agrcultural Faculty of Gazosmanpasa Unversty http://zraatderg.gop.edu.tr/ Araştırma Makales/Research Artcle JAFAG ISSN: 1300-2910 E-ISSN: 2147-8848

Detaylı

OLASILIĞA GİRİŞ. Biyoistatistik (Ders 7: Olasılık) OLASILIK, TIP ve GÜNLÜK YAŞAMDA KULLANIMI

OLASILIĞA GİRİŞ. Biyoistatistik (Ders 7: Olasılık) OLASILIK, TIP ve GÜNLÜK YAŞAMDA KULLANIMI OLASILIĞA GİRİŞ Yrd. Doç. Dr. Ünal ERKORKMAZ Sakarya Ünverstes Tıp Fakültes Byostatstk Anablm Dalı uerkorkmaz@sakarya.edu.tr OLASILIK, TIP ve GÜNLÜK YAŞAMDA KULLANIMI Br olayındoğal koşullar altında toplumda

Detaylı

ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ

ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ Gülesen ÜSTÜNDAĞ BAZI PARAMETRİK OLMAYAN İSTATİSTİKSEL YÖNTEMLERİN İNCELENMESİ İSTATİSTİK ANABİLİM DALI ADANA, 005 ÇUKUROVA ÜNİVERSİTESİ

Detaylı

Hisse Senedi Fiyatları ve Fiyat/Kazanç Oranı Đlişkisi: Panel Verilerle Sektörel Bir Analiz *

Hisse Senedi Fiyatları ve Fiyat/Kazanç Oranı Đlişkisi: Panel Verilerle Sektörel Bir Analiz * Busness and Economcs Research Journal Volume. umber. 0 pp. 65-84 ISS: 309-448 www.berjournal.com Hsse Sened Fyatları ve Fyat/Kazanç Oranı Đlşks: Panel Verlerle Sektörel Br Analz * Mehmet argelecekenler

Detaylı

ARAŞTIRMA MAKALESİ / RESEARCH ARTICLE

ARAŞTIRMA MAKALESİ / RESEARCH ARTICLE ANADOLU ÜNİVERSİTESİ BİLİM VE TEKNOLOJİ DERGİSİ A Uygulamalı Blmler ve Mühedslk ANADOLU UNIVERSITY JOURNAL OF SCIENCE AND TECHNOLOGY A Appled Sceces ad Egeerg Clt/Vol.: 3-Sayı/No: : 5-63 (202 ARAŞTIRMA

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

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

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

( ) 3.1 Özet ve Motivasyon. v = G v v Operasyonel Amplifikatör (Op-Amp) Deneyin Amacı. deney 3

( ) 3.1 Özet ve Motivasyon. v = G v v Operasyonel Amplifikatör (Op-Amp) Deneyin Amacı. deney 3 Yıldız Teknk Ünverstes Elektrk Mühendslğ Bölümü Deneyn Amacı İşlemsel kuvvetlendrcnn çalışma prensbnn anlaşılması le çeştl OP AMP devrelernn uygulanması ve ncelenmes. Özet ve Motvasyon.. Operasyonel Amplfkatör

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

DEÜ MÜHENDİSLİK FAKÜLTESİ MÜHENDİSLİK BİLİMLERİ DERGİSİ Cilt: 16 Sayı: 48 sh. 61-75 Eylül 2014 KRİL SÜRÜSÜ ALGORİTMASI İLE ATÖLYE ÇİZELGELEME

DEÜ MÜHENDİSLİK FAKÜLTESİ MÜHENDİSLİK BİLİMLERİ DERGİSİ Cilt: 16 Sayı: 48 sh. 61-75 Eylül 2014 KRİL SÜRÜSÜ ALGORİTMASI İLE ATÖLYE ÇİZELGELEME DEÜ MÜHENDİSLİK FAKÜLTESİ MÜHENDİSLİK BİLİMLERİ DERGİSİ Clt: 16 Sayı: 48 sh. 61-75 Eylül 2014 KRİL SÜRÜSÜ ALGORİTMASI İLE ATÖLYE ÇİZELGELEME (JOB SHOP SCHEDULING WITH KRILL HERD ALGORITHM) İlker GÖLCÜK

Detaylı

Standart Model (SM) Lagrange Yoğunluğu. u, d, c, s, t, b. e,, Şimdilik nötrinoları kütlesiz Kabul edeceğiz. Kuark çiftlerini gösterelim.

Standart Model (SM) Lagrange Yoğunluğu. u, d, c, s, t, b. e,, Şimdilik nötrinoları kütlesiz Kabul edeceğiz. Kuark çiftlerini gösterelim. SM de yer alacak fermyonlar Standart Model (SM) agrange Yoğunluğu u s t d c b u, d, c, s, t, b e e e,, Şmdlk nötrnoları kütlesz Kabul edeceğz. Kuark çftlern gösterelm. u, c ve t y u (=1,,) olarak gösterelm.

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

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

Bölüm 3. Tanımlayıcı İstatistikler

Bölüm 3. Tanımlayıcı İstatistikler Bölüm 3 Tanımlayıcı İstatstkler Tanımlayıcı İstatstkler Br ver setn tanımak veya brden fazla ver setn karşılaştırmak çn kullanılan ve ayrıca örnek verlernden hareket le frekans dağılışlarını sayısal olarak

Detaylı

Muhasebe ve Finansman Dergisi

Muhasebe ve Finansman Dergisi Muhasebe ve Fnansman Dergs Ocak/2012 Farklı Muhasebe Düzenlemelerne Göre Hazırlanan Mal Tablolardan Elde Edlen Fnansal Oranlar İle Şrketlern Hsse Sened Getrler Ve Pyasa Değerler Arasındak İlşk Ahmet BÜYÜKŞALVARCI

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: 2006, vol: 39, no: 2, 27-44 Obtanng Classcal Relablty Terms from Item Response Theory n Multple Choce Tests Hall Yurdugül * ABSTRACT: The

Detaylı

bir yol oluşturmaktadır. Yine i 2 , de bir yol oluşturmaktadır. Şekil.DT.1. Temel terimlerin incelenmesi için örnek devre

bir yol oluşturmaktadır. Yine i 2 , de bir yol oluşturmaktadır. Şekil.DT.1. Temel terimlerin incelenmesi için örnek devre Devre Analz Teknkler DEE AAĐZ TEKĐKEĐ Bu zamana kadar kullandığımız Krchoffun kanunları ve Ohm kanunu devre problemlern çözmek çn gerekl ve yeterl olan eştlkler sağladılar. Fakat bu kanunları kullanarak

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

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

TÜKETİCİ TATMİNİ VERİLERİNİN ANALİZİ: YAPAY SİNİR AĞLARI ve REGRESYON ANALİZİ KARŞILAŞTIRMASI

TÜKETİCİ TATMİNİ VERİLERİNİN ANALİZİ: YAPAY SİNİR AĞLARI ve REGRESYON ANALİZİ KARŞILAŞTIRMASI 1 TÜKETİCİ TATMİNİ VERİLERİNİN ANALİZİ: YAPAY SİNİR AĞLARI ve REGRESYON ANALİZİ KARŞILAŞTIRMASI Metehan TOLON Nuray GÜNERİ TOSUNOĞLU Özet Tüketc tatmn araştırmaları özelde pazarlama yönetclernn, genelde

Detaylı

Atatürk Üniversitesi İktisadi ve İdari Bilimler Dergisi, Cilt: 25, Sayı: 1, 2011 225

Atatürk Üniversitesi İktisadi ve İdari Bilimler Dergisi, Cilt: 25, Sayı: 1, 2011 225 Atatürk Ünverstes İktsad ve İdar Blmler Dergs, Clt: 25, Sayı:, 20 225 FİNANSAL ANALİZDE KULLANILAN ORANLAR VE HİSSE SENEDİ GETİRİLERİ ARASINDAKİ İLİŞKİ: EKONOMİK KRİZ DÖNEMLERİ İÇİN İMKB İMALAT SANAYİ

Detaylı

GELİŞMEKTE OLAN ÜLKELERDE ULUSLARARASI DOĞRUDAN YATIRIMLAR VE EKONOMİK BÜYÜME ETKİLEŞİMİ: PANEL EŞBÜTÜNLEŞME VE NEDENSELLİK ANALİZİ

GELİŞMEKTE OLAN ÜLKELERDE ULUSLARARASI DOĞRUDAN YATIRIMLAR VE EKONOMİK BÜYÜME ETKİLEŞİMİ: PANEL EŞBÜTÜNLEŞME VE NEDENSELLİK ANALİZİ GELİŞMEKTE OLAN ÜLKELERDE ULUSLARARASI DOĞRUDAN YATIRIMLAR VE EKONOMİK BÜYÜME ETKİLEŞİMİ: PANEL EŞBÜTÜNLEŞME VE NEDENSELLİK ANALİZİ Doç. Dr. M. Başaran ÖZTÜRK * Yrd. Doç. Dr. Kartal DEMİRGÜNEŞ ** Yrd.

Detaylı

TAŞIMACILIK SEKTÖRÜNÜN İŞLEYİŞ SÜRECİ, BULANIK DAĞITIM PROBLEMİNİN TAMSAYILI DOĞRUSAL PROGRAMLAMA MODEL DENEMESİ

TAŞIMACILIK SEKTÖRÜNÜN İŞLEYİŞ SÜRECİ, BULANIK DAĞITIM PROBLEMİNİN TAMSAYILI DOĞRUSAL PROGRAMLAMA MODEL DENEMESİ ZKÜ Sosyal Blmler Dergs, Clt 3, Sayı 6, 2007, ss. 109 125. TAŞIMACILIK SEKTÖRÜNÜN İŞLEYİŞ SÜRECİ, BULANIK DAĞITIM PROBLEMİNİN TAMSAYILI DOĞRUSAL PROGRAMLAMA MODEL DENEMESİ Yrd.Doç.Dr. Ahmet ERGÜLEN Nğde

Detaylı

LOJİSTİK REGRESYON VE CART ANALİZİ TEKNİKLERİYLE SOSYAL GÜVENLİK KURUMU İLAÇ PROVİZYON SİSTEMİ VERİLERİ ÜZERİNDE BİR UYGULAMA. Zeynep Burcu KIRAN

LOJİSTİK REGRESYON VE CART ANALİZİ TEKNİKLERİYLE SOSYAL GÜVENLİK KURUMU İLAÇ PROVİZYON SİSTEMİ VERİLERİ ÜZERİNDE BİR UYGULAMA. Zeynep Burcu KIRAN LOJİSTİK REGRESYON VE CART ANALİZİ TEKNİKLERİYLE SOSYAL GÜVENLİK KURUMU İLAÇ PROVİZYON SİSTEMİ VERİLERİ ÜZERİNDE BİR UYGULAMA Zeynep Burcu KIRAN YÜKSEK LİSANS TEZİ İSTATİSTİK GAZİ ÜNİVERSİTESİ FEN BİLİMLERİ

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

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

DENEY 4: SERİ VE PARALEL DEVRELER,VOLTAJ VE AKIM BÖLÜCÜ KURALLARI, KIRCHOFF KANUNLARI

DENEY 4: SERİ VE PARALEL DEVRELER,VOLTAJ VE AKIM BÖLÜCÜ KURALLARI, KIRCHOFF KANUNLARI A. DNYİN AMACI : Bast ser ve bast paralel drenç devrelern analz edp kavramak. Voltaj ve akım bölücü kurallarını kavramak. Krchoff kanunlarını deneysel olarak uygulamak. B. KULLANILACAK AAÇ V MALZML : 1.

Detaylı

ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ DOKTORA TEZİ SWITCHING REGRESYON DA BULANIK SİNİR AĞLARI YAKLAŞIMI İLE PARAMETRE TAHMİNİ

ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ DOKTORA TEZİ SWITCHING REGRESYON DA BULANIK SİNİR AĞLARI YAKLAŞIMI İLE PARAMETRE TAHMİNİ ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ DOKTORA TEZİ SWITCHING REGRESYON DA BULANIK SİNİR AĞLARI YAKLAŞIMI İLE PARAMETRE TAHMİNİ Türkan ERBAY DALKILIÇ İSTATİSTİK ANABİLİM DALI ANKARA 005 Her hakkı

Detaylı

LOJ ST K REGRESYON ANAL Z : Ö RENC LER N S GARA ÇME ALI KANLI I ÜZER NE B R UYGULAMA

LOJ ST K REGRESYON ANAL Z : Ö RENC LER N S GARA ÇME ALI KANLI I ÜZER NE B R UYGULAMA LOJ ST K REGRESYON ANAL Z : Ö RENC LER N S GARA ÇME ALI KANLI I ÜZER NE B R UYGULAMA Yrd. Doç. Dr. Cengz AKTA Esk ehr Osmangaz Ünv. Fen-Ed.Fak. statstk Böl. caktas@ogu.edu.tr Öz Sgara, tüm dünyada korunulablr

Detaylı

KAFES YAPILARIN MODİFİYE EDİLMİŞ YAPAY ARI KOLONİ ALGORİTMASI İLE OPTİMİZASYONU

KAFES YAPILARIN MODİFİYE EDİLMİŞ YAPAY ARI KOLONİ ALGORİTMASI İLE OPTİMİZASYONU XVIII ULUSAL MEKANİK KONGRESİ 26-30 Ağustos 2013, Celal Bayar Ünverstes, Mansa KAFES YAPILARIN MODİFİYE EDİLMİŞ YAPAY ARI KOLONİ ALGORİTMASI İLE OPTİMİZASYONU S Özgür Değertekn 1, Mehmet Ülker 2, M Sedat

Detaylı

Deprem Tepkisinin Sayısal Metotlar ile Değerlendirilmesi (Newmark-Beta Metodu) Deprem Mühendisliğine Giriş Dersi Doç. Dr.

Deprem Tepkisinin Sayısal Metotlar ile Değerlendirilmesi (Newmark-Beta Metodu) Deprem Mühendisliğine Giriş Dersi Doç. Dr. Deprem Tepksnn Sayısal Metotlar le Değerlendrlmes (Newmark-Beta Metodu) Sunum Anahat Grş Sayısal Metotlar Motvasyon Tahrk Fonksyonunun Parçalı Lneer Interpolasyonu (Pecewse Lnear Interpolaton of Exctaton

Detaylı

Karaciğer mikrodizi kanser verisinin sınıflandırılması için genetik algoritma kullanarak ANFIS in eğitilmesi

Karaciğer mikrodizi kanser verisinin sınıflandırılması için genetik algoritma kullanarak ANFIS in eğitilmesi Karacğer mkrodz kanser versnn sınıflandırılması çn genetk algortma kullanarak ANFIS n eğtlmes Bülent Haznedar 1*, Mustafa Turan Arslan 2, Adem Kalınlı 3 ÖZ 21.06.2016 Gelş/Receved, 30.11.2016 Kabul/Accepted

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

Summary. Orijinal araştırma (Original article)

Summary. Orijinal araştırma (Original article) Türk. enomol. derg., 2011, 35 (2): 325-338 ISSN 1010-6960 Orjnal araşırma (Orgnal arcle) Sıfır değer ağırlıklı genelleşrlmş Posson regresyonu yardımıyla Van Gölü nde Nooneca vrds Delcour, 1909 (Hempera:

Detaylı

Erzurum Đlinde Buğday, Arpa ve Çavdarda Girdi Talebi Araştırması

Erzurum Đlinde Buğday, Arpa ve Çavdarda Girdi Talebi Araştırması 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/ournal TARIM BİLİMLERİ DERGİSİ JOURNAL OF AGRICULTURAL

Detaylı