Lojistik Regresyonda Meydana Gelen Aşırı Yayılımın İncelenmesi

Save this PDF as:
 WORD  PNG  TXT  JPG

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "Lojistik Regresyonda Meydana Gelen Aşırı Yayılımın İncelenmesi"

Transkript

1 Yüzücü Yıl Üverstes, Zraat Fakültes, Tarım Blmler Dergs (J. Agrc. Sc.), 008, 18(1): 1-5 Araştırma Makales/Artcle Gelş Tarh: Kabul Tarh: Lojstk Regresyoda Meydaa Gele Aşırı Yayılımı İcelemes Abdullah YEŞİLOVA (1) İsmal KASAP () Öz: Lojstk regresyoda, gözlee varyasıı beklee varyasda büyük olması aşırı yayılım ya da ekstra-bomyal varyasyo olarak taımlamaktadır. Bu durumda Lojstk regresyo yere, ekstra-bomyal varyasyou dkkate ala yötemler kullaılması gerekr. Lojstk regresyoda, Pearso Kh-kare le sapma uyum statstkler aşırı yayılımı saptamada kullaılmaktadır. Bu çalışmada, btk koruma alaıda elde edlmş ola gerçek br ver kümes kullaılarak Wllams metodu le lojstk regresyoda meydaa gele aşırı yayılım kotrol altıa alımıştır. Wllams metodu kullaılarak sapma uyum statstğ br (1) değere çok yakı, Pearso uyum statstğ se br (1) değere eşt olarak elde edlmştr. Elde edle souçlar bakımıda, uyum statstkler le Akak blg ölçütü ve Bayesa blg ölçütü bezerlk göstermşlerdr. Avcı akarlara karşı deee laçlar, akarlar üzere oldukça etkl olmuş ve akarları ölüm oralarıı arttırdığı saptamıştır (p<0.01). Aahtar kelmeler: Lojstk regresyo, extra-bomyal değşm, uyum statstkler Ivestgato of Overdsperso Logstc Regresso Abstract: I logstc regresso, havg hgher observed varato tha expected varato s called as overdsperso or extrabomal varato. I ths case, t s ecessary to use the methods dealg wth the extra-bomal varato rather tha the logstc varato. Pearso ch-square ad devace goodess of statstcs are used to determe overdsperso logstc regresso. I the preset study usg data obtaed from plat protecto studes, overdsperso logstc regresso was cotrolled by usg Wllams method. By usg Wllams method, a value very close to oe (1) for devace goodess of statstc ad a value equal to oe (1) for Pearso goodess of statstc were obtaed. Based o the obtaed results, goodess of statstcs ad Akak formato crtera ad Bayesa formato crtera model ft statstcs have showed smlartes. Tred pestcdes agast predator spder mtes were very effectve o spder mtes, creasg the death rate of the spder mtes (p<0.05). Key words: Logstc regresso, extra-bomal varatos, goodess of statstcs Grş Lojstk regresyo, bomyal dağılım göstere verler aalzde kullaılmaktadır. Lojstk regresyo bağımlı değşke kl (bary) gözledğ durumlarda, bağımlı değşke le bağımsız değşkeler ede souç lşks belrlemede kullaıla br yötemdr. Lojstk regresyoda, oluşturula lojstk modellere göre parametre tahmler elde edlr (Boey, 1987; Lawles, 1987; Wag ve Putterma, 1998). Lojstk regresyoda, geelleştrlmş doğrusal modeller (Geeralzed Lear Model) kullaılarak e çok olablrlk yötem (maxmum lkelhhod) le parametre tahm elde edlmektedr (McCullagh ve Nelder, 1989). Geelleştrlmş doğrusal modellerde, hatalar ç ormal dağılış varsayımıa gerek yoktur. Bu yötem le bomyal dağılışıı olasılık foksyou üssel formda taımlaarak verler doğruda beklee değer yere, beklee değer doğrusal kombasyou kullaılmaktadır. Başka br fadeyle geelleştrlmş doğrusal modeller, bağımsız değşkeler doğrusal yapısıı bağımlı değşke beklee değere bağlaya br bağlatı foksyouu (lk fucto) kullamaktadır. Lojstk regresyoda, söz kousu bağlatı foksyou logt döüşüm le verlmektedr. (McCullagh ve Nelder, 197; Stokes ve ark., 000; SAS, 007). Lojstk regresyoda, gözlee varyası, beklee varyasta büyük olması aşırı yayılım olarak taımlamaktadır (Cox, 1983; Dea, 199). Sapma (devace) ve Pearso Kh-kare uyum statstkler lojstk regresyoda yayılım olup olmadığıı belrlemede kullaıla uyum statstklerdr (Czado, 003). Eğer uyum statstkler soucuda aşırı yayılım söz kousu se, aşırı yayılımı açıklaya modeller kullaılması gerekmektedr. Lojstk regresyouda, aşırı yayılımı açıklaya metotlarda br de Wllams metodudur (SAS, 007). Wllams metoduda, meydaa aşırı yayılım modele dahl edlerek, gderlmektedr. Ver kümes e y açıklaya model seçmde, Akak blg ölçütü (Akak Iformato Crtera=AIC) ve Bayesa blg ölçütü (Bayesa Iformato Crtera=BIC) e çok kullaıla model uyum ölçütlerdr (Lawles, 1987; Wag ve Putterma, 1998). Bu çalışmada, btk koruma alaıda elde edle gerçek br ver kümes kullaılarak aşırı yayılımı öce tespt, daha sorada asıl modelledğ celemştr. (1) Yazışma Adres: Yüzücü Yıl Üverstes, Zraat Fakültes, Zootek Bölümü VAN, () Çaakkale Osekz Mart Üverstes, Zraat Fakültes, Btk Koruma Bölümü, 1700-ÇANAKKALE

2 A. YEŞİLOVA, İ. KASAP Materyal ve Yötem Materyal Çalışmaı materyal oluştura avcı akar Kampmodromus aberras (Oudemas Acara: Phytosedae) elma bahçelerde toplaarak laboratuara getrlmştr. Avcı akar K. aberras, Va ve çevresde elma bahçelerde e yaygı olarak görüle akarlarda brdr (Kasap ve ark. 004). Laboratuara getrle avcı akarlar 5± 0 C sıcaklık, % 60±10 em ve 16 saatlk aydılama sürese sahp klm odasıda üretmler yapılmıştır. Avcıları buluduğu küvetlere, br hu ve fırça yardımı le gülük olarak bes fırçalamıştır. Bes olarak fırçalaa akarlara ek olarak avcı akarı gelşme ve üremes ç htyaç duyduğu huş ağacıı (Betula pedula Roth (Betulaceae)) poleler ek bes olarak verlmştr. Deemelerde Kazak ve Şekeroğlu (1996) le Kılıçer ve ark. (1990) ı bldrdğ şeklde mkroskop camı (lam) üzere yapıştırılmış çft taraflı yapışka batlar (klşe bat) kullaılmış ve bu batlar üzere çftleşmş geç dşler dorsal kısımlarıda ce uçlu br fırça yardımı le yapıştırılmıştır. Her mkroskop camı üzere 5 adet avcı akar olmak üzere her doz ç 10 adet lam kullaılmıştır. Üzerde dorsalde yapıştırılmış avcı akar bulua lamlar, verle laçları (Mavrk, malatho, euro, trazam, zoloe, foldol, ddvp, talstar, omte, supracde, cupravt, roud-up) prospektüs blglere göre öcede hazırlaa kosatrasyolarıa 5 s süre le daldırılmış ve avcı akarlar üzerde brke laç kosatrasyou br fltre kağıdıa emdrlerek alımıştır. Üzerde brke laç kosatrasyoları yce kurutuldukta sora, avcı akarlar 5± C sıcaklık, %60±10 em oralarıa ve 16:8 saat ışıkladırma sürese ayarlı klm odasıa yerleştrlmştr. Gözlemler, laboratuvarda stereo boküler mkroskop altıda 4 saat sora yapılmış, akarlara ce uçlu br fırça yardımı le dokuularak tepk vereler calı, dğerler ölü olarak kaydedlmştr. Yötem Bu bölüm üç aşamada oluşmaktadır. İlk olarak lojstk regresyo ve uyum statstkler, sorak bölümde Wllams metodu ve so olarak model uyumua lşk teork blgler verlmştr. Çalışmada, calı akar/toplam akar r oraı bağımlı değşke, laçları etks de bağımsız değşke olarak modele alımıştır. Lojstk regresyo Lojstk regresyouda lglele olayı sayısı ola Y bağımlı değşke y 1,..., y bçmde, X bağımsız değşke de x 1,...,x bçmde verlmş olsu. Burada Y değşke bom dağılışıa sahp olduğu varsayılmaktadır. Her br =1,, ç olasılık değer, ( ) π =π (x ) = P Y = 1 x (1) Bçmde verleblr. Daha sora lojstk regresyo model aşağıdak bçmde yazılablr, logt( π ) = Xβ ya da, π = π = β logt( ) log X 1 π Eştlk te β blmeye parametreler göstermektedr (Boey, 1987; Bus, 005; SAS, 007). Sapma ve Pearso Kh kare statstkler lojstk regresyoda yaygı olarak kullaıla uyum statstklerdr. Her k uyum statstk değer bre (1) eşt ya da çok yakı çıkması, lojstk regresyoda aşırı yayılım olmadığı alamıa gelmektedr. Sapma uyum statstğ, D = (y, µ ˆ) = D(y, µ ˆ) φ 1 bçmde yazılablr (SAS, 007). Eştlk 3 te, D(y, µ ˆ) model ç hata sapması olmakta ve breysel olarak sapmaları toplamıı göstermektedr. φ blmeye skala parametres (scale parameter) göstermektedr. Pearso Kh-kare uyum statstğe lşk teork blgler Wllams metodu kousu altıda verlmştr. Lojstk regresyoda aşırı yayılım Lojstk regresyoda aşırı yayılıma başarı olasılıkları arasıdak varyasyo ve kl cevap değşkeler arasıdak korelasyo ede olmaktadır. Y bağımlı değşke beklee değer ve varyası, E(Y ) = π Var(Y ) = π(1 π ) (4) bçmde verleblr. İkl bağımlı değşkeler arasıda korelasyo olması durumuda, 1 başarı Y = Rj ve R j = j= 1 0 dğer P(Rj = 1) =π Bçmde verleblr. Bu durumda () j= 1 j j= 1k j j k (3) Var(Y ) = Var(R ) + cov(r,r ) Var(Y ) = π (1 π ) + cov(r,r ) j k j= 1k j Var(Y ),

3 Lojstk Regresyoda Meydaa Gele Aşırı Yayılımı İcelemes Var(Y ) = π (1 π ) 1 + ( 1) φ (5) bçmde olacaktır (Czado, 005; SAS, 007). Bu durumda eştlk 4 te verle beklee varyas le eştlk 5 de verle gözlee varyas brbre eşt değldr. Gözlee varyas beklee varyasta ya büyük ya da küçük olmaktadır. Gözlee varyası beklee varyasta büyük çıkması aşırı yayılım, gözlee varyası beklee varyasta küçük çıkması da az yayılım olarak adladırılmaktadır. φ= 0 olduğuda gözlee varyas beklee varyasa eşt olacağıda ekstra bomyal yayılım yoktur. φ> 0 olduğuda se ver kümesde aşırı yayılım söz kousudur. Uygulamada, geellkle aşırı yayılım le karşılaşılmaktadır (Lawles, 1987; Wag ve Putterma, 1998). Wllams metodu Ver kümes büyüklüğü olmak üzere, c gözlem ç r gözlee ora değer olsu. c gözlem ç cevap olasılık değer, p rasgele değşke olsu. p ortalama ve varyası, E(p ) =π ve =φπ π V(p ) (1 ) bçmde verleblr. r ortalama ve varyasıı aşağıdak bçmde yazılablr. E(r ) = π V(r ) = π (1 π ) 1 + ( 1) φ (6) Wllams metoduda, blmeye φ parametres tahm, Pearso Kh-kare statstk eştlğ yaklaşık beklee değere eştlemesyle elde edlmektedr. w, c gözleme lşk ağırlık değer olduğu varsayılsı. Pearso Kh-kare statstğ, w(r π ) = 1 π(1 π) χ = bçmde verleblr. g(.), g(.) bağlatı foksyou brc türev gösters. χ yaklaşık beklee değer, = 1 E( χ ) = w (1 w v d ) 1 +φ( 1) (7) bçmde yazılablr. Eştlk 7 de v = π (1 π )[ g( π )] ve d, α+ x β doğrusal ( ) tahmleycs varyasıı göstermektedr. Blmeye φ parametres aşağıdak teratf şlem kullaılarak tahm edlmektedr. Brc aşamada w = 1 ve alarak başlaır. φ başlagıç tahm, π yaklaşık olarak r değer φ = 0 χ ( p) ( 1)(1 v d ) bçmde yazılır. Burada, p toplam parametre sayısıı gösteryor. Ağırlıkları başlagıç tahmler, 1 w = 1 + ( 1) φ 0 0 bçmde olur. Model ağırlıkladırılmış uyumu yapıldıkta sora ˆβ ve χ yede hesaplaır. Daha sora tekrar düzeltle φ ı tahm, χ w(1 wvd) φ = w( 1)(1 wvd) 1 bçmde verleblr. İteratf şlem χ uyum statstğ ked serbestlk derecese yaklaşıcaya kadar devam edlr (SAS, 007). Model uyumu AIC ve BIC karışımlı model ç yaygı olarak kullaıla uyum ölçütlerdr E küçük uyum ölçütüe sahp model e y model olarak kabul edlmektedr (Wag ve Putterma, 1998). Geel olarak uyum ölçütler; AIC = LL + p BIC = LL + plog() bçmde yazılablr. Burada, LL: Lojstk regresyo modelde terasyo bttkte sora elde edle log-olablrlk değer, p: parametre sayısı : örek büyüklüğü olmaktadır. Bulgular Ver kümese lk olarak lojstk regresyo uyguladı. Çzelge 1 de lojstk regresyoa lşk uyum statstkler verlmştr. Uyum statstkler yayılım parametre değerler, hesap değer ked serbestlk derecese bölümes le elde edlmektedr. Lojstk regresyouda, sapma uyum statstğe lşk yayılım parametre değer (Hesap değer/sd) 3.491, Pearso Kh-kare uyum statstğe lşk değer (Hesap değer/sd) se olarak bulumuştur. Elde edle uyum statstğ değerler br (1) değerde büyük çıktığı saptamıştır. Sapma ve Pearso Kh-kare uyum statstğ değerler 1 de büyük çıkması ver kümesde aşırı yayılım olduğuu göstermektedr. 3

4 A. YEŞİLOVA, İ. KASAP Çzelge 1. Sapma ve Pearso Kh-kare uyum statstkler Table 1. Goodess of statstcs for devace ad Pearso Ch-square Uyum statstkler Goodess of statstcs sd/df Hesap değer value Hesap değer sd/value/df Sapma/devace Pearso Kh-kare Pearso Ch-square sd serbestlk dereces, df: Degrees of fredoom Çzelge de modele alıa değşkelere lşk lojstk regresyo parametre tahmler verlmştr. Çzelge de hem tercept hem de laçları etks öeml bulumuştur (p<0.01). Buda dolayı avcı akarlara karşı deee laçlar, akarlar üzere oldukça etkl olmuş ve akarları ölüm oralarıı arttırdığı saptamıştır. Çzelge. Lojstk regresyou soucuda elde edle parametre tahmler Table. Parameter estmates for logstc regresso Parametreler /Parameters Sd /df Tahm (Std. Hata Estmato (std. Error) Itercept (0.373) İlaçlama/sectft applcato (0.04) sd serbestlk dereces, df: Degrees of fredoom, p<0.01 Çzelge 1 de verle uyum statstkler ver kümesde aşırı yayılım olduğuu gösterdğde dolayı, aşırı yayılımı modellemek ç Wllams metodu uygulamıştır. Wllams Metodu kullaılarak lojstk regresyoa lşk elde edle uyum statstkler Çzelge 3 te verlmştr. Çzelge 3. Wllams metodu kullaılarak elde edle sapma ve Pearso Kh-kare uyum statstkler Table 3. Goodess of statstcs for devace ad Pearso Ch-square usg Wllams method Uyum statstkler Goodess of statstcs Sd/df Hesap değer value Hesap değer/sd value/df Sapma/Devace Pearso Kh-kare Pearso Ch-square sd serbestlk dereces, df: Degrees of fredoom Çzelge 3 e bakıldığıda, Wllams metodu kullaılarak sapma uyum statstğ (Hesap değer/sd) br (1) değere çok yakı br değer, Pearso uyum statstğe lşk değer (Hesap değer/sd) br (1) değere eşt olarak elde edldğ görülmektedr. Böylece Wllams Metoduu lojstk regresyodak yayılım parametres kotrol etmede oldukça etkl olduğu görülmektedr. Bu durumu parametre tahmlere asıl yasıdığıı göstere souçlar Çzelge 4 te verlmştr. Çzelge 4. Wllams metodu kullaılarak elde edle lojstk regresyoa lşk parametre tahmler Table 4. Parameter estmates for logstc regresso usg Wllams method Parametreler/parameters Sd/df Tahm (Std. Hata)/estmato (std. Error) Itercept (0.693) İlaçlama/sectft applcato (0.078) sd serbestlk dereces, df: Degrees of fredoom, p<0.01 Çzelge 4 te Wllams metodu kullaılarak aşırı yayılım kotrol altıa alıdıkta sora, lojstk regresyoa lşk parametre tahm değerler verlmştr. Çzelge de olduğu gb, Çzelge 4 te de hem tercept hem de laçları etks öeml bulumuştur (p<0.01). Çzelge ve Çzelge 4 e bakıldığıda parametre değerler ve stadart hatalarıı faklılık gösterdğ görülmektedr. Özellkle laç etks parametre tahm Çzelge 4 te daha yüksektr. Avcı akarlara karşı deee laçlar, akarlar üzere oldukça etkl olmuş ve akarları ölüm oralarıı arttırdığı saptamıştır. Uygu model uyum ölçütler Çzelge 5 te verlmştr. Geel olarak e küçük AIC ve BIC değere sahp model, e y model olarak taımlamaktadır. Model uyum ölçütlere bakıldığıda Wllams metodu kullaılarak elde edle AIC ve BIC uyum ölçütler daha küçük olduğu saptamıştır. Bu durumda Wllams metodu kullaılarak yapıla lojstk regresyo aalzde, aşırı yayılımı ortada kalktığı hem uyum statstkler souçlarıda hem de model uyumu souçlarıda görülmektedr. Çzelge 5. Uygu model ç uyum ölçütler Table 5. Model selecto crtera Regresyo yötem Regresso method Lojstk regresyo/ Logstc regresso Wllams Metodu kullaılarak lojstk regresyo Logstc regresso usg Wllams method Tartışma ve Souç -Log L AIC BIC Kategork ver kümelere uygulaa Posso ve lojstk gb regresyo yötemler uygulaablr olup olmadığıı göstere uyum statstkler (sapma ve Pearso Kh-kare) büyük öem taşımaktadır (Cox, 199; Dea, 199; Czado, 003). Geel olarak uygulaa regresyo yötem doğruluğu bakımıda, her k uyum statstğ değerler 1 e eşt ya da çok yakı olması ster. Posso ve lojstk gb regresyo aalzlerde, söz kousu uyum statstkler ortalama le varyas arasıdak lşkye bağlı olarak değşmektedr (Camero ve Trved, 1998; Lawles, 1987). Öreğ Posso dağılımıda ortalama le varyas ayı parametre değere eşttr. Uygulamada, bu eştlğ sağlaamaması durumuda elde edlecek uyum statstkler souçları stee değerde (1 değerde) daha farklı çıkacaktır (Cox, 1983; Camero ve Trved, 1998; Agrest, 1997; Stokes ve ark., 000). Bezer olarak,. bölümde de bahsedldğ gb, bomyal dağılımda da ortalama le varyas formüllerde ayı termler bulumaktadır. Acak lojstk regresyo aşırı yayılım, gözlee varyası beklee varyasta büyük çıkması durumuda gerçekleşmektedr. Aşırı yayılıma brçok ede gösterleblr. Lojstk regresyoda, söz kousu edelerde e öeml olaları, başarı olasılıkları arasıdak varyasyo, kl cevaplar arasıdak korelasyo, yalış bağlatı 4

5 Lojstk Regresyoda Meydaa Gele Aşırı Yayılımı İcelemes foksyou kullaılması, modelde olması gereke öeml termler olmaması ve örek büyüklüğüü yetersz olması şeklde verleblr (Lawles, 1987; Boey, 1987; Czado, 005; SAS, 007). Bu çalışmada, btk koruma alaıda alıa gerçek br ver kümes kullaılarak lojstk regresyoda meydaa gele aşırı yayılım celemştr. İlk olarak ver kümese lojstk regresyo uygulamıştır. Daha sora lojstk regresyo aalz soucuda elde edle uyum statstk değerler 1 de çok büyük çıktığı ve ver kümesde aşırı yayılım olduğu saptamıştır. Bu durumda, lojstk regresyo aalz souçlarıı kullaılması sapmalı parametre tahmlere ede olacaktır. Ver kümesdek aşırı yayılımı (extra-bomyal) modele dahl ede metotları kullaılması gerekmektedr. Bu bağlamda, Wllams metodu kullaılarak aşırı yayılım kotrol altıa alımıştır (bkz., Çzelge 3). Wllams metodu le hem sapma hem de Pearso Kh-kare uyum statstkler aşırı yayılım değerler 1 (br) değere oldukça yakı bulumuştur. Çzelge 5 te verle model uyumu ölçütler, Wllams metodu le elde edle uyum statstkler souçları brbrler desteklemektedr. E küçük AIC ve BIC model uyumu ölçütlere sahp model e y model olarak kabul edlmektedr (Wag ve Putterma, 1998). Çzelge 5 e bakıldığıda, Wllams metodu kullaılarak elde edle AIC ve BIC souçları daha küçük bulumuştur. Buula brlkte özellkle so yıllarda, ver kümelerdek aşırı yayılımı gdermede karışımlı model (Mxture model) yaklaşımı da yaygı olarak kullaılmaktadır (Wag ve Putterma, 1998). Ver kümesde aşırı yayılım olduğuda dolayı çzelge le Çzelge 4 te, lojstk regresyou le Wllams metodu kullaılarak elde edle lojstk regresyoudak parametre tahm değerler brbrlerde farklı bulumuştur. Bu farklılık tamame aşırı yayılımda kayaklamaktadır. Öreğ Çzelge de laçları etks ke Wllams metodu uyguladıkta sorak laçları etks olmuştur. Avcı akar K. aberras a karşı deee, tarımsal savaş laçları, 4 saat sora yapıla gözlemlerde avcı akarı calılığı üzerde oldukça etkl olmuş ve akarları çoğuluğuu öldüğü saptamıştır. Bu laçları doğada zararlılara karşı kullaılırke yararlı türler üzere de etkler göz öüde buludurularak rasgele kullaılmamalı ve mutlaka hedef alıa calı grubua etkl laçlar terch edlerek zamalaması göz öüde buludurularak kullaılmalıdır (Kazak ve Şekeroğlu, 1996; Kılıçer ve ark., 1996; Kasap ve ark., 004). Souç olarak, elde edle uyum statstkler, kullaıla regresyo model uygu olup olmadığı bakımıda oldukça öemldr. Uyum statstkler soucuda ver kümesde yayılım olup olmadığı saptamaktadır. Ver kümesde aşırı yayılım olması durumuda, aşırı yayılımı dkkate ala yötemler kullaılması daha doğru olacaktır. Kayaklar Agrest A., Categorcal Data Aalyss. Joh ad Wley & Sos, Ic., 710. Boey, G. E., Logstc Regresso for depedet bary observatos. Bometrcs, 43(4): Bus, M., L., 005. Uobserved heterogeety logstc regresso. Camero, A. C., Trved, P. K Regresso Aalyss of Cout Data. Cambrdge Uversty Pres Cox, R., Some Remarks o Overdsperso. Bometrka,70: Czado, C., 003.Overdsperso Logstc Regresso. urses/glm-course/lec5.pdf (Erşm tarh: ) Dea, C. B., 199. Testg for Overdsperso Posso ad Bomal Regresso Models. Joural of Amerca Statstcal Assocato, 87(418): Kasap, İ., Çobaoğlu, S., Aktuğ, Y., Dezha, E., 004. Va Gölü çevres elma bahçelerde saptaa zararlı ve yararlı akar türler. Türkye 1. Btk Koruma Kogres Bldrler, 8-10 Eylül Samsu, 104. Kazak, C., Şekeroğlu, E., Bazı tarımsal savaş laçlarıı daldırma yötem le avcı akar Phytoseılus persmls Athas Herot (Acara: Phytosedae) e etkler belrlemes. Türkye 3. Etomoloj Kogres Bldrler, 4-8 EylülAkara, Kılıçer, N., Çobaoğlu, S., Gürka, M. O., Bazı peststler doğal düşmalarda Trchogramma turkeess Kostadov ve Phytoseılus persmls A. H. e laboratuvar koşullarıda ya etkler. Türkye II. Byolojk Mücadele Kogres Bldrler, 6-9 Eylül Akara, Etomoloj Dereğ Yayıları, No: 4, Lawles, J. F., Negatve bomal ad mxed posso regresso. The Caada Joural of Statstcs, 15(3): McCullagh, P., Nelder, J. A., Geeralzed Lear Models. Secod Edto, Chapma ad Hall, Lodo, 486. SAS, 007. SAS/STAT Software:Chage ad Ehaced. SAS, Ist.Carry Ic., MC USA Stokes, M. E., Davs, C. S., Koch, G. G., 000. Categorcal data aalyss usg the SAS system. Joh ad Wley & Sos, Ic., 66. Wag, P., Putterma, M. L., Mxed logstc regresso models. Joural of Agrculture, Bologcal ad Evrometal Statstcs, 3(): Zhag, B., A Ch-Squared goodess-of-ft- test for logstc regresso models based o case-cotrol data. Bometrka, (86):

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

Zaman Skalasında Box-Cox Regresyon Yöntemi

Zaman Skalasında Box-Cox Regresyon Yöntemi Dokuz Eylül Üverstes İktsad ve İdar Blmler Fakültes Dergs, Clt:7, Sayı:, Yıl:0, ss.57-70. Zama Skalasıda Bo-Co Regresyo Yötem Atlla Özur İŞÇİ Sbel PAŞALI GÖKTAŞ ATMACA 3 M. Nyaz ÇANKAYA 4 Özet Hata term

Detaylı

Parametrik Olmayan İstatistik Çözümlü Sorular - 2

Parametrik Olmayan İstatistik Çözümlü Sorular - 2 Parametrk Olmaya İstatstk Çözümlü Sorular - Soru Böbrek hastalarıa at Kreat (KRT) değerlere lşk br araştırma yapılmak stemektedr. Buu ç rasgele seçle hastaya at Kreat değerler aşağıdak gb elde edlmştr

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

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

YER ÖLÇÜLERİ. Yer ölçüleri, verilerin merkezini veya yığılma noktasını belirleyen istatistiklerdir.

YER ÖLÇÜLERİ. Yer ölçüleri, verilerin merkezini veya yığılma noktasını belirleyen istatistiklerdir. YER ÖLÇÜLERİ Yer ölçüler, verler merkez veya yığılma oktasıı belrleye statstklerdr. Grafkler bze verler yığılma oktaları hakkıda ö blg vermede yardımcı olurlar. Acak bu değerler gerçek değerler değldr,

Detaylı

Tahmin Edicilerin ve Test Đstatistiklerinin Simülasyon ile Karşılaştırılması

Tahmin Edicilerin ve Test Đstatistiklerinin Simülasyon ile Karşılaştırılması . Ders ĐSTATĐSTĐKTE SĐMÜLASYON Tahm Edcler ve Test Đstatstkler Smülasyo le Karşılaştırılması Đstatstk rasgelelk olgusu çere olay süreç ve sstemler modellemesde özellkle bu modellerde souç çıkarmada ve

Detaylı

Olabilirlik Oranı Yöntemine Dayalı, Yapısal Homojen Olmayan Varyans Testlerinin Piyasa Modeli İçin Karşılaştırılması

Olabilirlik Oranı Yöntemine Dayalı, Yapısal Homojen Olmayan Varyans Testlerinin Piyasa Modeli İçin Karşılaştırılması Dokuz Eylül Üverstes İktsad ve İdar Blmler Fakültes Dergs, Clt:6, Sayı:, Yıl:011, ss.135-144 Olablrlk Oraı Yöteme Dayalı, Yaısal Homoje Olmaya Varyas Testler Pyasa Model İç Karşılaştırılması Flz KARDİYEN

Detaylı

TALEP TAHMİNLERİ. Y.Doç.Dr. Alpagut YAVUZ

TALEP TAHMİNLERİ. Y.Doç.Dr. Alpagut YAVUZ TALEP TAHMİNLERİ Y.Doç.Dr. Alpagut YAVUZ Yöetm e temel foksyolarıda br ola plalama, e kaba taımıyla, şletme geleceğe yöelk alıa kararları br bleşkesdr. Geleceğe yöelk alıa kararları başarısı yöetcler yaptıkları

Detaylı

BEKLENEN DEĞER VE VARYANS

BEKLENEN DEĞER VE VARYANS BEKLEE DEĞER VE VARYAS.1. İadel ve adesz öreklemede tüm mümkü örekler.. Beklee değer.3. Varyas.4. İk değşke ortak dağılımı.5. İstatstksel bağımsızlık.6. Tesadüf değşkeler doğrusal kombasyolarıı beklee

Detaylı

=... 29 İÇİNDEKİLER. E(X) = k... 22. 3.5. Pascal (Negatif Binom) Dağılımı... 22 1. 3.6. Hipergeometrik Dağılım... 22. N y= ... 24

=... 29 İÇİNDEKİLER. E(X) = k... 22. 3.5. Pascal (Negatif Binom) Dağılımı... 22 1. 3.6. Hipergeometrik Dağılım... 22. N y= ... 24 İÇİNDEKİLER SİMGE LİSTESİ... KISALTMA LİSTESİ... v ÇİZELGE LİSTESİ... v ŞEKİL LİSTESİ... v ÖNSÖZ... v ÖZET... x ABSTRACT... x GİRİŞ... BÖLÜM : OLASILIK DAĞILIMLARI VE OLASILIK YOĞUNLUKLARI... BÖLÜM : OLASILIK

Detaylı

Değişkenler Arasındaki İlişkiler Regresyon ve Korelasyon. Dr. Musa KILIÇ

Değişkenler Arasındaki İlişkiler Regresyon ve Korelasyon. Dr. Musa KILIÇ Değşkeler Arasıdak İlşkler Regresyo ve Korelasyo Dr. Musa KILIÇ http://ks.deu.edu.tr/musa.klc 1. Grş Buda öcek bölümlerde celedğmz koular, br tek değşke ç yorumlamalar yapmaya yöelk statstk yötemler üzerde

Detaylı

ÖRNEKLEME YÖNTEMLERİ ve ÖRNEKLEM GENİŞLİĞİ

ÖRNEKLEME YÖNTEMLERİ ve ÖRNEKLEM GENİŞLİĞİ 03.05.013 ÖRNEKLEME YÖNTEMLERİ ve ÖRNEKLEM GENİŞLİĞİ 1 Nede Örekleme? Öreklemde çalışmak ktlede çalışmakta daha kolaydır. Ktle üzerde çalışmak çok daha masraflı olablr. Çoğu durumda tüm ktleye ulaşmak

Detaylı

Ki- kare Bağımsızlık Testi

Ki- kare Bağımsızlık Testi PARAMETRİK OLMAYAN İSTATİSTİKSEL TEKNİKLER Prof. Dr. Ali ŞEN Ki- kare Bağımsızlık Testi Daha öceki bölümlerde ölçümler arasıdaki ilişkileri asıl iceleeceğii gördük. Acak sıklıkla ilgileile veriler ölçüm

Detaylı

REGRESYON ANALİZİNDE KULLANILAN EN KÜÇÜK KARELER VE EN KÜÇÜK MEDYAN KARELER YÖNTEMLERİNİN KARŞILAŞTIRILMASI

REGRESYON ANALİZİNDE KULLANILAN EN KÜÇÜK KARELER VE EN KÜÇÜK MEDYAN KARELER YÖNTEMLERİNİN KARŞILAŞTIRILMASI FEN DEGİSİ (E-DEGİ). 8, 3() 9-9 EGESYON ANALİZİNDE KULLANILAN EN KÜÇÜK KAELE VE EN KÜÇÜK MEDYAN KAELE YÖNTEMLEİNİN KAŞILAŞTIILMASI Özlem GÜÜNLÜ ALMA, Özgül VUPA Dokuz Eylül Üverstes, Fe-Edebyat Fakültes,

Detaylı

TÜRKİYE ŞEKERPANCARI ÜRETİMİNDE FAKTÖR TALEP ANALİZİ ( ) (TRANSLOG MALİYET FONKSİYONU UYGULAMASI) Yaşar AKÇAY 1 Kemal ESENGÜN 2

TÜRKİYE ŞEKERPANCARI ÜRETİMİNDE FAKTÖR TALEP ANALİZİ ( ) (TRANSLOG MALİYET FONKSİYONU UYGULAMASI) Yaşar AKÇAY 1 Kemal ESENGÜN 2 l Ta rr ım ı Ekooms Kog rres 6-8 - Eylül l 2000 Tek rrdağ TÜRKİYE ŞEKERPANCARI ÜRETİMİNDE FAKTÖR TALEP ANALİZİ (980-998) (TRANLOG MALİYET FONKİYONU UYGULAMAI) Yaşar AKÇAY Kemal EENGÜN 2. GİRİŞ Türkye tarımı

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

Tanımlayıcı İstatistikler (Descriptive Statistics) Dr. Musa KILIÇ

Tanımlayıcı İstatistikler (Descriptive Statistics) Dr. Musa KILIÇ Taımlayıcı İstatstkler (Descrptve Statstcs) Dr. Musa KILIÇ TANIMLAYICI ÖRNEK İSTATİSTİKLERİ YER ÖLÇÜLERİ (Frekas dağılışıı abss eksedek durumuu belrtr.) DEĞİŞİM ÖLÇÜLERİ ( Frekas dağılışıı şekl belrtr.).

Detaylı

1. GAZLARIN DAVRANI I

1. GAZLARIN DAVRANI I . GZLRIN DRNI I İdeal Gazlar ç: lm 0 RT İdeal gazlar ç: RT Hacm() basıçla() değşk sıcaklıklarda değşm ekl.. de gösterlmştr. T >T 8 T T T 3 asıç T 4 T T 5 T 7 T 8 Molar Hacm ekl.. Gerçek br gazı değşk sıcaklıklardak

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

MERKEZİ EĞİLİM ÖLÇÜLERİ

MERKEZİ EĞİLİM ÖLÇÜLERİ MERKEZİ EĞİLİM ÖLÇÜLERİ Gözlee ver düzeleerek çzelgelerle, graklerle suulması çoğu kez yeterl olmaz. Geel durumu yasıtacak br takım ölçülere gereksm vardır. Bu ölçüler verler yalızca özlü br bçmde belrtmekle

Detaylı

İSTATİSTİKSEL TAHMİNLEME VE HİPOTEZ TESTİ

İSTATİSTİKSEL TAHMİNLEME VE HİPOTEZ TESTİ İSTATİSTİKSEL TAHMİNLEME VE HİPOTEZ TESTİ Bu bölümdeki yötemler, bilimeye POPULASYON PARAMETRE değeri hakkıda; TAHMİN yapmaya yöelik ve, KARAR vermekle ilgili, olmak üzere iki grupta icelemektedir. Parametre

Detaylı

PORTFÖY OPTİMİZASYONUNDA ORTALAMA MUTLAK SAPMA MODELİ VE MARKOWITZ MODELİNİN KULLANIMI VE İMKB VERİLERİNE UYGULANMASI

PORTFÖY OPTİMİZASYONUNDA ORTALAMA MUTLAK SAPMA MODELİ VE MARKOWITZ MODELİNİN KULLANIMI VE İMKB VERİLERİNE UYGULANMASI Süleyma Demrel Üverstes İktsad ve İdar Blmler Fakültes Dergs Y.2008, C.3, S.2 s.335-350. Suleyma Demrel Uversty The Joural of Faculty of Ecoomcs ad Admstratve Sceces Y.2008, vol.3, No.2 pp.335-350. PORTFÖY

Detaylı

Sayısal Türev Sayısal İntegrasyon İnterpolasyon Ekstrapolasyon. Bölüm Üç

Sayısal Türev Sayısal İntegrasyon İnterpolasyon Ekstrapolasyon. Bölüm Üç Sayısal Türev Sayısal İtegrasyo İterpolasyo Ekstrapolasyo Bölüm Üç Bölüm III 8 III-. Pvot Noktaları Br ( ) oksyouu değer, geellkle ekse üzerdek ayrık oktalarda belrler. Bu oktalara pvot oktaları der. Bu

Detaylı

ĐÇI DEKILER 1. TEMEL ĐSTATĐSTĐK KAVRAMLAR VE OTASYO LAR 1

ĐÇI DEKILER 1. TEMEL ĐSTATĐSTĐK KAVRAMLAR VE OTASYO LAR 1 ĐÇI DEKILER Sayfa. TEMEL ĐSTATĐSTĐK KAVRAMLAR VE OTASYO LAR.. Grş.. Đstatstk.3. Populasyo.4. Örek.5. Brm.6. Parametre.7. Değşke 3.8. Ver ve Ver Tpler 3.9. Toplama Sembolü 4 ÇALIŞMA PROBLEMLERĐ 6. VERĐLERĐ

Detaylı

Bir KANUN ve Bir TEOREM. Büyük Sayılar Kanunu

Bir KANUN ve Bir TEOREM. Büyük Sayılar Kanunu Br KANUN ve Br TEOREM Büyük Türkçe Sözlük kau Đg. law Doğa olaylarıı oluş edeler ortaya koya ve gelecektek olayları öcede kestrme olaağı vere bağıtı; Newto kauu, Kepler kauları. (BSTS / Gökblm Termler

Detaylı

POISSON REGRESYON ANALİZİ

POISSON REGRESYON ANALİZİ İstabul Tcaret Üverstes Fe Blmler Dergs Yıl:4 Sayı:7 Bahar 005/ s. 59-7 POISSON REGRESYON ANALİZİ Özlem DENİZ * ÖZET Herhag br olayı belrlee br süreç çersde yaıla deemeler soucuda meydaa gelme sayısı,

Detaylı

Biyoistatistik (Ders 9: Korelasyon ve Regresyon Analizi)

Biyoistatistik (Ders 9: Korelasyon ve Regresyon Analizi) KORELASYON ve REGRESYON ANALİZLERİ Yrd. Doç. Dr. Üal ERKORKMAZ Sakarya Üverstes Tıp Fakültes Byostatstk Aablm Dalı uerkorkmaz@sakarya.edu.tr SİSTEM, ALT SİSTEM ve SİSTEM DİNAMİKLERİ Doğa br aa sstemdr.

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

İSTATİSTİKSEL TAHMİNLEME VE

İSTATİSTİKSEL TAHMİNLEME VE 1 ölüm maçları İSTTİSTİKSEL THMİLEME VE YORUMLM SÜRECİ ÖREKLEME VE ÖREKLEME DĞILIMLRI u bölümde öğreeceklerz. Örekleme gereksm ve yötemler celemek. Örekleme hatası kavramıı taımlamak Örekleme dağılışı

Detaylı

ARAŞTIRMA MAKALESİ /RESEARCH ARTICLE

ARAŞTIRMA MAKALESİ /RESEARCH ARTICLE ANADOLU ÜNİVERSİTESİ BİLİM VE TEKNOLOJİ DERGİSİ ANADOLU UNIVERSITY JOURNAL OF SCIENCE AND TECHNOLOGY Clt/Vol.:0-Sayı/No: : 455-465 (009) ARAŞTIRMA MAKALESİ /RESEARCH ARTICLE İKİ PARAMETRELİ WEIBULL DAĞILIMINDA

Detaylı

ÖLÇÜM, ÖLÇÜM HATALARI ve ANLAMLI RAKAMLAR

ÖLÇÜM, ÖLÇÜM HATALARI ve ANLAMLI RAKAMLAR ÖLÇÜM, ÖLÇÜM HATALARI ve ANLAMLI RAKAMLAR Ölçme, her deeysel blm temel oluşturur. Fzk blmde de teorler sıaması ç çeştl deeyler tasarlaır ve bu deeyler sırasıda çok çeştl ölçümler yapılır. Br fzksel celğ

Detaylı

ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ

ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ Pel İYİ GENETİK ALGORİTMA UYGULANARAK VE BİLGİ KRİTERLERİ KULLANILARAK ÇOKLU REGRESYONDA MODEL SEÇİMİ İSTATİSTİK ANABİLİM DALI ADANA, 006

Detaylı

= k. Aritmetik Ortalama. Tanımlayıcı İstatistikler TANIMLAYICI İSTATİSTİKLER. Sınıflanmış Seriler İçin Aritmetik Ortalama

= k. Aritmetik Ortalama. Tanımlayıcı İstatistikler TANIMLAYICI İSTATİSTİKLER. Sınıflanmış Seriler İçin Aritmetik Ortalama TANIMLAYICI İSTATİSTİKLER Taımlayıcı İstatstkler MERKEZİ EĞİLİM ÖLÇÜLERİ Dr. Mehmet AKSARAYLI D.E.Ü. İ.İ.B.F..B.F. EKONOMETRİ BÖLÜMÜ mehmet.aksarayl aksarayl@deu.edu.tr Yer Ölçüler (Merkez Eğlm Ölçüler)

Detaylı

ISF404 SERMAYE PİYASALARI VE MENKUL KIYMETYÖNETİMİ

ISF404 SERMAYE PİYASALARI VE MENKUL KIYMETYÖNETİMİ 8. HAFTA ISF404 SERMAYE PİYASALARI VE MENKUL KIYMETYÖNETİMİ PORTFÖY YÖNETİMİ II Doç.Dr. Murat YILDIRIM muratyildirim@karabuk.edu.tr Geleeksel Portföy Yaklaşımı, Bu yaklaşıma göre portföy bir bilim değil,

Detaylı

TOBB Ekonomi ve Teknoloji Üniversitesi İKT351 Ekonometri I, Ara Sınavı

TOBB Ekonomi ve Teknoloji Üniversitesi İKT351 Ekonometri I, Ara Sınavı TOBB Ekoom ve Tekoloj Üverstes İKT351 Ekoometr I, Ara Sıavı Öğr.Gör.: Yrd. Doç. Dr. A. Talha YALTA Ad, Soyad: Açıklamalar: Bu sıav toplam 100 pua değerde 4 soruda oluşmaktadır. Sıav süres 90 dakkadır ve

Detaylı

Đst201 Đstatistik Teorisi I

Đst201 Đstatistik Teorisi I Đst20 Đstatstk Teors I DERSĐN TÜRÜ Zorulu DERSĐN DÖNEMĐ Yaz DERSĐN KREDĐSĐ Ulusal Kred: (4, 0, 0 ) 4 KTS: 7 DERSĐN VERĐLDĐĞĐ Bölüm: Đstatstk 200/20 Öğretm Yılı DERSĐN MCI Đstatstğ matematksel temeller

Detaylı

TAHMİNLEYİCİLERİN ÖZELLİKLERİ Sapmasızlık 3.2. Tutarlılık 3.3. Etkinlik minimum varyans 3.4. Aralık tahmini (güven aralığı)

TAHMİNLEYİCİLERİN ÖZELLİKLERİ Sapmasızlık 3.2. Tutarlılık 3.3. Etkinlik minimum varyans 3.4. Aralık tahmini (güven aralığı) 3 TAHMİNLEYİCİLERİN ÖZELLİKLERİ 3.1. Sapmasızlık 3.. Tutarlılık 3.3. Etkilik miimum varyas 3.4. Aralık tahmii (güve aralığı) İyi bir tahmi edici dağılımı tahmi edilecek populasyo parametresie yakı civarda

Detaylı

ETKİN SINIR VE BETA KATSAYI KISITLI PORTFÖY SEÇİM MODELİ ÜZERİNE BİR UYGULAMA

ETKİN SINIR VE BETA KATSAYI KISITLI PORTFÖY SEÇİM MODELİ ÜZERİNE BİR UYGULAMA İstabul Tcaret Üverstes Fe Blmler Dergs Yıl: 11 Sayı: Güz 01 s. 19-35 ETKİN SINIR VE BETA KATSAYI KISITLI PORTFÖY SEÇİM MODELİ ÜZERİNE BİR UYGULAMA Cası KAYA 1, Oza KOCADAĞLI Gelş: 30.05.01 Kabul: 14.1.01

Detaylı

EMEKLİLİK YATIRIM FONLARI DEĞERLENDİRMESİ AÇIKLAMA NOTLARI VE VARSAYIMLAR

EMEKLİLİK YATIRIM FONLARI DEĞERLENDİRMESİ AÇIKLAMA NOTLARI VE VARSAYIMLAR EMEKLİLİK YATIRIM FONLARI DEĞERLENDİRMESİ AÇIKLAMA NOTLARI VE VARSAYIMLAR 2013 yılı fo getrs 02/01/2013-02/01/2014 tarhl brm pay değerler kullaılması le hesaplamıştır. 2013 yılı karşılaştırma ölçütü getrs

Detaylı

WEİBULL DAĞILIMININ ÖLÇEK VE BİÇİM PARAMETRELERİ İÇİN İSTATİSTİKSEL TAHMİN YÖNTEMLERİNİN KARŞILAŞTIRILMASI

WEİBULL DAĞILIMININ ÖLÇEK VE BİÇİM PARAMETRELERİ İÇİN İSTATİSTİKSEL TAHMİN YÖNTEMLERİNİN KARŞILAŞTIRILMASI İstabul Tcaret Üverstes Sosal Blmler Dergs Yıl:8 Saı:5 Bahar 2009 s.73-87 WEİBULL DAĞILIMII ÖLÇEK VE BİÇİM PARAMETRELERİ İÇİ İSTATİSTİKSEL TAHMİ YÖTEMLERİİ KARŞILAŞTIRILMASI Flz ÇAKIR ZEYTİOĞLU* ÖZET Güümüzde

Detaylı

Operasyonel Risk İleri Ölçüm Modelleri

Operasyonel Risk İleri Ölçüm Modelleri Bakacılar Dergs, Sayı 58, 006 Grş Operasyoel Rsk İler Ölçüm Modeller Çalışma k bölümde oluşmaktadır. İlk bölümde operasyoel rskler ölçülmes kapsamıda hag ler ölçüm modeller kullaılması gerektğ, söz kousu

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

Doç. Dr. Mehmet AKSARAYLI

Doç. Dr. Mehmet AKSARAYLI Doç. Dr. Mehmet AKSARALI www.mehmetaksarayl İstatstksel araştırmalarda k yada daha çok değşke arasıdak lşk celemes ç e çok kullaıla yötemlerde brs regresyo aalzdr. Değşkeler arasıdak lşk matematksel br

Detaylı

İleri Teknoloji Bilimleri Dergisi Journal of Advanced Technology Sciences ISSN:2147-3455

İleri Teknoloji Bilimleri Dergisi Journal of Advanced Technology Sciences ISSN:2147-3455 İler Tekoloj Blmler Dergs Joural of Advaced Techology Sceces ISSN:47-3455 GÜÇ SİSTEMLERİNDE HARMONİKLERİN KRİTİK DEĞERLERE ETKİSİ Yusuf ALAŞAHAN İsmal ERCAN Al ÖZTÜRK 3 Salh TOSUN 4,4 Düzce Üv, Tekoloj

Detaylı

İŞLETİM KARAKTERİSTİĞİ EĞRİSİ VE BİR ÇALIŞMA THE OPERATING CHARACTERISTIC CURVE AND A CASE STUDY

İŞLETİM KARAKTERİSTİĞİ EĞRİSİ VE BİR ÇALIŞMA THE OPERATING CHARACTERISTIC CURVE AND A CASE STUDY Süleyma Demirel Üiversitesi Vizyoer Dergisi Suleyma Demirel Uiversity The Joural of Visioary İŞLETİM KARAKTERİSTİĞİ EĞRİSİ VE BİR ÇALIŞMA ÖZET Yrd. Doç. Dr. Halil ÖZDAMAR 1 İstatistiksel kalite kotrol

Detaylı

Rasgele sayıda bağımlı aktüeryal risklerin beklenen değeri için alt ve üst sınırlar

Rasgele sayıda bağımlı aktüeryal risklerin beklenen değeri için alt ve üst sınırlar www.saskcler.org İsaskçler Dergs (8) 64-74 İsaskçler Dergs Rasgele sayıda bağımlı aküeryal rskler beklee değer ç al ve üs sıırlar Fah Tak Kırıkkale Üverses Fe-Edebya Faküles, İsask Bölümü 7-ahşha,Kırıkkale,

Detaylı

Genelleştirilmiş Ortalama Fonksiyonu ve Bazı Önemli Eşitsizliklerin Öğretimi Üzerine

Genelleştirilmiş Ortalama Fonksiyonu ve Bazı Önemli Eşitsizliklerin Öğretimi Üzerine Geelleşrlmş Oralama Foksyou ve Bazı Öeml Eşszlkler Öğrem Üzere Gabl ADİLOV, Gülek TINAZTEPE & Serap KEALİ * Öze Armek oralama, Geomerk oralama, Harmok oralama, Kuvadrak oralama ve bular arasıdak lşk vere

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

T.C. SELÇUK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ

T.C. SELÇUK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ T.C. SELÇUK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ BAZI DAĞILIMLAR İÇİN EN ÇOK OLABİLİRLİK VE FARKLI KAYIP FONKSİYONLARI ALTINDA BAYES TAHMİN EDİCİLERİNİN PERFORMANSLARININ KARŞILAŞTIRILMASI Gülca GENCER

Detaylı

Populasyon Hacminin Yakalama-Tekrar Yakalama Yöntemi Kullanılarak Ters Tahmin Yöntemi ile Tahmini (1)

Populasyon Hacminin Yakalama-Tekrar Yakalama Yöntemi Kullanılarak Ters Tahmin Yöntemi ile Tahmini (1) Yüzücü Yıl Üverstes, Zraat Fakültes, Tarım Blmler Dergs (J. Agrc. Sc., 003, 3(: 3-8 Gelş Tarh :.0.003 Populasyo Hacm Yakalama-Tekrar Yakalama Yötem Kullaılarak Ters Tahm Yötem le Tahm ( Hamt MİRTAGHIZADEH

Detaylı

Tanımlayıcı İstatistikler

Tanımlayıcı İstatistikler Taımlayıcı İstatstkler Br veya brde fazla dağılışı karşılaştırmak ç kullaıla veya ayrıca örek verlerde hareketle frekas dağılışlarıı sayısal olarak düzeleye değerlere taımlayıcı statstkler der. Aalzlede

Detaylı

T.C. SELÇUK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ AZALAN BOZULMA ORANINA SAHİP ÜÇ PARAMETRELİ YENİ BİR YAŞAM ZAMAN DAĞILIMI

T.C. SELÇUK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ AZALAN BOZULMA ORANINA SAHİP ÜÇ PARAMETRELİ YENİ BİR YAŞAM ZAMAN DAĞILIMI T.C. SELÇUK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ AZALAN BOZULMA ORANINA SAHİP ÜÇ PARAMETRELİ YENİ BİR YAŞAM ZAMAN DAĞILIMI MUSTAFA ÇAĞATAY KORKMAZ YÜKSEK LİSANS TEZİ İSTATİSTİK ANA BİLİM DALI KONYA, 2

Detaylı

PERDE ÇERÇEVE SİSTEMLERİN DEPLASMAN ESASLI DİZAYNI İÇİN DEPLASMAN PROFİLİ

PERDE ÇERÇEVE SİSTEMLERİN DEPLASMAN ESASLI DİZAYNI İÇİN DEPLASMAN PROFİLİ PAMUKKALE ÜNİ VERSİ TESİ MÜHENDİ SLİ K FAKÜLTESİ PAMUKKALE UNIVERSITY ENGINEERING COLLEGE MÜHENDİ SLİ K B İ L İ MLERİ DERGİ S İ JOURNAL OF ENGINEERING SCIENCES YIL CİLT SAYI SAYFA : : : : - PERDE ÇERÇEVE

Detaylı

SELÇUK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ

SELÇUK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ SELÇUK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ DOĞRUSAL OLMAYAN POISSON REGRESYON M. Kazım KÖREZ YÜKSEK LİSANS İSTATİSTİK Aablm Dalı Ağustos- KONYA Her Hakkı Saklıdır ÖZET YÜKSEK LİSANS DOĞRUSAL OLMAYAN

Detaylı

Çok Aşamalı Sıralı Küme Örneklemesi Tasarımlarının Etkinlikleri Üzerine Bir Çalışma

Çok Aşamalı Sıralı Küme Örneklemesi Tasarımlarının Etkinlikleri Üzerine Bir Çalışma Süleyma Demrel Üverstes, Fe Blmler Esttüsü Dergs, 15- ( 011),17-134 Çok Aşamalı Sıralı Küme Öreklemes Tasarımlarıı Etklkler Üzere Br Çalışma Nlay AKINCI 1, Yaprak Arzu ÖZDEMİR * 1 TRT Geel Müdürlüğü Reklam

Detaylı

Polinom İnterpolasyonu

Polinom İnterpolasyonu Polom İterpolasyou (Ara Değer Bulma Br foksyou solu sayıdak, K, R oktalarıda aldığı f (, f (,, f ( değerler bls (foksyou keds blmyor. Bu oktalarda geçe. derecede br tek, P a + a + a + + a (... polumu vardır

Detaylı

5.1 Olasılık Tarihi. 5.2. Temel Olasılık Kavramları

5.1 Olasılık Tarihi. 5.2. Temel Olasılık Kavramları 5 OLSILIK 5.. Olasılık Tarh 5.. Temel Olasılık Kavramları 5.3. Deeysel Olasılık 5.4. Temel olasılık Teoremler 5.5. Olasılığı Tolaablrlk Kuralı: 5.6. Olasılığı çarım kuralı: 5.7. Değl ağıtısı: 5.8. Koşullu

Detaylı

ÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ

ÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ İSTATİSTİKSEL TAHMİNLEME VE İSTATİSTİKSEL YORUMLAMA TAHMİNLEME SÜRECİ VE YORUMLAMA SÜRECİ ÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ ÖRNEKLEME VE ÖRNEKLEME ÖRNEKLEME DAĞILIMLARI VE ÖRNEKLEME DAĞILIMLARI Yorumlama

Detaylı

ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ

ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ Ayça Hatce TÜRKAN GÜVENİLİRLİK ANALİZİNDE KULLANILAN İSTATİSTİKSEL DAĞILIM MODELLERİ İSTATİSTİK ANABİLİM DALI ADANA, 007 ÇUKUROVA ÜNİVERSİTESİ

Detaylı

T.C. SELÇUK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ

T.C. SELÇUK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ T.C. SELÇUK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ STRES DAYANIKLILIK GÜVENİLİRLİĞİNİN MASKELİ VERİLERE DAYALI TAHMİNİ Demet SEZER DOKTORA TEZİ İstatstkAablm Dalı Aralık-03 KONYA Her Hakkı Saklıdır TEZ

Detaylı

BÖLÜM 3 YER ÖLÇÜLERİ. Doç.Dr. Suat ŞAHİNLER

BÖLÜM 3 YER ÖLÇÜLERİ. Doç.Dr. Suat ŞAHİNLER BÖLÜM 3 YER ÖLÇÜLERİ İkici bölümde verileri frekas tablolarıı hazırlaması ve grafikleri çizilmesideki esas amaç; gözlemleri doğal olarak ait oldukları populasyo dağılışıı belirlemek ve dağılışı geel özelliklerii

Detaylı

YILLIK ÜCRETLİ İZİN YÖNETMELİĞİ (03.03.2004 tarihli ve 25391 sayılı Resmi Gazete'de yayımlanmıştır.) BİRİNCİ BÖLÜM Amaç, Kapsam ve Dayanak

YILLIK ÜCRETLİ İZİN YÖNETMELİĞİ (03.03.2004 tarihli ve 25391 sayılı Resmi Gazete'de yayımlanmıştır.) BİRİNCİ BÖLÜM Amaç, Kapsam ve Dayanak YILLIK ÜCRETLİ İZİN YÖNETMELİĞİ (03.03.2004 tarhl ve 25391 sayılı Resm Gazete'de yayımlamıştır.) Amaç BİRİNCİ BÖLÜM Amaç, Kapsam ve Dayaak Madde 1 Bu Yöetmelğ amacı, 4857 sayılı İş Kauuu 53 ücü maddes

Detaylı

7. Ders. Bazı Kesikli Olasılık Dağılımları

7. Ders. Bazı Kesikli Olasılık Dağılımları Hatırlatma: ( Ω, U, P) bir olasılık uzayı ve 7. Ders Bazı Kesikli Olasılık Dağılımları : Ω ω R ( ω) foksiyou Borel ölçülebilir, yai B B içi { ω Ω : ( ω) B } U oluyorsa foksiyoua bir Rasgele Değişke deir.

Detaylı

PÜRÜZLÜ AÇIK KANAL AKIMLARINDA DEBİ HESABI İÇİN ENTROPY YÖNTEMİNİN KULLANILMASI

PÜRÜZLÜ AÇIK KANAL AKIMLARINDA DEBİ HESABI İÇİN ENTROPY YÖNTEMİNİN KULLANILMASI PÜRÜZLÜ AÇIK KANAL AKIMLARINDA DEBİ HESABI İÇİN ENTROPY YÖNTEMİNİN KULLANILMASI Mehmet ARDIÇLIOĞLU *, Galp Seçkn ** ve Özgür Öztürk * * Ercyes Ünverstes, Mühendslk Fakültes, İnşaat Mühendslğ Bölümü Kayser

Detaylı

TABAKALI ŞANS ÖRNEKLEME

TABAKALI ŞANS ÖRNEKLEME 6 TABAKAI ŞA ÖREKEME 6.. Populasyo ortalaması ve populasyo toplamıı tam 6.. Populasyo ortalamasıı ve toplamıı varyası 6... Populasyo ortalamasıı varyası 6... Populasyo toplamıı varyası 6..3. Ortalama ve

Detaylı

Hipotez Testleri. Parametrik Testler

Hipotez Testleri. Parametrik Testler Hipotez Testleri Parametrik Testler Hipotez Testide Adımlar Bir araştırma sorusuu belirlemesi Araştırma sorusua dayaa istatistiki hipotezleri oluşturulması (H 0 ve H A ) Hedef populasyoda öreklemi elde

Detaylı

AES S Kutusuna Benzer S Kutuları Üreten Simulatör

AES S Kutusuna Benzer S Kutuları Üreten Simulatör AES S Kutusua Bezer S Kutuları Ürete Smulatör M.Tolga SAKALLI Trakya Üverstes Blgsayar Mühedslğ tolga@trakya.edu.tr Erca BULUŞ Trakya Üverstes Blgsayar Mühedslğ ercab@trakya.edu.tr Adaç ŞAHİN Trakya Üverstes

Detaylı

ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI

ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI µ µ içi Güve Aralığı ALTERNATİF İTEMLERİN KARŞILAŞTIRILMAI Bezetimi e öemli faydalarıda birisi, uygulamaya koymada öce alteratifleri karşılaştırmaı mümkü olmasıdır. Alteratifler; Fabrika yerleşim tasarımları

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

ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI

ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI Bezetimi e öemli faydalarıda birisi, uygulamaya koymada öce alteratifleri karşılaştırmaı mümkü olmasıdır. Alteratifler; Fabrika yerleşim tasarımları Alteratif üretim

Detaylı

X = 11433, Y = 45237,

X = 11433, Y = 45237, A.Ü. SBF, IV Malye EKONOMETRİ I ARA SINAVI 4..006 Süre 90 dakkadır..,. ve 3. sorular 0 ar, 4. ve 5. sorular 30 ar pua, ödev 0 pua değerdedr. Tüm formüller ve şlemlerz açıkça gösterz. ) Y = Xβ + u doğrusal

Detaylı

Sağlam Ridge Regresyon Analizi ve Bir Uygulama

Sağlam Ridge Regresyon Analizi ve Bir Uygulama Dokuz Eylül Üverstes İktsad ve İdar Blmler Fakültes Dergs, Clt:5, Sayı:, Yıl:010, ss.137-148. Sağlam Rdge Regresyo Aalz ve Br Uygulama Özlem ALPU 1 Hatce ŞAMKAR Ekrem ALTAN 3 Özet Çoklu regresyo aalzde

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

DEÜ MÜHENDİSLİK FAKÜLTESİ FEN BİLİMLERİ DERGİSİ

DEÜ MÜHENDİSLİK FAKÜLTESİ FEN BİLİMLERİ DERGİSİ DEÜ MÜHENDİSLİK FAKÜLTESİ FEN BİLİMLERİ DERGİSİ Clt: 2 Sayı: 3 sh 87-02 Ekm 200 VOLTERRA SERİLERİ METODU İLE DOĞRUSAL OLMAYAN SİSTEMLERİN FREKANS BOYUTUNDA ANALİZİ İÇİN NET TABANLI ARAYÜZ TASARIMI (DESIGN

Detaylı

İSTATİSTİK 2. Tahmin Teorisi 07/03/2012 AYŞE S. ÇAĞLI. aysecagli@beykent.edu.tr

İSTATİSTİK 2. Tahmin Teorisi 07/03/2012 AYŞE S. ÇAĞLI. aysecagli@beykent.edu.tr İSTATİSTİK 2 Tahmi Teorisi 07/03/2012 AYŞE S. ÇAĞLI aysecagli@beyket.edu.tr İstatistik yötemler İstatistik yötemler Betimsel istatistik Çıkarımsal istatistik Tahmi Hipotez testleri Nokta tahmii Aralık

Detaylı

BÖLÜM 4 KLASİK OPTİMİZASYON TEKNİKLERİ (KISITLI OPTİMİZASYON)

BÖLÜM 4 KLASİK OPTİMİZASYON TEKNİKLERİ (KISITLI OPTİMİZASYON) BÖÜM 4 KASİK OPTİMİZASYON TEKNİKERİ KISITI OPTİMİZASYON 4. GİRİŞ Öcek bölülerde de belrtldğ b optzaso probleler çoğuluğu kısıtlaıcı oksolar çerektedr. Kısıtlaasız optzaso problelerde optu değer ede oksou

Detaylı

Orkun COŞKUNTUNCEL a Mersin Üniversitesi

Orkun COŞKUNTUNCEL a Mersin Üniversitesi Kuram ve Uygulamada Eğtm Blmler Educatoal Sceces: Theory & Practce - 3(4) 39-58 03 Eğtm Daışmalığı ve Araştırmaları İletşm Hzmetler Tc. Ltd. Şt. www.edam.com.tr/kuyeb DOI: 0.738/estp.03.4.867 Sosyal Blmlerde

Detaylı

Bağıl Değerlendirme Sisteminin Simülasyon Yöntemi ile Test Edilmesi: Kilis 7 Aralık Üniversitesi Örneği

Bağıl Değerlendirme Sisteminin Simülasyon Yöntemi ile Test Edilmesi: Kilis 7 Aralık Üniversitesi Örneği Akademk Blşm 11 - III. Akademk Blşm Koferası Bldrler 2-4 Şubat 2011 İöü Üverstes, Malatya Bağıl Değerledrme Sstem Smülasyo Yötem le Test Edlmes: Kls 7 Aralık Üverstes Öreğ Kls 7 Aralık Üverstes, Blgsayar

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

NİÇİN ÖRNEKLEME YAPILIR?

NİÇİN ÖRNEKLEME YAPILIR? İÇİ ÖREKEME YAPIIR? Zama Kısıdı Maliyeti Azaltma Hata Oraıı Azaltma Souca Ulaşma Hızı Doç.Dr. Ali Kemal ŞEHİRİOĞU Araş.Gör. Efe SARIBAY Örekleme Teorisi kousuu içide, Örekleme Tipleri populasyoda örek

Detaylı

9. Ders. Đstatistikte Monte Carlo Çalışmaları

9. Ders. Đstatistikte Monte Carlo Çalışmaları 9. Ders Đstatstkte Mote Carlo Çalışmaları Đstatstk rasgelelk olgusu çere olay süreç ve sstemler modellemesde özellkle bu modellerde souç çıkarmada ve bu modeller geçerllğ sıamada kullaıla bazı blg ve yötemler

Detaylı

HİPOTEZ TESTLERİ. İstatistikte hipotez testleri, karar teorisi olarak adlandırılır. Ortaya atılan doğru veya yanlış iddialara hipotez denir.

HİPOTEZ TESTLERİ. İstatistikte hipotez testleri, karar teorisi olarak adlandırılır. Ortaya atılan doğru veya yanlış iddialara hipotez denir. HİPOTEZ TETLERİ İstatistikte hipotez testleri, karar teorisi olarak adladırılır. Ortaya atıla doğru veya yalış iddialara hipotez deir. Öreği para hilesizdir deildiğide bu bir hipotezdir. Ortaya atıla iddiaya

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

DÖNEM I BİYOİSTATİSTİK, HALK SAĞLIĞI VE RUH SAĞLIĞI DERS KURULU Ders Kurulu Başkanı : Yrd.Doç.Dr. İsmail YILDIZ

DÖNEM I BİYOİSTATİSTİK, HALK SAĞLIĞI VE RUH SAĞLIĞI DERS KURULU Ders Kurulu Başkanı : Yrd.Doç.Dr. İsmail YILDIZ DÖNEM I BİYOİSTATİSTİK, HALK SAĞLIĞI VE RUH SAĞLIĞI DERS KURULU Ders Kurulu Başkaı : Yrd.Doç.Dr. İsmail YILDIZ ARAŞTIRMADA PLANLAMA VE ÇÖZÜMLEME (03-09 Ocak 014 Y.ÇELİK) Araştırma Süreci (The research

Detaylı

Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi Pamukkale University Journal of Engineering Sciences

Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi Pamukkale University Journal of Engineering Sciences Pamukkale Üverstes Mühedslk Blmler Dergs Pamukkale Uversty Joural of Egeerg Sceces Kabul Edlmş Araştırma Makales (Düzelememş Sürüm) Accepted Research Artcle (Ucorrected Verso) Makale Başlığı / Ttle Karayolu

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

GRİ MARKOV KESTİRİM MODELİ KULLANILARAK DÖVİZ KURU TAHMİNİ

GRİ MARKOV KESTİRİM MODELİ KULLANILARAK DÖVİZ KURU TAHMİNİ Joural of Ecoomcs, Face ad Accoutg (JEFA), ISSN: 48-6697 Year: 4 Volume: Issue: 3 CURRENCY EXCHANGE RATE ESTIMATION USING THE GREY MARKOV PREDICTION MODEL Omer Oala¹ ¹Marmara Uversty. omeroala@marmara.edu.tr

Detaylı

Tanımlayıcı İstatistikler

Tanımlayıcı İstatistikler Taımlayıcı İstatstkler Br veya brde azla dağılışı karşılaştırmak ç kullaıla ve ayrıca örek verlerde hareket le rekas dağılışlarıı sayısal olarak özetleye değerlere taımlayıcı statstkler der. Aalzlerde

Detaylı

Silajlık ve Danelik Mısırlarda Kuru Madde Birikiminin Bazı Matematiksel Büyüme Modelleri ile Analizi

Silajlık ve Danelik Mısırlarda Kuru Madde Birikiminin Bazı Matematiksel Büyüme Modelleri ile Analizi Tarım Blmler Dergs Tar. Bl. Der. Derg web sayfası: www.agr.akara.edu.tr/derg Joural of Agrcultural Sceces Joural homepage: www.agr.akara.edu.tr/joural Slajlık ve Daelk Mısırlarda Kuru Madde Brkm Bazı Matematksel

Detaylı

DEÜ MÜHENDİSLİK FAKÜLTESİ FEN ve MÜHENDİSLİK DERGİSİ Cilt: 9 Sayı: 1 s. 1-7 Ocak 2007 HİDROLİK PROBLEMLERİNİN ÇÖZÜMÜNDE TAŞIMA MATRİSİ YÖNTEMİ

DEÜ MÜHENDİSLİK FAKÜLTESİ FEN ve MÜHENDİSLİK DERGİSİ Cilt: 9 Sayı: 1 s. 1-7 Ocak 2007 HİDROLİK PROBLEMLERİNİN ÇÖZÜMÜNDE TAŞIMA MATRİSİ YÖNTEMİ DEÜ MÜHENDİSLİK FAKÜLESİ FEN ve MÜHENDİSLİK DERGİSİ lt: 9 Sayı: s -7 Ocak 7 HİDROLİK PROBLEMLERİNİN ÇÖÜMÜNDE AŞIMA MARİSİ YÖNEMİ (MEHOD OF RANSFER MARIX O HE ANALYSIS OF HYDRAULI PROBLEMS) Rasoul DANESHFARA*,

Detaylı

İKİ ÖLÇÜTLÜ PARALEL MAKİNELİ ÇİZELGELEME PROBLEMİ: MAKSİMUM TAMAMLANMA ZAMANI VE MAKSİMUM ERKEN BİTİRME

İKİ ÖLÇÜTLÜ PARALEL MAKİNELİ ÇİZELGELEME PROBLEMİ: MAKSİMUM TAMAMLANMA ZAMANI VE MAKSİMUM ERKEN BİTİRME V. Ulusal Üretim Araştırmaları Sempozyumu, İstabul Ticaret Üversitesi, 25-27 Kasım 2005 İKİ ÖLÇÜTLÜ PARALEL MAKİNELİ ÇİZELGELEME PROBLEMİ: MAKSİMUM TAMAMLANMA ZAMANI VE MAKSİMUM ERKEN BİTİRME Tamer EREN

Detaylı

TÜRKİYE NİN TİCARİ HİZMETLER ENDÜSTRİ İÇİ TİCARETİ

TÜRKİYE NİN TİCARİ HİZMETLER ENDÜSTRİ İÇİ TİCARETİ Clt 2, Sayı 2, 2010 ISSN: 1309-8020 (Ole) TÜRKİYE NİN TİCARİ HİZMETLER ENDÜSTRİ İÇİ TİCARETİ Ahmet AYDIN Balıkesr Üverstes Badırma İ.İ.B.F. Kampüsü, Çaakkale Yolu 2.Km. Badırma/Balıkesr E-posta: ahmetayd10@gmal.com

Detaylı

Matematik olarak normal dağılım fonksiyonu. 1 exp X 2

Matematik olarak normal dağılım fonksiyonu. 1 exp X 2 Matematk olarak ormal dağılım foksyou f ( ) ep ( ) Şeklde fade edlr. Burada μ artmetk ortalama, σ se stadart sapma değer gösterr ve dağılım foksyou N(μ, σ) otasyou le gösterlr. Bu deklem geometrk görütüsü

Detaylı

Örnek A. Benzer tipteki 40 güç kaynağının dayanma süreleri aşağıdaki gibidir. Genişletilmiş frekans tablosu oluşturunuz;

Örnek A. Benzer tipteki 40 güç kaynağının dayanma süreleri aşağıdaki gibidir. Genişletilmiş frekans tablosu oluşturunuz; Öre A. Bezer pe 40 güç ayağıı dayama süreler aşağıda gbdr. Geşlelmş reas ablosu oluşuruuz;, 4,7 3, 3,4 3,3 3, 3,9 4, 3,4 4, 3,8 3,7 3,6 3,8 3,7 3,0,,6 3, 3,,6,9 3, 3,0 3,3 4,3 3, 4, 4,6 3, 3,3 4,4 3,9,9

Detaylı

İSTATİSTİK DERS NOTLARI

İSTATİSTİK DERS NOTLARI Balıkesir Üiversitesi İşaat Mühedisliği Bölümü umutokka@balikesir.edu.tr İSTATİSTİK DERS NOTLARI Yrd. Doç. Dr. Umut OKKAN idrolik Aabilim Dalı Balıkesir Üiversitesi İşaat Mühedisliği Bölümü Bölüm 5 Örekleme

Detaylı

İstatistik ve Olasılık

İstatistik ve Olasılık İstatistik ve Olasılık Ders 3: MERKEZİ EĞİLİM VE DAĞILMA ÖLÇÜLERİ Prof. Dr. İrfa KAYMAZ Taım Araştırma souçlarıı açıklamasıda frekas tablosu ve poligou isteile bilgiyi her zama sağlamayabilir. Verileri

Detaylı

BİLGİNİN EĞİTİM TEKNOLOJİLERİNDEN YARARLANARAK EĞİTİMDE PAYLAŞIMI

BİLGİNİN EĞİTİM TEKNOLOJİLERİNDEN YARARLANARAK EĞİTİMDE PAYLAŞIMI The Turkish Olie Joural of Educatioal Techology TOJET July 2005 ISSN: 106521 volume Issue Article 16 BİLGİNİN EĞİTİM TEKNOLOJİLERİNDEN YARARLANARAK EĞİTİMDE PAYLAŞIMI Yard. Doç. Dr. Bahadti RÜZGAR Marmara

Detaylı

Finansal Derinleşme, Ekonomik Büyüme ve Türk Finans Sistemi (1990-2010)

Finansal Derinleşme, Ekonomik Büyüme ve Türk Finans Sistemi (1990-2010) Selçuk Üverses Sosyal Blmler Esüsü Dergs Dr. Mehme YILDIZ Özel Sayısı 24, ss. 9-8 Selcuk Uversy Joural of Isue of Socal Sceces Dr. Mehme YILDIZ Specal Edo 24, p. 9-8 Fasal Derleşme, Ekoomk Büyüme ve Türk

Detaylı

MÜHENDİSLER İÇİN İSTATİSTİK. Prof. Dr. Hüseyin Çelebi Ders Notları

MÜHENDİSLER İÇİN İSTATİSTİK. Prof. Dr. Hüseyin Çelebi Ders Notları MEÜ. Mühedslk Fakültes Jeoloj Mühedslğ Bölümü MÜHENDİSLER İÇİN İSTATİSTİK YÖNTEMLER VE UYGULAMALAR Prof. Dr. Hüsey Çeleb Ders Notları Mers 007 Prof. Dr.-Ig. Hüsey Çeleb 1 Brkaç ülü sözü İstatstk! Matematğ

Detaylı