ARAŞTIRMA MAKALESİ / RESEARCH ARTICLE
|
|
- Hande Batuk
- 8 yıl önce
- İzleme sayısı:
Transkript
1 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 MAKALESİ / RESEARCH ARTICLE E-POSTA TRAFİĞİNİN SIFIR DEĞER AĞIRLIKLI REGRESYON YÖNTEMLERİ KULLANILARAK İNCELENMESİ Yılmaz KAYA, Abdullah YEŞİLOVA 2 ÖZ Sayıma dayalı olarak elde edle verler bekleede fazla sıfır değere sahp olablrler. Bu tp verler aalzde sıfır değerler dkkate ala regresyo yötemler kullaılması daha uygu olmaktadır. Bekleede fazla sayıda sıfır değere sahp bağımlı değşke modellemesde sıfır değer ağırlıklı Posso (ZIP, sıfır değer ağırlıklı egatf bomal (ZINB, Posso Hurdle (PH veya egatf bomal Hurdle (NBH regresyo yötemler kullaılması daha uygu yaklaşımlardır. Bu çalışmada, Yüzücü Yıl Üverstes (YYÜ e-posta suucusuda persoel 2009 bahar eğtm öğretm döemde yaptıkları e-posta trafğ celemştr. Ver kümesde bekleede fazla sayıda sıfır (%78,9 değerler bulumasıda dolayı ver kümese ZIP, ZINB, PH ve NBH regresyo yötemler uygulamıştır. Göderle e-posta sayılarıda hem sıfır yayılımı hem de aşırı yayılım olduğuda dolayı aşırı yayılımı ve sıfır yayılımıı dkkate ala ZINB ve NBH regresyolarıı doğru souçlar gösterdkler saptamıştır. Uyum ölçütler ve Voug statstklere göre ZINB ver kümes açıklaya e y model olduğu görülmüştür. Aahtar Kelmeler: E-posta trafğ, Sıfır değer ağırlıklı modeller, Sıfır yayılımı, Ver madeclğ. INVESTIGATION OF TRAFFIC BY USING ZERO-INFLATED REGRESSION MODELS ABSTRACT Based o cout data obtaed wth a value of zero may be greater tha atcpated. These types of data sets should be used to aalyze by regresso methods takg to accout zero values. Zero- Iflated Posso (ZIP, Zero-Iflated egatve bomal (ZINB, Posso Hurdle (PH, egatve bomal Hurdle (NBH are more commo approaches modelg more zero value possessg depedet varables tha expected. I the preset study, the e-mal traffc of Yüzücü Yıl Uversty 2009 sprg semester was vestgated. ZIP ad ZINB, PH ad NBH regresso methods were appled o the data set because more zeros coutg (78.9% were foud data set tha expected. ZINB ad NBH regresso cosdered zero dsperso ad overdsperso were foud to be more accurate results due to overdsperso ad zero dsperso sedg e-mal. ZINB s determed to be best model accordg to Vuog statstcs ad formato crtera. Keywords: E-mal traffc, Zero flated models, Zero flated data sets, Data mg., Srt Üverstes, Mühedslk Mmarlık Fakültes, Blgsayar Mühedslğ, Srt. E-mal: ylmazkaya977@gmal.com Tel: ( , Yüzücü Yıl Üverstes, Zraat Fakültes, Zootek, Va. Gelş: 4 Aralık 20; Düzeltme: 28 Hazra 202; Kabul: 5 Temmuz 202
2 52 Aadolu Üverstes Blm ve Tekoloj Dergs - A 3 ( Uygulamalı Blmler ve Mühedslk. GİRİŞ Ver madeclğ, verler çersdek deseler, lşkler, değşmler, düzeszlkler, kuralları ve statstksel olarak öeml ola yapıları keşfedlmesdr (Feerer ve ark., Ver madeclğ statstksel br yötemler sers olarak görmek mümkü olablr. Dolayısıyla ver madeclğ çalışması esas olarak br statstk uygulamasıdır. Regresyo, ver madeclğde değşkeler arasıda ede souç lşkler celeye statstksel yötemlerdr. Doğru souçları elde edlmes ç ver kümese uygu br regresyo yötem seçlmes gerekr. Ver kümese uygu br model seçlmesdek amaç verlerdek değşm e y şeklde açıklamak, varyasyo kayaklarıı doğru belrlemek ve sapmasız parametre tahmler elde etmektr (Yeşlova ve ark., 200. Sayıma dayalı olarak elde edlmş verler geellkle Posso dağılımı (PD gösterr ve Posso regresyo (PR le aalz edlrler. PR, bağımsız değşkeler le sayıma dayalı olarak elde edle bağımlı değşke arasıdak lşky açıklamaktadır. PR da bağımlı değşke varyasıı ortalamasıda büyük çıkması aşırı yayılım (overdsperso olarak fade edlmektedr (Wag ve ark., 2002; Yeşlova ve ark., Aşırı yayılım durumuda PR y uygulamak parametre tahmler ve stadart hatalarıı sapmalı olmasıa ede olmaktadır (Khoshgoftaar ve ark., Bu gb durumlarda aşırı yayılımı dkkate ala egatf bomal (NB regresyo model kullaılması daha uygu olablr (Jasakul, 2005; Joh ve ark., 2007; Jasakul ve Hde, Ver kümesde bekleede fazla sayıda sıfır değer olması sıfır değer yayılımı (zero flato olarak taımlamaktadır (Mart ve ark., 2006; Cu ve Yag, Gözlemler büyük br kısmıı sıfır olduğu ver kümelerde, sıfır değerler aalz dışı tutulması doğru olmaya souçları elde edlmese ede olmaktadır. Ver kümesde bekleede fazla sıfır değer buluması durumuda ver kümes sıfırları göz öüde buludura sıfır değer ağırlıklı modeller (zero-flated models le aalz edlmes daha uygu olmaktadır (Rdout ve ark., 200. Hurdle modeller sıfır değerler çok olduğu ver kümeler ç kullaılmaktadır. Hurdle modeller k aşamada oluşmaktadır. Brcs, sıfır sayımlara (0 karşı poztf sayımları ( göstere kl (bary cevaplar; kcs se yalız poztf sayımları meydaa geldğ süreçtr (Yeşlova ve ark., 200. Bary cevaplar logt bağlatı foksyou kullaılarak modellemektedr. Poztf sayımlar se sıfır değer sıırladırılmış (zero-value trucated sayma model ya log bağlatı foksyou kullaılarak modellemektedr (Mart ve ark., Sayma kısmıı Posso dağılımı göstermes durumuda Posso Hurdle (PH, egatf bom dağılımı göstermes durumuda se NB Hurdle (NBH model kullaılmaktadır (Gerdtham,997. Sıfır değer ağırlıklı Posso (Zero Iflated Posso=ZIP regresyou da, ver kümes bekleede fazla sayıda sıfır değer çermes durumuda bağımlı değşke modellemesde kullaılmaktadır. ZIP regresyou, bağımlı değşke k farklı ver grubuda oluştuğuu varsaymaktadır. Bularda brcs, sıfır değerler de çereblecek Posso dağılımlı ver grubu olurke, bua karşı kc grup se dama sıfır değerler çermektedr (Camero ve Trved, 998. ZIP regresyoda logt foksyou bağımlı değşke hag ver grubua dâhl olduğuu belrlemek ç kullaılır. Posso dağılımı göstere grup se PR le modeller. Posso dağılımı göstere kc grupta aşırı yayılım söz kousu olduğuda ZIP regresyou yere sıfır değer ağırlıklı egatf bomal (Zero Iflated Negatve Bomal=ZINB regresyou kullaılması daha uygu olmaktadır (Hall, ZIP modelde olduğu gb sıfır gözlemler le sıfır olmaya gözlemler ayrı olarak modeller. Acak ZIP regresyoda farklı olarak ZINB de sıfır olmaya gözlemler NB regresyou le modellemektedr. PR, NB, PH, NBH, ZIP ve ZINB regresyo modellerde parametre tahmler yaygı olarak EM algortmasıı esas ala e yüksek olablrlk (Maxmum Lkelhood=ML yötem kullaılarak elde edlmektedr (Kare ve Kelv, Uygu model seçmde Akak (AIC blg ölçütü kullaılablr. E küçük blg ölçütlere sahp model e y model olarak kabul edlmektedr. Bu çalışmada e-posta trafğ sıfır değer ağırlıklı regresyo yötemler le celemştr.
3 Aadolu Uversty Joural of Scece ad Techology - A 3 ( Appled Sceces ad Egeerg 53 Çalışmadak ver kümes Yüzücü Yıl Üverstes (YYÜ 568 akademk ve 595 dar toplam 63 persoelde elde edlmştr. Öcelkle YYÜ e-posta suucusuda persoele at e- posta adresler elde edlerek, her persoel öğretm yılı bahar döemde (Mart, Nsa, Mayıs, Hazra göderdğ e-posta sayıları suucu kayıt(log dosyalarıda elde edlmştr. Daha sora 63 persoele aket uygulaarak kşler çalıştığı brm, uva, csyet, mede hal, yaş, kşler kulladıkları e-posta adres sayısı, e çok kulladıkları e-posta adres yyu.edu.tr uzatılı olup olmadığı, ms-cq gb herhag br sohbet programıı kullaıp kullamadıkları, yyu.edu.tr uzatılı e- posta adres le herhag br blmsel toplatıya katılıp katılmadıkları, ortalama br güde kaç saat teret kulladıkları, web steler olup olmadığı, evde teret bağlatılarıı olup olmadığı ve dzüstü blgsayarlarıı olup olmadığı sorularıa lşk cevaplar elde edlmştr. Ver kümesdek bekleede fazla sıfır değerler bulumasıda dolayı, ZIP, ZINB, PH, NBH regresyoları uygulamıştır. Modeller karşılaştırılması AIC blg ölçütü Voug statstklerde yararlaılmıştır. 2. MATERYAL VE YÖNTEM 2. Materyal YYÜ e-posta suucusuda ve aket yolu le elde edle değşkeler Çzelge de verlmştr. Toplam değşke bağımlı değşke, Persoel tp, Brm kodu, Uva kodu, Csyet, Mede hal, Yaş, E-posta adet, E-posta YYU, Sohbet programı, Blmsel toplatı, Ortalama teret, Webste, İteret bağlatısı ve Dzüstü blgsayar değşkeler se bağımsız değşkeler olarak değerledrlmştr. Bu çalışmada, aalzler ç R yazılımı kullaılmıştır. R statstk, matematk, ver madeclğ gb çok farklı amaçlar ç kullaılablecek br programlama dldr. Açık kayaklı br program olup GNU lsası altıda dağıtılmaktadır. 2.2 Yötem 2.2. Sıfır Yayılımı Ver kümeler bekleede daha fazla sıfır değer çermes durumuda, sıfır yayılımı (Zero flato=zi meydaa gelmektedr. Sıfır değer ağırlıklı dağılımlar gözlemler k gruba at olduğuu varsaymaktadır. Brc grup (g, gözlemler doğruda sıfır olarak gözledğ gruptur. İkc grup (g2 Posso veya NB dağılımı göstere gözlemler at olduğu gruptur. Z ye (dkatör değşke bağlı olarak gözlem g grubua at olma olasılığıı belrte dkatör değşkedr ve Z ~ Bereull( p bçmde yazılablr (T, p = Pr( g Z p = q= Pr( g 2 Z ( olduğu varsayılsı. Bu durumda sıfır değer ağırlıklı model geel formu, Pr( y x,z = p + ( p g( μ eğer y =0 (2 Pr( y x,z = ( p f ( μ eğer y >0 bçmde yazılablr. g( μ = Pr( y = 0 x bağımlı değşke sıfır olduğuu göstermektedr. f( μ Posso veya NB dağılımlarıda herhag br göstermektedr (Domque ve ark., Posso Hurdle Regresyo Hurdle modelde verler elde edlş k farklı aşamada gerçekleşr. Brc aşama geçş aşaması (trasato stage olarak blr ve bomal dağılım gösterr. Bu aşamada bağımlı değşke sıfır veya sıfır olmaması belrler (Jasakul ve Hde, İkc aşama olay aşaması (evet stage olarak blr. Tüm sıfır değerler harç elde edle değerler bu aşamada modeller. Posso hurdle model, solda sıırladırılmış sayıma dayalı olarak elde edle poztf gözlem değerler (y >0 Posso dağılımı kullaılarak modelledğde, Posso hurdle model olarak adladırılmaktadır (Rose ve ark.,2006. y, =,2,., brbrde bağımsız sayıma dayalı olarak elde edle gözlem değerler olsu. y,=0 olma olasılığı -p(x ve y sıırladırılmış Posso λ (z olma olasılığı p(x olsu. Burada x ve z ortak değşke matrslerdr. Posso hurdle model,
4 5 Aadolu Üverstes Blm ve Tekoloj Dergs - A 3 ( Uygulamalı Blmler ve Mühedslk Çzelge. Ver kümes oluştura değşkeler. Kod Değşke Açıklama Persoel Tp Persoel Tp =Akademk Persoel, 0=İdar Persoel Brm Kodu Brm Kodu Her fakülte veya yüksekokula br kod verlmştr. Uva Kodu Uva Kod =Prof. Dr., 2=Doç. Dr., 3=Yrd.Doç. Dr., 4=Öğr. Grv., 5=Okutma, 6=Araş.Grv., 7=Uzma, 0=İdar Persoel Csyet Csyet 0=Baya, =Bay Mede Hal Mede hal 0=Bekar, =Evl Yas Yaş Persoel yaşı Toplam Göderle e-posta sayıları Her persoel göderdğ e-posta sayısı Eposta Adet Kş e-posta sayısı Her persoel e-posta adres sayısı Eposta YYU Sohbet Programı Blmsel Toplatı Ortalama İteret E çok kullaıla e-posta adres yyu.edu.tr uzatılı mı? MSN, ICQ gb sohbet programları kullaıyor musuuz? YYU uzatılı e-posta le br blmsel toplatıya katıldıız mı? Ortalama gülük teret kullaımı kaç saat? =Evet, 0=Hayır =Evet, 0=Hayır =Evet, 0=Hayır Ortalama gülük teret kullaımı (saat Web Ste Web stez var mı? =Evet, 0=Hayır Iteret Bağlatısı Evde teret bağlatıız var mı? =Evet, 0=Hayır Dzüstu Blgsayar Dzüstü blgsayarıız var mı? =Evet, 0=Hayır P( y = 0 x = p( x P( y = q x,z = p(xexp( λ(z λ(z q! exp( ( z ( λ q (3 bçmde yazılablr (M ve Agrest., Eştlk 3 de verle p(x ve λ (z sırasıyla logt ve log-doğrusal foksyoları le modellemektedrler. Ya, ( λ = log ( z x β (4
5 Aadolu Uversty Joural of Scece ad Techology - A 3 ( Appled Sceces ad Egeerg logt( p = z α (5 bçmde modellemektedrler (Rose ve ark.,2006. Eştlk 4 ve eştlk 5 te verle β ve α sırasıyla blmeye parametre vektörlerdr. β,α parametreler tahm edlmesde ML yötem kullaılmaktadır. Posso hurdle ç log olablrlk foksyou, y > 0 = y > 0 [ ( β L = x β log + exp( x + y z α exp( z α ( α log exp( exp( z log( y! = L( β + L( α (6 { = 0 ( + + ( + cod y,l( exp( xb, l exp( xb ( exp( xb y* l exp( xb ( exp( xb l( + exp( xb α + l Γ( y + α l Γ( y + l Γ( α l( ( + exp( xb ( α Sıfır Değer Ağırlıklı Posso Regresyo 5 (8 Ver kümesde beklee fazla sayıda sıfır değerler buluması durumuda PR ve NB modeller yere, fazla sayıda sıfırlarda kayaklaa aşırı yayılımı dkkate ala ZIP model kullaılablr. Fazla sayıda sıfır değere sahp y açıklamak ç, ZIP regresyo model, } bçmde yazılmaktadır. L ( β ve L( α ayrı ayrı maksmze edlerek ML tahmler elde edlmektedr (M ve Agrest., Negatf Bom Hurdle Regresyou Negatf bomal Hurdle da, sayıma dayalı olarak elde edle bağımlı değşke sıfır ya da sıfır değerl olmama souçlarıı belrleye bomyal olasılık model le poztf souçları taımlaya sıırladırılmış sayıma dayalı model ç verle log olablrlk foksyou aşağıdak gb yazılablr (Joh ve ark., 2007, (7 Eştlk 7 te verle f(0 model bary kısmıı olasılığıı göstermektedr. P(j poztf sayımı olasılığıı göstermektedr. Logt model kullaılması durumuda, sıfır sayımı olasılığı, ve { [ f ] } L = l( f(0 + l (0 + l P(j f ( 0 = P( y = 0;x = + exp( x β f (0 se, exp( x β ( + exp( x β π +( π exp( μ y = 0 Pr( y x = y ( π exp( μ μ y! y > 0 (9 bçmde yazılablr (Rose ve ark., Eştlk 9 da, π ekstra sıfırları olma olasılığıı göstermektedr. y = 0 ola gözlemler k grupta oluşmaktadır. Bu gruplarda br, gözlemler Posso sürec göstermedğ, dğer se gözlemler, 0 exp(-μ μ 0!=exp(-μ olmasıda dolayı μ ortalamalı Posso dağılımı gösterdğ gruptur. ZIP regresyoda her k grup ç farklı bağlatı foksyou kullaılır. Logt bağlatı foksyou, potasyel yyu.edu.tr uzatılı e-posta adres kullaa kullaıcıları göstermek ç kullaılırke, log bağlatı foksyou se yyu.edu.tr e-posta adres kullaa kullaıcıları göderdkler e- posta sayıları le bağımsız değşkeler arasıdak bağlatıyı sağlamaktadır. Ya, log( μ = X β μ = exp( X β (0 bçmde yazılablr. Böylece egatf bomyal Hurdle model her k kısmı ç log olablrlk foksyou aşağıdak gb yazılablr.
6 5 π log t( π = log = Gγ π exp( G γ π = + exp( G γ ( Aadolu Üverstes Blm ve Tekoloj Dergs - A 3 ( Uygulamalı Blmler ve Mühedslk (k G γ( k exp( X β ( + e, y = 0 z = 0, y =,2,... (4 bağlatı foksyoları kullaılarak parametre tahmler elde edlmektedr [7]. Eştlk 0 ve de X ve G ortak değşke matrsler β ve γ sırasıyla, (p+x ve (q+x boyutlu blmeye parametre vektörlerdr. ZIP regresyo model ç log olablrlk foksyou, Gγ ( Xβ ( ( β Xβ Gγ ( L( y, βγ, = log e + exp e + y X e 0 y= y > 0 log e log( y! = y > 0 + (2 bçmde yazılablr (Cu ve Yag, 2009 Eştlk 2 de G ve X, G ve X matrsler c sırasıı göstermektedr. Eştlk 2 da verle log olablrlk foksyoudak üssel termler maksmze edlmes oldukça karmaşıktır. Bu edele söz kousu log olablrlk foksyou maksmze edlmes ç farklı br yol zlemektedr. Buu ç sıfır ve br değerler ala ve tesadüf olduğu varsayıla z dkatör değşke modele dahl edlr. y değer sıfır olduğuda Z = ve y Posso durumda (sıfırda büyük değerler aldığıda z = 0 olduğu varsayılır. Bu durumda, tüm verler ç log olablrlk foksyou, ( γβ = ( ( γ + ( ( β L,,y,Z log f Z log f y Z, = = = Gγ ( ZGγ log ( e X β ( ( β ( = + + Z y X e Z log( y! = = ( γ ( β ( = L ; y,z + L,y,Z Z log( y! = (3 bçmde yazılablr. ML tahmler EM algortması kullaılarak elde edlr. EM algortması kullaılarak, E-aşaması: gözlemş verler verlmşke, z tesadüf dkatör değşke, bçmde yazılablr. Eştlk 4 de verle k EM algortmasıı terasyo sayısıı göstermektedr (Cu ve Yag, M-aşaması: Tüm verler ç eştlk 4 de verle log olablrlk foksyouu maksmze edlmesyle γ parametres, (k (k (k ( γ = y = 0 γ y = 0 ( + Gγ (k Gγ y = ( ( + 0 Z log e L ;y,z Z G Z log e (5 bçmde tahm edleblr. Yukarıda verle E ve M aşamaları yakısama ölçütü (0-6 elde edlceye kadar devam edlr (Yeşlova ve ark., 200; Rose ve ark., Sıfır Değer Ağırlıklı Negatf Bomyal Regresyo Sıfır değer ağırlıklı egatf bomyal regresyo (Zero-flated egatve bomyal regresso=zinb Sıfır değerler çok fazla olduğu y bağımlı değşke modellemesde kullaıla alteratf regresyo yötemdr. ZINB regresyo model, α π + ( π ( + αμ, y = 0 y y Pr( y x = Γ ( y + α α μ ( π, y y > 0 + α y! Γ ( α ( + αμ (6 bçmde yazılablr (Jasakul ve Hde, Eştlk 6 da, π ve μ parametreler kovaretlere bağımlı ve ( α 0 yayılım parametresdr. ZINB modelde α ve π sıfıra eşt olması durumuda ZINB dağılımı posso dağılımıa döüşmektedr (Mwall ve ark., ZINB log olablrlk foksyou,
7 Aadolu Uversty Joural of Scece ad Techology - A 3 ( Appled Sceces ad Egeerg 5 L( μ,α,π ;y= I log ( π +αμ y =0 ( α +π + Γ y + (αμ I log π α y y >0 ( y!γ ( +αμ α y + α = I log ( π +αμ y =0 ( α +π + I y log π >0 ( α log ( +αμ y log + αμ + log Γ y + k log Γ log y α! bçmde yazılablr. Eştlk 7 de, I(. br dkatör foksyoudur Model Seçm (7 tesadüf Akak blg ölçütü (AIC model uyumu ç kullaıla uyum ölçütüdür (M ve Agrest, AIC blg ölçütü; AIC = 2log L + 2r (8 bçmde hesaplamaktadır. AIC blg ölçütü modeller karşılaştırılmasıda kullaılablrler. E küçük blg ölçütüe sahp e uygu model olarak kabul edlr (Hall, Vuog İstatstğ Voug statstğ modeller brbrler le karşılaştırmak ç kullaılır (Vuog, 989. Vuog statstğ, V = m S m (9 bçmde hesaplaır (Vuog, 989. Burada Pˆ( Y X m =, P S geellkle Posso ˆ PS ( Y X veya NB dağılımlarda br ve P se sıfır değer ağırlıklı Posso veya hurdle dağılımlarıda br olmaktadır. m statstğ; m ortalamalı ve Sm stadart sapmalıdır. V asmtotk olarak ormal dağılımlıdır. Eğer V>.96 se sıfır değer ağırlıklı model uygu olmaktadır. V<=.96 se NB veya Posso regresyo yötemler daha uygu olmaktadır. 3. BULGULAR 3. Aşırı ve Sıfır Yayılımlarıı Belrlemes YYÜ e-posta suucusu üzerde herhag br e-posta adres olmaya persoel e-posta göderemeyeceğde dolayı göderle toplam e-posta değşke doğruda sıfır olacaktır. Bu sıfırlar sstematk sıfırlar (true zeros, samples zeros, systematc zeros olarak taımlamaktadır. Dğer tarafta YYÜ e-posta suucusu üzerde br e-posta hesabı olup da ele alıa süre çde e-posta gödermeyeler ç alıa toplam değşke yapısal veya şasa bağlı sıfırları (false zeros, structural zeros, radom zeros kabul edlmektedr. Sıfır kayaklarıı persoel tpe ve csyete göre dağılımı Çzelge 2. te verlmştr. YYÜ e-posta suucusu üzerde e-posta hesabı olmaya 22 akademk persoel ve 496 dar olmak üzere toplam 77 persoel bulumaktadır. Dolayısıyla bağımlı değşke 77/63=0.66 (%6.6 sı sstematk sıfırlarda, 202/63 =0.73 (%7.3 sı se şasa bağlı sıfırlarda kayaklamıştır. Böylece ver kümesdek sıfırları oraı =0.789 olarak elde edlmştr. Ver kümesdek sıfır yayılımıı olup olmadığı, ZI(Zero Iflato=Sıfır Yayılım=+log(p o /µ =+log(0.789/2.033=0.98 şeklde hesaplamıştır. ZI>0 olduğuda ver kümesde sıfır yayılımıı olduğuu göstermştr. p0 bağımlı değşkedek sıfır oraıı, μ se bağımlı değşke ortalamasıı göstermektedr. Göderle e-posta sayılarıı (bağımlı değşke ortalaması ve varyası olarak elde edlmştr. Varyası ortalamada çok büyük olması ver kümesde aşırı yayılım olduğuu göstermştr. Posso modele göre ortalaması ola değşke ç beklee sıfır sayısı, E( Frk( Y = Frk( Y*exp( Y = e λ = 63*exp( olarak elde beklelmektedr. Göderle e-posta sayıları dağılımı Şekl de verlmştr.
8 5 Aadolu Üverstes Blm ve Tekoloj Dergs - A 3 ( Uygulamalı Blmler ve Mühedslk Çzelge 2. Elde edle sstematk ve şasa bağlı sıfırları persoele tpe göre dağılımı. Sıfır Kayağı Akademk Persoel İdar Persoel Sstematk Şasa bağlı sıfırları Sstematk Şasa bağlı Csyet sıfırları sayısı sayısı sıfırları sayısı sıfırları sayısı Bay Baya Toplam Şekl. Göderle e-posta sayıları dağılımı. Şekl celedğde ver kümesdek sıfır değerler yoğuluğuda dolayı bağımlı değşke dağılımı sola doğru çarpıklık göstermştr. ZIP, ZINB, PH ve NBH modellere at Akak blg ölçütler değerler Çzelge 3 te verlmştr. Hag model ver kümes e y açıkladığı AIC blg ölçütüe göre karar verleblr. Çzelge 3 te verle AIC değerlere göre ver kümes e y açıklaya model ZINB model olmuştur. E küçük AIC değere sahp model e uygu model olarak kabul edlmektedr. Kullaıla modeller ver kümes açıklama yüzdeler Çzelge 4 de verlmştr. Çzelge 3. AIC değerler ZIP ZINB PH NBH
9 Aadolu Uversty Joural of Scece ad Techology - A 3 ( Appled Sceces ad Egeerg 5 Çzelge 4. Modeller ver kümes açıklama yüzdeler. AIC Δ = AIC AIC m w = exp[ Δ ] 2 exp[ Δ ] 2 m = ZIP ZINB PH NBH Çzelge 4 e göre ver kümes e y açıklaya ZINB modeldr. Dğer modellere göre ZIB model %55.27, NBH %44.73, ZIP %0 ve PH %0 uygu modeller olarak fade edlmektedr. Vuog, k model brbrler le karşılaştırarak hag model ver set y açıkladığıı belrte br testtr. ZIP, ZINB, PH ve NBH regresyoları kl olarak karşılaştırmalar soucu elde edle Vuog statstkler Çzelge 5 te verlmştr. Çzelge 5 te.sütu Model,.satır Model2 y göstermektedr. Çzelge 5. Vuog İstatstkler Model 2 ZIP ZINB PH NBH Model ZIP V= P= 6.3e-8 Model2>Model V= 0.69 P= 0.24 Model>Model2 V= P= 6.34e-8 Model2>Model ZINB V= 8.55 P=0.00 Model>Model2 V= 0.88 P= 0.89 Model>Model2 PH V= P= 6.34e-8 Model2>Model
10 Aadolu Üverstes Blm ve Tekoloj Dergs - A 3 ( Uygulamalı Blmler ve Mühedslk Vuog statstklere bakıldığıda e y model ZINB model olduğu saptamıştır. ZIP ve ZINB modeller karşılaştırıldığıda ZINB model ZIP modelde daha uygu (-8.55, p<0.00 olduğu, ZINB ve PH modeller karşılaştırıldığıda ZINB model PH modelde daha uygu (8.55, p<0.00 olduğu ve ZINB model le NBH modeller karşılaştırıldığıda ZINB model NBH modelde daha uygu (V= 0.88, p>0. olduğu saptamıştır. Vuog statstklere göre ZINB, regresyo yötemler çde e y souçları vermştr. ZINB regresyo modele at parametre tahmler ve stadart hatalar Çzelge 6 da verlmştr. Çzelge 6. ZINB regresyoua at parametre tahmler Negatf Bomyal Kısmı (Log Değşke Parametre Tahmler Stadart Hata ˆ t değer p > t e β Itercept ** Persoel_Tp Brm_Kod Uva_Kod Csyet Mede_Hal Yas Posta_Adet Posta_YYU e-05 *** Sohbet_Prog e-05 *** Blmsel_Top e-06 *** Ortalama_It e-08 *** WebSte e-06 *** Iteret_Bag Dzustu_Bl Logt Kısmı Değşkeler Parametre Tahmler Stadart Hata ˆ t değer p > t e β Itercept e-06 ***
11 Aadolu Uversty Joural of Scece ad Techology - A 3 ( Appled Sceces ad Egeerg Çzelge 6. (Devamı ZINB regresyoua at parametre tahmler Persoel_Tp e-09 *** Brm_Kod * Uva_Kod ** Csyet Mede_Hal Yas Posta_Adet e-09 *** Posta_YYU e-05 *** Sohbet_Prog * Blmsel_Top < 2e-6 *** Ortalama_It e-5 *** WebSte Iteret_Bag Dzustu_Bl ***p<0.00, **p<0.05, *p<0. ZINB modelde parametre tahm yorumlaırke logt ve log kısımlarıı ayrı değerledrmek gerekr. Logt kısmı ç ZINB regresyou souçları, π = exp( Persoel_Tp+0.03Brm_Kod+0.35Uva_Kod-0.02Csyet π Mede_Hal+0.0Yas-0.67Posta_Adet -.09Posta_YYU+0.46Sohbet_Prog -2.74Blmsel_Top-0.35Ortalama_It+0.03WebSte-0.4Iteret_Bag+0.50Dzustu_Bl olarak elde edlmştr. e-posta göderme olasılığı üzerde Brm_Kod, Uva_Kod, Sohbet_Prog değşkeler poztf yöde, Persoel_Tp, Posta_Adet, Posta_YYU ve Blmsel_Top değşkeler egatf yöde statstksel olarak öeml br etk gösterdkler saptamıştır (p<0.05. İdar persoel akademk 2.78 persoele göre (e ~0.06 %94 daha az e- posta göderme eğlmde oldukları saptamıştır. Brmler arası farklılık e-posta 0.03 göderme olasılığıı ( e ~.032 %3 değştrmştr. Persoel akademk üva olarak yükselmes e-posta gödermey 0.35 ( e ~.49 %42 artırmıştır. Kşler e- posta adres sayısıdak br adet artış e-posta 0.67 gödermey (e ~0.5 %49 oraıda azaltmıştır. E çok yyu.edu.tr uzatılı e-posta adres kullaa persoel kullamayalara.094 göre e-posta gödermey ( e ~ %67 azaltmıştır. Br sohbet programıı kullaa persoel kullamayalara göre e-posta göderme olasılığıı ( e ~.588 %59 artırmıştır. yyu.edu.tr uzatılı e-posta adres le br blmsel toplatıya katıla persoel katılmayalara göre e-posta gödermey 2.73 ( e ~ %93 azaltmıştır. Gülük ortalama teret kullaımı artıkça e-posta göderme olasılığıı(e ~.03 %3 azaldığı 0.43 saptamıştır. ZINB regresyou NB kısmı ç elde edle regresyo deklem,
12 2 Aadolu Üverstes Blm ve Tekoloj Dergs - A 3 ( Uygulamalı Blmler ve Mühedslk μ = exp( persoel_tp-0.02brm_kod+0.02uva_kod+0.02csyet 0.05Mede_Hal+0.0Yas+0.03Posta_Adet +0.54Posta_YYU+0.49Sohbet_Prog Blmsel_Top+0.2 Ortalama_It+0.56WebSte+0.2Iteret_Bag-0.3Dzustu_Bl olarak elde edlmştr. Parametre tahmlere bakıldığıda, göderle e-posta sayısı üzerde Posta_YYU, Sohbet_Prog, Blmsel_Top, Ortalama_It, Webste değşkeler statstksel olarak öeml bulumuştur (p<0.00. E-posta gödermek ç e çok yyu.edu.tr uzatılı e- posta adres kullaa persoel kullamayalara göre göderle ortalama e-posta sayısıı( e ~.79 %72 artırmışlar. Herhag br sohbet programıı kullaa persoel kullamayalara göre göderle ortalama e posta sayısıı (e ~.63 %63 arttırdıkları saptamıştır. yyu.edu.tr uzatılı e-posta le br blmsel toplatıya katıla persoel katılmayalara göre ortalama e-posta sayısıı ( e ~.932 %93 artırdıkları ve Web stes ola persoel olmayalara göre ortalama e posta sayısıı (e ~.75 %75 artırdıkları saptamıştır. 4. SONUÇ Sayıma dayalı olarak elde edle verlere Posso regresyou uygulaablrlğ ver kümes ortalama le varyaslarıı brbre eşt olmasıa bağlıdır. Göderle e-posta sayılarıı (bağımlı değşke ortalaması ve varyası olarak elde edlmştr. Varyası ortalamada çok büyük olması ver kümesde aşırı yayılım olduğuu göstermştr. Ver kümesde bekleede fazla sıfır değerler olması durumuda sıfır yayılımı meydaa gelr. toplam değşke %78.9 u sıfır değerlerde oluştuğuda ver kümesde sıfır yayılımı da söz kousudur. Ver kümelerde sıfır yayılımı durumuda Posso Hurdle, NB Hurdle, ZIP ve ZINB gb modeller yaygı olarak kullaılmaktadır. Ver kümes e y açıklaya model ZINB model olmuştur. ZINB hem aşırı hem de sıfır yayımlıı dkkate aldığıda e uygu model olarak gözlemştr. ZINB model e uygu model olduğu AIC blg krter ( ve Voug statstkler de desteklemştr. ZINB e y model parametre tahmlere göre göderle e-posta sayısı üzerde Posta_YYU, Sohbet_Prog, Blmsel_Top, Ortalama_It, Webste değşkeler statstksel olarak öeml bulumuştur (p<0.00. E-posta göderme olasılığı üzerde se Brm_Kod, Uva_Kod, Sohbet_Prog, Persoel_Tp, Posta_Adet, Posta_YYU ve Blmsel_Top değşkeler statstksel olarak öeml br etk gösterdkler saptamıştır (p<0.05. KAYNAKLAR Camero, A.C. ad Trved, P.K. (998. Regresso Aalyss of Cout Data. New York: Cambrdge Uversty Pres. Cu, Y. ad Yag, W. (2009. Zero-flated geeralzed Posso regresso mxture model for mappg quattatve trat loc uderlyg cout trat wth may zeros. Joural of Theoretcal Bology 256, Domque, L., Smo, P.W. ad Joh, N.I. (2005. Posso, Posso-gamma ad zero-flated regresso models of motor vehcle crashes: balacg statstcal ft ad theory. Accdet Aalyss ad Preveto 37, Gerdtham, U.G. (997. Equty I Health Care Utlzato: Further Tests Based o Hurdle Models Ad Swedsh Mcro Data. Health Ecoomcs 6, Feerer, I., Hork, K. ad Meyer, D. (2008. Text Mg Ifrastructure R. Joural of Statstcal Software 25(5, 2-8. Hall, D.B. (2000. Zero-flated Posso ad egatve bomal regresso wth radom effects: A case study. Bometrcs 56,
13 Aadolu Uversty Joural of Scece ad Techology - A 3 ( Appled Sceces ad Egeerg 63 Jasakul, N. (2005. Fttg A Zero-Iflated Negatve Bomal Model va R. 20th Iteratoal Workshop o Statstcal Modellg. Sydey, Australa Jasakul, N. ad Hde, J.P. (2009. Score Tests for Extra-Zero Models Zero-Iflated Negatve Bomal Models. Commucatos Statstcs - Smulato ad Computato 38(, Joh, M.W., Hug, M.L., Robert, H.L. ad Alle, W.H. (2007. Power Calculatos for ZIP ad ZINB Models. Joural of Data Scece 5, Kare, C.H.Y. ad Kelv, K.W.Y. (2005. O modelg clam frequecy data geeral surace wth extra zeros. Mathematcs ad Ecoomcs 36, Khoshgoftaar, T.M., Gao, K. ad Szabo, R.M. (2005. Comparg Software Fault Predctos of Pure ad Zero- flated Posso Regresso Models. Iteratoal Joural of Systems Scece 36(, Mart, S.W., Rose, C.E, Waemuehler, K.A. ad Plkayts, B.D. (2006. O the of Zero-flated ad Hurdle Models for Medellg Vacce Adverse evet Cout Data. Joural of Bopharmaceutcal Statstcs 6, M, Y. ad Agrest, A. (2005. Radom effect models for repeated measures of zeroflated cout data. Statstcal Modellg 5, 9. Mwall, S.,M., Lesaffre, E. ad Declerck, D. (2008. The zero-flated egatve bomal regresso model wth correcto for msclassfcato: A example cares research. Statstcal Methods Medcal Research 7, Rose, C.E., Mart, S.W., Waemuehler, K.A. ad Plkayts, B.D. (2006. O the Use of Zero-Iflated ad Hurdle Models for Modelg Vacce Adverse Evet Cout Data. Joural of Bopharmaceutcal Statstcs 6, T, A. (2008. Modelg zero-flated cout data wth uderdsperso ad overdsperso. SAS Global Forum. Paper 372. Vuog, Q.H. (989. Lkelhood rato tests for model selecto ad o-ested hypotheses. Ecoometrca 57, Wag, K., Kelv, K.W.Y. ad Ady, H.L. (2002. A zero-flated Posso mxed model to aalyze dagoss related groups wth majorty of same-day hosptal stays. Computer Methods ad Programs Bomedce 68, Yeşlova, A., Kak, B. ad Kasap, İ. (2007. Sıfır Değer Ağırlıklı Sayıma Dayalı Olarak Elde edle Bağımlı Değşke Modellemesde Kullaıla Regresyo Yötemler. İstatstk Araştırma Dergs 5(, 9. Yeşlova, A., Kaya, Y., Kak, B. ad Kasap, İ. (200. Aalyss of plat protecto studes wth excess zeros usg zeroflated ad egatve bomal hurdle models. GU Joural of Scece 23(2, Yeşlova, A, Kayda, M.B. ad Kaya, Y. (200. Modelg sect-egg data wth excess zeros usg zero-flated regresso models. Hacettepe Joural of Mathematcs ad Statstcs 39(2, Rdout, M., Hde, J. ad Demetro, C.G.B. (200. A Score Test for a Zero-Iflated Posso Regresso Model Agast Zero- Iflated Negatve Bomal Alteratves. Bometrcs 57,
14 52 Aadolu Üverstes Blm ve Tekoloj Dergs - A 3 ( Uygulamalı Blmler ve Mühedslk
Lojistik Regresyonda Meydana Gelen Aşırı Yayılımın İncelenmesi
Yüzücü Yıl Üverstes, Zraat Fakültes, Tarım Blmler Dergs (J. Agrc. Sc.), 008, 18(1): 1-5 Araştırma Makales/Artcle Gelş Tarh: 10.06.007 Kabul Tarh: 7.1.007 Lojstk Regresyoda Meydaa Gele Aşırı Yayılımı İcelemes
Detaylıİki veri setinin yapısının karşılaştırılması
İk ver set yapısıı karşılaştırılması Dağılım: 6,6,6 Ortalama: 6 Medya: 6 Mod: 6 td. apma: 0 Dağılım: 0,6,1 Ortalama: 6 Medya: 6 Mod: çoklu mod td: apma: 6 Amaç: Görüe Ötese Bakablmek Verler değşkelk durumuu
DetaylıYER ÖLÇÜLERİ. Yer ölçüleri, verilerin merkezini veya yığılma noktasını belirleyen istatistiklerdir.
YER ÖLÇÜLERİ Yer ölçüler, verler merkez veya yığılma oktasıı belrleye statstklerdr. Grafkler bze verler yığılma oktaları hakkıda ö blg vermede yardımcı olurlar. Acak bu değerler gerçek değerler değldr,
DetaylıBEKLENEN 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
DetaylıRegresyon ve Korelasyon Analizi. Regresyon Analizi
Regresyo ve Korelasyo Aalz Regresyo Aalz Regresyo Aalz Regresyo aalz, aralarıda sebep-souç lşks bulua k veya daha fazla değşke arasıdak lşky belrlemek ve bu lşky kullaarak o kou le lgl tahmler (estmato)
DetaylıTahmin 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
DetaylıZaman 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
DetaylıÖRNEKLEME YÖNTEMLERİ ve ÖRNEKLEM GENİŞLİĞİ
03.05.013 ÖRNEKLEME YÖNTEMLERİ ve ÖRNEKLEM GENİŞLİĞİ 1 Nede Örekleme? Öreklemde çalışmak ktlede çalışmakta daha kolaydır. Ktle üzerde çalışmak çok daha masraflı olablr. Çoğu durumda tüm ktleye ulaşmak
DetaylıGamma ve Weibull Dağılımları Arasında Kullback-Leibler Uzaklığına Dayalı Ayrım
Afyo Kocatepe Üverstes Fe ve Mühedslk Blmler Dergs Afyo Kocatepe Uversty Joural of Scece ad Egeerg AKÜ FEMÜBİD 7 (27) 234 (5-55) AKU J. Sc.Eg.7 (27) 234 (5-55) DOI:.5578/fmbd.6774 Gamma ve Webull Dağılımları
DetaylıOlabilirlik 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
DetaylıÖLÇÜM, 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
DetaylıMERKEZİ 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
DetaylıTanımlayıcı İstatistikler
Taımlayıcı İstatstkler Taımlayıcı İstatstkler br değerler dzs statstksel olarak geel özellkler taımlaya ölçülerdr Taımlayıcı İstatstkler Yer Göstere Ölçüler Yaygılık Ölçüler Yer Göstere Ölçüler Br dağılımı
DetaylıGiriş. Değişkenlik Ölçüleri İSTATİSTİK I. Ders 5 Değişkenlik ve Asimetri Ölçüleri. Değişkenlik. X i ve Y i aşağıdaki gibi iki seri verilmiş olsun:
Grş İSTATİSTİK I Ders Değşkelk ve Asmetr Ölçüler Ortalamalar, serler karşılaştırılmasıda her zama yeterl ölçüler değldr. Ayı ortalamayı sahp serler arklı dağılım göstereblrler. Bu edele serler karşılaştırılmasıda,
DetaylıDeğişkenler 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
DetaylıTanımlayıcı 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= 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)
DetaylıWEİBULL 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
DetaylıARAŞTIRMA 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
Detaylıdenklemini sağlayan tüm x kompleks sayılarını bulunuz. denklemini x = 64 = 2 i şeklinde yazabiliriz. Bu son kompleks sayıları için x = 2iy
Ders Sorumlusu: Doç. Dr. Necp ŞİMŞEK Problem. deklem sağlaya tüm kompleks sayılarıı buluu. Çöüm deklem şeklde yaablr. Bu so y kompleks sayıları ç y yaalım. Bu taktrde deklemde, baı y ( ) y elde edlr. Burada
DetaylıREGRESYON 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,
DetaylıBir 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
DetaylıETKİN 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
DetaylıSayısal 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
DetaylıQuality Planning and Control
Qualty Plag ad Cotrol END 3618 KALİTE PLANLAMA VE KONTROL Prof. Dr. Mehmet ÇAKMAKÇI Dokuz Eylül Üverstes Edüstr Mühedslğ Aablm Dalı 1 Qualty Maagemet İstatstksel Proses Kotrol Kotrol Kartları 2 END 3618
DetaylıPolinom 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=... 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
DetaylıTÜRKİYE 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
DetaylıParametrik 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
DetaylıEMEKLİLİK 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
DetaylıĐÇI 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
DetaylıTanımlayıcı 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
DetaylıTALEP 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
DetaylıPOISSON 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,
Detaylı4/16/2013. Ders 9: Kitle Ortalaması ve Varyansı için Tahmin
4/16/013 Ders 9: Kitle Ortalaması ve Varyası içi Tahmi Kitle ve Öreklem Öreklem Dağılımı Nokta Tahmii Tahmi Edicileri Özellikleri Kitle ortalaması içi Aralık Tahmii Kitle Stadart Sapması içi Aralık Tahmii
DetaylıSıfır Ağırlıklı Sayma ile Elde Edilen Veriler İçin Çok Seviyeli ZIP Regresyon * Multilevel ZIP Regression for Zero-Inflated Count Data
Yüzüncü Yıl Ünverstes Fen Blmler Ensttüsü Dergs/ Journal of The Insttute of Natural & Appled Scences 18 (1-):01-08, 013 Araştırma Makales/Research Artcle Sıfır Ağırlıklı Sayma le Elde Edlen Verler İçn
DetaylıPORTFÖY 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
DetaylıİSTATİSTİKSEL 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
DetaylıYÖNEYLEM ARAŞTIRMASI III. Dinamik Programlama. Örnek 3: Tıbbi Müdahale Ekiplerinin Ülkelere Dağıtımı
YÖNEYLEM ARAŞTIRMASI III Hafta Determstk Damk Programlama (devam) Damk Programlama Geçe derste küçük ölçekl problemler damk programlamayla yelemel olarak asıl çözüldüğüü gördük. Bu derste, öreklere devam
DetaylıBİR KARMAŞIK SİSTEMİN GÜVENİLİRLİK BLOK DİYAGRAMI İÇİN OLASILIK YOĞUNLUK FONKSİYONUNUN OLUŞTURULMASI VE İSTATİSTİKSEL GÜVENİLİRLİK HESAPLAMALARI*
BİR KARMAŞIK SİSTEMİN GÜVENİLİRLİK BLOK DİYAGRAMI İÇİN OLILIK YOĞUNLUK FONKSİYONUNUN OLUŞTURULMI VE İSTATİSTİKSEL GÜVENİLİRLİK HESAPLAMALARI* Costructo O Probablty Desty Fucto For The Relablty Block Dagram
DetaylıSELÇUK 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
DetaylıDoç. 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
DetaylıOperasyonel 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
DetaylıTanımlayıcı 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
DetaylıTABAKALI 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
DetaylıDEÜ 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*,
DetaylıDOGRUSAL REGRESYONDA SAGLAM TAHMiN EDiciLER VE BiR UYGULAMA Meral Candan ÇETiN1, Aynur ORSOY1
ANADOLU ÜNvERSTES BlM VE TEKNOLOJ DERGS ANADOLU UNIVERSITY JOURNAL OF SCIENCE AND TECHNOLOGY CltNol.:2 - Sayı/No: 2 : 265-270 (2001) ARAŞTIRMA MAKALESIRESEARCH ARTICLE DOGRUSAL REGRESYONDA SAGLAM TAHMN
DetaylıÇok 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
DetaylıTOBB 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
DetaylıServis Yönlendirmeli Sistemlerde Güven Yayılımı
Servs Yöledrmel Sstemlerde Güve Yayılımı Mahr Kutay, S Zafer Dcle, M Ufuk Çağlaya Dokuz Eylül Üverstes, Elektrk-Elektrok Mühedslğ Bölümü, İzmr Boğazç Üverstes Blgsayar Mühedslğ Bölümü, İstabul Dokuz Eylül
Detaylı1. GAZLARIN DAVRANI I
. GZLRIN DRNI I İdeal Gazlar ç: lm 0 RT İdeal gazlar ç: RT Hacm() basıçla() değşk sıcaklıklarda değşm ekl.. de gösterlmştr. T >T 8 T T T 3 asıç T 4 T T 5 T 7 T 8 Molar Hacm ekl.. Gerçek br gazı değşk sıcaklıklardak
DetaylıPamukkale 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
DetaylıĐst201 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
DetaylıDEÜ 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
DetaylıTEZ ONAYI Nur ÇELİK tarafıda hazırlaa ANOVA Modellerde Çarpık Dağılımlar Kullaılarak Dayaıklı İstatstksel Souç Çıkarımı ve Uygulamaları adlı tez çalış
ANKARA ÜNİVERSİTESİ EN BİLİERİ ENSTİTÜSÜ DOKTORA TEZİ ANOVA MODELLERİNDE ÇARPIK DAĞILIAR KULLANILARAK DAYANIKLI İSTATİSTİKSEL SONUÇ ÇIKARIMI VE UYGULAMALARI Nur ÇELİK İSTATİSTİK ANABİLİM DALI ANKARA 0
Detaylıİstatistik 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
DetaylıT.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
DetaylıÖRNEKLEME 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
Detaylıİşlenmemiş veri: Sayılabilen yada ölçülebilen niceliklerin gözlemler sonucu elde edildiği hali ile derlendiği bilgiler.
OLASILIK VE İSTATİSTİK DERSLERİ ÖZET NOTLARI İstatistik: verileri toplaması, aalizi, suulması ve yorumlaması ile ilgili ilkeleri ve yötemleri içere ve bu işlemleri souçlarıı probabilite ilkelerie göre
DetaylıGenelleştirilmiş 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
DetaylıRAYLEIGH DAĞILIMININ ARDIŞIK OLASILIK ORAN TESTİ SEQUENTIAL PROBABILITY RATIO TEST OF RAYLEIGH DISTRIBUTION
Eskşehr Osmagaz Üverstes Müh.Mm.Fak.Dergs C.XX, S., 7 Eg&Arch.Fac. Eskşehr Osmagaz Uversty, Vol..XX, No:, 7 Makale Gelş Tarh :.3.6 Makale Kabul Tarh : 3..6 RAYLEIGH DAĞILIMININ ARDIŞIK OLASILIK ORAN TESTİ
DetaylıKuruluş Yeri Seçiminde Bulanık TOPSIS Yöntemi ve Bankacılık Sektöründe Bir Uygulama
KMÜ Sosyal ve Ekoomk Araştırmalar Dergs (8): 37-45, 00 ISSN: 309-93, wwwkmuedutr Kuruluş Yer Seçmde Bulaık TOPSIS Yötem ve Bakacılık Sektörüde Br Uygulama Nha Tırmıkçıoğlu Çıar Yıldız Tekk Üverstes, Kmya-Metalür
DetaylıMühendislikte Olasılık, İstatistik, Risk ve Güvenilirlik Altay Gündüz. Mühendisler için İstatistik Prof. Dr. Mehmetçik Bayazıt, Prof. Dr.
İSTATİSTİK DERSİ (BAÜ Müh-Mm Fakültes Dr. Bau Yağcı KAYNAKLAR Mühedslkte Olasılık, İstatstk, Rsk ve Güvelrlk Altay Güdüz Blgsayar (Ecel Destekl Uygulamalı İstatstk Pro. Dr. Mustaa Akkurt Mühedsler ç İstatstk
DetaylıYILLIK 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
DetaylıHĐPERSTATĐK SĐSTEMLER
HĐPERSTATĐK SĐSTELER Taım: Bütü kest zorları, şekldeğştrmeler ve yerdeğştrmeler belrlemes ç dege deklemler yeterl olmadığı sstemlere hperstatk sstemler der. Hperstatk sstemler hesabı ç, a) Dege deklemlere,
DetaylıUYUM ĐYĐLĐĞĐ TESTĐ. 2 -n olup. nin dağılımı χ dir ve sd = (k-1-p) dir. Burada k = sınıf sayısı, p = tahmin edilen parametre sayısıdır.
UYUM ĐYĐLĐĞĐ TESTĐ Posson: H o: Ver Posson dağılıma sahp br ktleden gelmektedr. H a : Ver Posson dağılıma sahp br ktleden gelmemektedr. Böyle br hpotez test edeblmek çn, önce Posson dağılım parametres
Detaylıα kararlı dağılım, VaR, Koşullu VaR,, Finansal α KARARLI DAĞILIMLARLA FİNANSAL RİSK
Marmara Üverstes İ.İ.B.F. Dergs YIL 00 CİLT XXVIII SAYI I S. 549-57 Özet KARARLI DAĞILIMLARLA FİNANSAL RİSK ÖLÇÜMÜ Ömer ÖNALAN * Bu çalışmada fasal kayıları kalı kuyruklu kararlı dağılım zledğ varsayımı
DetaylıYrd. Doç. Dr. İhsa KARABULUT u daışmalığıda, Begül ARKANT tarafıda hazırlaa bu çalışma 3/07/008 tarhde aşağıdak jür tarafıda oy brlğ le Akara Üverstes
ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ BAĞIMLI GÖZLEMLERLE BOOTSTRAP YÖNTEMİ Begül ARKANT İSTATİSTİK ANABİLİM DALI ANKARA 008 Her hakkı saklıdır Yrd. Doç. Dr. İhsa KARABULUT u daışmalığıda,
DetaylıTanımlayıcı İstatistikler
TANIMLAYICI İSTATİSTİKLER MERKEZİ EĞİLİM ÖLÇÜLERİ Dr. Mehmet AKSARAYLI D.E.Ü. İ.İ.B.F. EKONOMETRİ BÖLÜMÜ mehmet.aksarayl@deu.edu.tr Taımlayıcı İstatstkler Yer Ölçüler (Merkez Eğlm Ölçüler) Duyarlı Ortalamalar
Detaylı6. Uygulama. dx < olduğunda ( )
. Uygulama Hatırlatma: Rasgele Değşelerde Belee Değer Kavramı br rasgele değşe ve g : R R br osyo olma üzere, ) esl ve g ) ) < olduğuda D ) sürel ve g ) ) d < olduğuda g belee değer der. c R ve br doğal
DetaylıBağıl 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
DetaylıTarihli Mühendislik ekonomisi final sınavı. Sınav süresince görevlilere soru sormayın. Başarılar dilerim.
6..27 Tarhl Mühedslk ekooms fal sıavı Süre 9 dakka Sıav Saat: Sıav süresce görevllere soru sormayı. Başarılar dlerm. D: SOYD: ÖĞRENCİ NO: İMZ: Tek ödemel akümüle değer faktörü Tek ödemel gücel değer faktörü
Detaylı5.1 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
DetaylıÜRETİM PLANLAMASINDA HEDEF PROGRAMLAMA VE BULANIK HEDEF PROGRAMLAMA YÖNTEMLERİNİN KARŞILAŞTIRILMASI
Öer.C.9.S.. Temmuz 00.-. ÜRETİM PLANLAMASINDA HEDEF PROGRAMLAMA VE BULANIK HEDEF PROGRAMLAMA YÖNTEMLERİNİN KARŞILAŞTIRILMASI Semra ERPOLAT Mmar Sa Güzel Saatlar Üverstes Fe Edebyat Fakültes, İstatstk Bölümü,
DetaylıRasgele 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,
DetaylıOrkun 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
DetaylıCHAID Algoritması ile Balık Eti Tüketimini Etkileyen Faktörlerin İncelenmesi
Gazosmapaşa Üverstes Zraat Fakültes Dergs Joural of AgrculturalFaculty of GazosmapasaUversty http://zraatderg.gop.edu.tr/ Araştırma Makales/ResearchArtcle JAFAG ISSN: 1300-910 E-ISSN: 147-8848 (018) 35
DetaylıAES 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
DetaylıHasar 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
DetaylıİSTATİSTİK 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
DetaylıBiyoistatistik (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.
DetaylıTahmin Edici Elde Etme Yöntemleri
6. Ders Tahmi Edici Elde Etme Yötemleri Öceki derslerde ve ödevlerde U(0; ) ; = (0; ) da¼g l m da, da¼g l m üst s r ola parametresi içi tahmi edici olarak : s ra istatisti¼gi ve öreklem ortalamas heme
DetaylıDEĞİŞİM ÖLÇÜLERİ 4. TAŞINMAZ GELİŞTİRME TEZSİZ YÜKSEK LİSANS PROGRAMI. Ünite: 4 DEĞİŞİM ÖLÇÜLERİ. Doç. Dr. Yüksel TERZİ İÇİNDEKİLER İÇİNDEKİLER
TAŞINMAZ GELİŞTİRME Üte: DEĞİŞİM ÖLÇÜLERİ Doç. Dr. üksel TERZİ TAŞINMAZ GELİŞTİRME TEZSİZ ÜKSEK LİSANS PROGRAMI İÇİNDEKİLER.1. GİRİŞ.. DEĞİŞİM ÖLÇÜLERİ..1. Değşm Geşlğ... Kartller Arası fark... Ortalama
Detaylıİstatistik 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
DetaylıT.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
DetaylıX = 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
DetaylıISF404 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,
DetaylıYüksek Mertebeden Sistemler İçin Ayrıştırma Temelli Bir Kontrol Yöntemi
Yüksek Mertebede Sstemler İç Ayrıştırma Temell Br Kotrol Yötem Osma Çakıroğlu, Müjde Güzelkaya, İbrahm Eks 3 Kotrol ve Otomasyo Mühedslğ Bölümü Elektrk Elektrok Fakültes İstabul Tekk Üverstes,34369, Maslak,
DetaylıÇOKLU REGRESYON MODELİ, ANOVA TABLOSU, MATRİSLERLE REGRESYON ÇÖZÜMLEMESİ,REGRES-YON KATSAYILARININ YORUMU
6.07.0 ÇOKLU REGRESON MODELİ, ANOVA TABLOSU, MATRİSLERLE REGRESON ÇÖZÜMLEMESİ,REGRES-ON KATSAILARININ ORUMU ÇOKLU REGRESON MODELİ Ekonom ve şletmeclk alanlarında herhang br bağımlı değşken tek br bağımsız
DetaylıNİÇİN 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
Detaylıˆp x p p(1 p)/n. Ancak anakütle oranı p bilinmediğinden bu ilişki doğrudan kullanılamaz.
YTÜ-İktisat İstatistik II Aralık Tahmii II 1 ANAKÜTLE ORANININ (p GÜVEN ARALIKLARI (BÜYÜK ÖRNEKLEMLERDE Her birii başarı olasılığı p ola birbiride bağımsız Beroulli deemeside öreklemdeki başarı oraıı ˆp
DetaylıALTERNATİF 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
DetaylıALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI
ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI Bezetimi e öemli faydalarıda birisi, uygulamaya koymada öce alteratifleri karşılaştırmaı mümkü olmasıdır. Alteratifler; Fabrika yerleşim tasarımları Alteratif üretim
DetaylıAçık Artırma Teorisi Üzerine Bir Çalışma
Kocael Üerstes Sosyal Blmler Esttüsü Dergs (4) 27 / 2 : 5-77 Açık Artırma Teors Üzere Br Çalışma Şeket Alper Koç Özet: Bu çalışmada haleler üzere teork r araştırma yapılacaktır. Belrl arsayımlar altıda
DetaylıRANKI 2 OLAN SERBEST LIE CEBİRLERİNİN OTOMORFİZM GRUPLARININ SUNUMLARI 1 Reports Of Free Groups Otomorfizm Rank 2 Lie Algebras
RANKI OLAN SERBEST LIE CEBİRLERİNİN OTOMORFİZM GRUPLARININ SUNUMLARI Reports Of Free Groups Otomorfzm Rak Le Algebras Özge ÖZTEKİN Matematk Aa Blm Dalı Name EKİCİ Matematk Aa Blm Dalı ÖZET Bu çalışmada,
DetaylıT.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
Detaylıİleri 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
DetaylıEKONOMETRİYE GİRİŞ II ÖDEV 4 ÇÖZÜM
EKONOMETRİYE GİRİŞ II ÖDEV 4 ÇÖZÜM (Örgün e İknc Öğretm çn) 1. 754 hanehalkına at DOMerset sml Excel dosyasında yer alan erler kullanarak tahmnlenen DOM sonuçları: Dependent Varable: CALISANKADIN Sample:
DetaylıKorelasyon ve Regresyon
Korelasyon ve Regresyon 1 Korelasyon Analz İk değşken arasında lşk olup olmadığını belrlemek çn yapılan analze korelasyon analz denr. Korelasyon; doğrusal yada doğrusal olmayan dye kye ayrılır. Korelasyon
Detaylı