DEÜ MÜHENDİSLİK FAKÜLTESİ MÜHENDİSLİK BİLİMLERİ DERGİSİ Cilt: 14 Sayı: 1 sh Ocak 2012

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "DEÜ MÜHENDİSLİK FAKÜLTESİ MÜHENDİSLİK BİLİMLERİ DERGİSİ Cilt: 14 Sayı: 1 sh Ocak 2012"

Transkript

1 DEÜ MÜHENDİSLİ FAÜLTESİ MÜHENDİSLİ BİLİMLERİ DERGİSİ Cilt: 4 Sayı: sh Oca 202 ARIŞIMLI İİLİ LOJİSTİ REGRESYON MODELİNE İLİŞİN BİR UYGULAMA (AN APPLIACTION FOR MIXTURE BINARY LOGISTIC REGRESSION MODEL) Yılmaz AYA*, Abdullah YEŞİLOVA** ÖZET/ABSTRACT Lojisti regresyonda, gözlenen varyansın, belenen varyanstan büyü olması aşırı yayılım olara tanımlanmatadır. arışımlı modellemede, aşırı yayılıma gözlenemeyen heterojenliğin neden olduğu varsayılmatadır. Veri seti endi içerisinde homojen alt populasyonlara ayrılara, aşırı yayılım giderilmetedir. arışımlı lojisti regresyonda parametre tahminlerinin elde edilmesinde EM algoritmasını esas alan en ço olabilirli yöntemi ullanılmatadır. Uygun model seçiminde ise AIC ve BIC ölçütleri yaygın olara ullanılmatadır. Çalışmada, lojisti regresyon analizi sonucunda meydana gelen aşırı yayılım, veri seti endi içerisinde homojen ii alt populasyona ayrılara giderilmiştir. Modele alınan bağımsız değişenlerin tamamı etileri istatistisel olara önemli bulunmuştur (p<0.0). In logistics regression, when observed variance is more than expected variance it is defined as over dispersion. In mixture modeling, it is assumed that unobserved heterogeneity causes the over dispersion. The data set is divided into homogenous sub proportions in order to overcome the over dispersion. In obtaining the parameter estimations, Maximum lielihood method which taes the EM algorithm, is used. For suitable model selection, AIC and BIC criteria are widely used. In this study, over dispersion caused by logistic regression analysis was solved by separating the data set to two homogenous sub- populations. All independent variables taen to the model were found statistically significant (p<0.0). ANAHTAR ELİMELER/EYWORDS AIC, BIC, EM algoritması, Lojisti regresyon, Mixture binary logistic regression AIC, BIC, EM algorithm, Logistic regression, arışımlı iili lojisti regresyon * Yüzüncü Yıl Ün., Van Mesle Yüseoulu, Bilgisayar Tenolojileri ve Programcılığı Bölümü, VAN ** Yüzüncü Yıl Ün., Ziraat Fa., Zooteni Böl., Biyometri ve Geneti Anabilim Dalı, VAN

2 Sayfa No: 40 Y. AYA, A. YEŞİLOVA. GİRİŞ Lojisti regresyon (LR), bağımlı değişenin binom dağılım gösterdiği durumlarda ullanılmatadır. Başa bir ifadeyle, LR, iili (binary) bağımlı değişen ile bağımsız değişenler arasındai neden sonuç ilişisini belirlemede ullanılan bir yöntemdir (Bonney, 987; Zhang, 999; Stoes vd., 2000; SAS, 2008). LR de, genelleştirilmiş doğrusal modeller ullanılara bağımsız değişenlerin doğrusal yapısını, iili bağımlı değişeninin belenen değerine bağlayan bir bağlantı (lin) fonsiyonunu ullanmatadır. LR de, ullanılan bağlantı fonsiyonu logit dönüşüm ile verilmetedir. (McCullagh ve Nelder, 989; Dobson, 990; Stoes vd., 2000). LR de, gözlenen varyansın, belenen varyanstan büyü olması aşırı yayılım (overdispersion) olara tanımlanmatadır (Cox, 983; Lambert ve Roeder, 995; Lindeys, 998). Aşırı yayılım, genellile gözlenemeyen heterojenliğin neden olduğu bir durumdur (Wang vd., 996; Wang vd., 998; Jones vd., 200; Yeşilova, 2003; SAS, 2008). Gözlenemeyen heterojenliğin belirlenmesinde ullanılan yöntemlerden biri arışımlı lojisti regresyon (LR) dir. LR de, veri setinin farlı alt populasyonlardan oluşan heterojen bir populasyondan elde edilmiş olduğu varsayılmatadır. LR de, veri setinin dahil olacağı homojen alt populasyonların sayısı belirlenere, gözlenemeyen heterojenli giderilmeye çalışılmatır. Daha sonra her bir alt populasyon için ayrı parametre tahminleri elde edilmetedir (Wang vd.,996; Wang vd., 998; Wang ve Putterman, 998; Out vd., 200; Leisch, 2004; aya, 2007). Bağımlı değişenin iili olması durumunda arışımlı iili lojisti regresyon (İLR) ullanılmatadır. İLR de parametre tahminleri, EM (Expectation-Maximization) algoritması ullanılara en ço olabilirli yöntemi ile elde edilir (Dempster vd., 977). Veri setini en iyi açılayan modelin seçiminde, Aaii bilgi riteri (AIC) ve Bayesian bilgi riteri (BIC) en ço ullanılan model uyum riterleridir (Wang ve Putterman, 998; Dalrymple vd., 2002; SAS, 2008). Bu çalışmada, İLR modelinin teori özellileri incelenere, Beden Eğitimi ve Spor Öğretmenliği alanında elde edilen gerçe bir veri setine uygulaması yapılmıştır. İl olara, veri setinin te bir populasyondan elde edilmiş olduğu varsayılara LR analizi yapılmıştır. Daha sonra LR analizi sonucunda oluşan aşırı yayılımı giderme için veri seti İLR analizine tabi tutulmuştur. BMLR de her bir alt populasyon için ayrı parametre tahminleri ve alt populasyonlara düşen bireylerin sayıları tahmin edilmiştir. 2. VERİ SETİ Bu çalışmada ullanılan veri seti, öğretim yılı için Yüzüncü Yıl Üniversitesi Eğitim Faültesi Beden Eğitimi ve Spor Öğretmenliği Bölümü için açılan yetene sınavına başvuran toplam 467 ere adaydan oluşmuştur. Verilerin bir bölümü (ÖSS puanı, Ağırlılı Orta Öğretim Başarı Puanı=AOÖBP) Öğrenci Seçme ve Yerleştirme Merezi nin (ÖSYM) internet sayfasından elde edilmiştir. Veri setini oluşturan diğer değişenler ise sınav esnasında adaylardan yüz yüse alınmıştır. Adayların performans değişenleri ise sınav esnasında adaylar izlenere elde edilmiştir. 3. YÖNTEM 3.. İili Lojisti Regresyon arışımlı lojisti model için esili arışımlı dağılım (Wang vd., 996; Leisch, 2004),

3 Mühendisli Bilimleri Dergisi Cilt : 4 Sayı : Sayfa No: 4 ' ( ) ( / exp( )) = p y = Binom y v βx π () biçiminde yazılabilir. Burada π, ıncı alt populasyonun arışma olasılığını; y, bağımlı değişeni; x, bağımsız değişen vetörünü; β, bilinmeyen parametre vetörünü; ν, gamma dağılımına sahip rassal bir eti veya değişeni göstermetedir. y i, binom dağılımı gösterir ve, n PY ( i = yi) = pi ( pi) yi i yi ni yi (2) biçiminde yazılır. Burada p i, istenen olayın gerçeleşme olasılığı, n toplam deneme sayısı, y i istenen başarılı olay sayısını belirtir. Lojisti regresyonda ullanılan logit bağlantı fonsiyonu, p i Logit( pi ) = ln = pi ' βx olara yazılabilir (Zhang, 999). Bu durumda y değerlerine ilişin marjinal olasılı yoğunlu fonsiyonu, f ( y) = P( C = ) P( Y = y C = ) = π = = f ( y, p ) (3) şelinde yazılabilir (Yeşilova, 2004; Leisch, 2004). Binom dağılımlı veri setinin, adar alt populasyona ait heterojen bir örne olması durumunda ıncı alt populasyona giren i inci şans değişeninin olasılığı (Out vd., 2002), π ( ) i = P ci = biçiminde verilebilir. Bütün veriler için log-olabilirli fonsiyonu, n n i i i i i= = i= = L(Y, X, βπ, ) = c log π + c log(binom(y β,x)) (4) biçiminde yazılabilir. Eşitli 4 te, c i gözlenemeyen gözlemler olup, {, i =,2,... n; =,2 } C = ci,...

4 Sayfa No: 42 Y. AYA, A. YEŞİLOVA c i =,ci c i = 0,diğer durumlar biçiminde yazılabilir (Out vd., 2002; Yeşilova, 2003) İili Lojisti Regresyon Modeli İçin EM Algoritması ve En Ço Olabilirli Yöntemi BMLR modeli için EM algoritmasının aşamaları aşağıdai gibi verilebilir (Wang vd., 996; Wang ve Putterman, 998). Birinci aşamada, β ve π başlangıç değerleri belirlenir. E aşamasında, β ve π başlangıç değerleri verildiğinde gözlenmiş veriler (X, Y) ve parametrelerin başlangıç değerleri üzerinden, C esi gözlemleri elde edilir. Ĉ i ( β, π ) ullanılara c i nin ıncı unsurunun oşullu olasılığı, ( ) ĉ = β, π = i, = ( β ) ( π ) π binom y x, i i π binom y x, i i, =,2,..., (5) biçiminde verilebilir. M aşamasında ise z i indiatör değişen olup parametre tahminleri, Eşitli 4 te verilen log olabilirli fonsiyonun β ve π ye göre masimize edilmesi ile, ( ) { } Q = β,p β, π = E (L(Y,C, β,p,x)) Y,X, β, π (6) Q= Q+ Q2 biçiminde elde edilir.burada, Q ve Q 2, n i, i= = ( ) ( π) Q = c β, π log (7) ( ) n 2 = i, β π yi ni πi (8) i= = Q c, log bi(, ) biçiminde elde edilir. Eşitli 7 ve 8 de verilen ˆβ ve ˆπ tahmin edicileri, Q ve 2 Q eşitlilerinin π ve β ya göre türevlerinin alınması ile,

5 Mühendisli Bilimleri Dergisi Cilt : 4 Sayı : Sayfa No: 43 Q π = 0, =,..., (9) β Q 2 = 0 biçiminde elde edilir. Eşitli 9 ullanılara ˆπ, n π ˆ ˆ = ci,, =,..., () n i= biçiminde elde edilmetedir (Wang vd., 996; Wang vd., 998; Wang ve Putterman., 998). Yuarıda verilen Eşitli 9 ve 0 da apalı formunun çözümünün zor olmasından dolayı, parametre tahminleri için Quasi-Newton yalaşımı ullanılara E ve M aşamaları,. aşamada, β = ( β,..., β ) ve π = ( π,..., π ) başlangıç değerlerinin ε ve ε0 tolerans değerlerine göre belirlenmesi, 2. aşamada (E-aşaması), 5.eşitli ullanılara ( c,...,c ) cˆ ˆ ˆ = i,2,...,n i i, i, = (2) değerleri hesaplanılır. ĉ i, nın hesaplanmasında aşırı yayılımı engelleme için Eşitli 5 de verilen fonsiyonun payı, payda toplamı içinde yer alan en büyü değere bölünür. 3. aşamada (M-aşaması), a) Quasi- Newton algortiması ullanılara Eşitli 9 da ˆπ parametresinin hesaplanması. b) Quasi-Newton algoritması ullanılara Eşitli 0 nun çözümünden ˆβ parametresinin hesaplanması. 4. aşamada, aşağıdai oşullardan en az biri doğru ise, β =β, ˆ π =π ˆ olur ve. asamaya gidilir, asi durumda c aşamasına gidilir. ) ˆβ β ε (3) 2) ˆπ π ε (4) 3) L( Y,X, ˆ, ˆ ) L( Y,X,, ) βπ β π ε (5) 0

6 Sayfa No: 44 Y. AYA, A. YEŞİLOVA c) Quasi-Newton algoritması ullanılara gözlenmiş L( Y,X, βπ, ) log olabilirli fonsiyonu masimize edilere işlem sonlandırılır (Wang ve ar., 996; Wang ve ar., 998) Uygun Model Seçimi arışımlı modellerde uygun model seçimi için AIC ve BIC bilgi ölçütleri ullanılır. Uyum ölçütleri genel olara; AIC = -LogL + 2p (6) BIC = -LogL + p ln(n) (7) biçiminde yazılabilir. Burada, p parametre sayısını göstermetedir (Wang vd., 996). 4. SONUÇLAR Çalışmada, gereli analizler SAS istatisti yazılım programı (PROCEDURE TRAJ) ullanılara yapılmıştır. Öğrencilerin sınavı azanıp azanmaması (sınav sonucu) bağımlı değişen, Mei Sayısı, ÖSS ve AOÖBP bağımsız değişenler olara modele alınmıştır. Veri setine ait tanımlayıcı istatistiler Çizelge de verilmiştir. Çizelge. Bağımsız değişenlere ilişin tanıtıcı istatistiler Değişenler N Ortalama+S.Sapma Minimum Masimum Mei Sayısı ± ÖSS Puanı ± AOÖBP ± Veri setinin il önce lojisti regresyona göre analizi yapılmıştır. Lojisti regresyonunda, deviance uyum istatistiğine ilişin yayılım parametre değeri 6.328, Pearson i-are uyum istatistiğine ilişin değer ise 6.2 olara bulunmuştur. Elde edilen uyum istatistiği değerlerinin değerinden büyü çıması veri setinde aşırı yayılım olduğunu göstermetedir (SAS, 2008). Veri setindei aşırı yayılım tespit edilditen sonra, arışımlı İLR uygulanmıştır. İili arışımlı lojisti regresyona ilişin elde edilen model uyum ölçütleri Çizelge 2 de verilmiştir. Çizelge 2 ye baıldığında ii alt populasyondan (alt populasyon 2) sonra AIC ve BIC uyum ölçütlerinin büyüdüğü görülmetedir. Birinci alt populasyon (lojisti regresyon) için uyum istatistileri AIC= ve BIC=09.55 olara bulunmuştur. En üçü AIC ve BIC değerlerine sahip model, veri setini en iyi açılayan model olara bilinmetedir. Bundan dolayı, oyu harflerle gösterilen ii alt populasyonlu model en iyi model olara seçilmiştir.

7 Mühendisli Bilimleri Dergisi Cilt : 4 Sayı : Sayfa No: 45 Çizelge 2. Farlı alt populasyonlar ilişin uyum ölçütleri Alt Populasyonlar AIC BIC Alt Populasyon Alt Populasyon Alt Populasyon Alt Populasyon En iyi model olara seçilen ii alt populasyonlu modelde, her bir alt populasyon için elde edilen parametrelerin ortalama değerleri Çizelge 3 te verilmiştir. Birinci alt populasyonda ortalama mei sayısı 00.33, ortalama ÖSS puanı ve ortalama AOÖBP puanı olara elde edilmişen, iinci alt populasyonda ortalama mei sayısı 5.892, ortalama ÖSS puanı ve ortalama AOÖBP puanı olara elde edilmiştir. Çizelge 3. İi alt populasyonlu modele ait ortalama parametre değerleri Alt Populasyon Mei Sayısı ÖSS AOÖBP İili arışımlı lojisti regresyon için elde edilen parametre tahmin değerleri ve standart hataları Çizelge 4 te verilmiştir. Mei sayısı, OSS ve AOÖBP bağımsız değişenlerin tamamının sınavı azanma üzerine olan etileri her ii alt populasyonda önemli bulunmuştur (p<0.0). Çizelge 4. arışımlı lojisti regresyon analiz sonuçları Alt Populasyon arışma Olasılıları (%) β 0 Mei Sayısı OSS AOÖBP Alt Populasyon (0.044)** (0.027)** (0.04)** Alt Populasyon (0.03)** 0.00 (0.020)** (0.045)** ** p<0.0 İi alt populasyonlu modelde, bireylerin her bir alt populasyona dağılma olasılıları ve sayıları Çizelge 5 de verilmiştir. Birinci alt populasyona bireylerin 58 (% 20.9), iinci alt populasyona ise 409 (% 79.) dahil olmuştur.

8 Sayfa No: 46 Y. AYA, A. YEŞİLOVA Çizelge 5. Adayların alt populasyonlara dağılımı Alt Populasyon Sayı Oran % Alt Populasyon 58 20,9 Alt Populasyon , 5. TARTIŞMA Binom dağılımda, gözlenen varyansın belenen varyanstan büyü olduğu durum, aşırı yayılım veya extra-binomial varyasyon olara adlandırılmatadır (Cox, 983; Lindsey, 998; aya, 2007). Bu durumda lojisti regresyonun ullanılması doğru ve tutarlı olmayan parametre tahminlerin ve standart hataların elde edilmesine neden olmatadır. Çizelge 2 de farlı alt populasyonlu modeller için hesaplanan AIC ve BIC uyum ölçütleri ii alt populasyonlu modelden sonra gidere büyüdülerinden dolayı, dört alt populasyonlu modelden sonrai alt populasyonlu modellere yer verilmiştir. Çalışmada, lojisti regresyonda meydana gelen aşırı yayılım, veri seti endi içerisinde ii alt populasyona ayrılara giderilmiştir. Böylece her bir alt populasyon içi homojenli sağlanıren, alt populasyonlar arası heterojenlite otaya onmaya çalışılmıştır. Çizelge 3 de birinci alt populasyonda mei sayıları ve ÖSS puanlarının ortalama değerlerinin iinci alt populasyondan elde edilen ortalama değerlere göre daha üçü olduğu saptanmıştır. Mei sayısı, ÖSS ve AÖOBP puanları öğrencilerin sınavı azanmalarında doğrudan etili olan fatörlerdir (aya, 2007). Çalışmada, özellile mei sayısı ve ÖSS puanın, öğrencilerin sınavı azanmalarında doğrudan etili olduğu belirlenmiştir. Bununla birlite, AÖOBP ortalama değeri her ii alt populasyonda benzerli göstermiştir. Bu baımdan, Çizelge 4 de verilen bağımsız değişenlerin tamamının, sınavı azanma üzerindei etilerinin önemli olması, Çizelge 3 de verilen ortalama değerleri ile birbirlerini destelemetedir. Özellile mei sayısı ve ÖSS puanının her ii alt populasyonda farlılı göstermeleri, bu her ii özelliğin sınav sonucunu doğrudan etiledileri söylenebilir. Bu bağlamda, iinci alt populasyondai öğrencilerin sınavı azanma şanslarının daha yüse olduğu saptanmıştır. Başa bir ifadeyle, birinci alt populasyona dahil edilen adayların 58 (% 20.9) inin sınavı azanma şanlarının iinci alt populasyondai 409 (% 79.) adaydan daha az olduğu saptanmıştır. Bunun yanı sıra, AÖOBP her ii alt populasyonda da yaın değerler almıştır. Bu çalışmada, bağımlı değişenin iili olduğu durumlarda veri setinde meydana gelene aşırı yayılımı modelleme için arışımlı iili lojisti model ullanılmıştır. Elde edilen sonuçlar doğrultusunda, arışımlı iili lojisti modelin, logistic regresyonda meydana gelen aşırı yayılım modellemede olduça etin olduğu belirlenmiştir. AYNALAR G. E. Bonney (987): Logistic Regression for Dependent Binary Observations: Biometrics, Cilt 43, No. 4, s R. Cox (983): Some Remars on Overdispersion: Biometria, Cilt 70, s M. L. Dalrymple, I. L. Hudson, R. P.. Ford (2003): Finite Mixture, Zero-Inflated Poisson and Hurdle Models with Application to SIDS, Computational Statistics and Data Analysis, Cilt 4, s A. P. Dempster, N. M. Laird, D. B. Rubin (977): Maximum Lielihood from Incomplete Data via the EM Algrithm, Journal of Royal Statisticial Society, Cilt 39, s. -8.

9 Mühendisli Bilimleri Dergisi Cilt : 4 Sayı : Sayfa No: 47 J. A. Dobson (990): An Introduction to Generalized Linear Models, New Yor: Chapman and Hall. B. Jones, S. D. Nagin,. Roeder (200): A SAS Procedure Based on Mixture for Estimating Developmental Trajectories, Sociological Methods and Research, Cilt 29, No. 3, s Y. aya (2007): Binary arışımlı Lojisti Regresayon (Yüse Lisans Tezi, Basılmamış), Yüzünyü Yıl Üniversitesi, Fen Bilimleri Enstitüsü. D. Lambert,. Roeder (995): Overdispersion Diagnostics for Generalized Linear Models, Journal of the Amarican Statistical Association, Cilt 90, No. 432, s F. Leisch (2004): FlexMix: A General Framewor for Finite Mixture Models and Latent Class Regression in R, Journal of Statistical Software, Cilt, No. 8. J.. Lindsey (998): On the Use of Corrections for Overdispersion Appl. Statist, Cilt 48, No. 4, s McCullagh, P., Nelder, JA. (989). Generalized Linear Models: Second Edition,, London, Chapmann and Hall, 486. H. Out, T. E. Duncan, S. C. Duncan, L. A. Strycer (2002): Growth Mixture Modeling of Zero-Inflated Count Data, J. of Psychopathology and Behavioral Assessment. SAS (2008): SAS/STAT Software:Hangen and Enhanced. SAS, Inst. Inc., USA. M. E. Stoes, C. S. Davis, G. G. och (2000): Categorical Data Analysis Using the SAS System, John Wiley and Sons, USA. P. Wang, I. M. Cocburn, M. L. Puterman (998): Analysis of Patent Data-Mixed Poisson Regression Model Approach, Journal of Business and Economic Statistics, Cilt 6, No., s P. Wang, M. L. Puterman, I. M. Cocburn, N. Le (996): Mixed Poisson Regression Models with Covariate Dependent Rates, Biometrics, Cilt 52, s P. Wang, M. L. Putterman (998): Mixed Logistic Regression Models, Journal of Agriculture, Biological and Environmental Statistics, Cilt 3, No. 2, s A. Yeşilova (2003): The Use of Mixed Poisson Regression Models for Categorical Data in Biology, Dotora Tezi, Yüzüncü Yıl Üniversitesi, Van. B. Zhang (999): A Chi-Squared Goodness-of-Fit-Test for Logistic Regression Models Based on Case-Control Data, Biometria, Cilt 86, s

MIXED REGRESYON TAHMİN EDİCİLERİNİN KARŞILAŞTIRILMASI. The Comparisions of Mixed Regression Estimators *

MIXED REGRESYON TAHMİN EDİCİLERİNİN KARŞILAŞTIRILMASI. The Comparisions of Mixed Regression Estimators * MIXED EGESYON TAHMİN EDİCİLEİNİN KAŞILAŞTIILMASI The Comparisions o Mixed egression Estimators * Sevgi AKGÜNEŞ KESTİ Ç.Ü.Fen Bilimleri Enstitüsü Matemati Anabilim Dalı Selahattin KAÇIANLA Ç.Ü.Fen Edebiyat

Detaylı

Kollektif Risk Modellemesinde Panjér Yöntemi

Kollektif Risk Modellemesinde Panjér Yöntemi Douz Eylül Üniversitesi İtisadi ve İdari Bilimler Faültesi Dergisi, Cilt:6, Sayı:, Yıl:, ss.39-49. olletif Ris Modellemesinde anér Yöntemi ervin BAYAN İRVEN Güçan YAAR Özet Hayat dışı sigortalarda, olletif

Detaylı

İstatistikçiler Dergisi

İstatistikçiler Dergisi www.istatisticiler.org İstatistiçiler Dergisi (008) 68-79 İstatistiçiler Dergisi BAĞIMLI RİSKLER İÇİ TOPLAM HASAR MİKTARII DAĞILIMI Mehmet PIRILDAK Hacettepe Üniversitesi Fen Faültesi, Atüerya Bilimleri

Detaylı

KİNETİK MODELLERDE OPTİMUM PARAMETRE BELİRLEME İÇİN BİR YAZILIM: PARES

KİNETİK MODELLERDE OPTİMUM PARAMETRE BELİRLEME İÇİN BİR YAZILIM: PARES KİNETİK MODELLERDE OPTİMUM PARAMETRE BELİRLEME İÇİN BİR YAZILIM: PARES Mehmet YÜCEER, İlnur ATASOY, Rıdvan BERBER Anara Üniversitesi Mühendisli Faültesi Kimya Mühendisliği Bölümü Tandoğan- 0600 Anara (berber@eng.anara.edu.tr)

Detaylı

AŞIRI YAYILIMLI VERİLER İÇİN GENELLEŞTİRİLMİŞ POİSSON KARMA MODELLERİN HAVA KİRLİLİĞİ ÜZERİNE BİR UYGULAMASI. e posta:

AŞIRI YAYILIMLI VERİLER İÇİN GENELLEŞTİRİLMİŞ POİSSON KARMA MODELLERİN HAVA KİRLİLİĞİ ÜZERİNE BİR UYGULAMASI. e posta: IAAOJ, Scientific Science, 2013, 1(2), 3 7 AŞIRI YAYILIMLI VERİLER İÇİN GENELLEŞTİRİLMİŞ POİSSON KARMA MODELLERİN HAVA KİRLİLİĞİ ÜZERİNE BİR UYGULAMASI Haydar KOÇ 1, M. Ali CENGİZ 1, Tuba KOÇ 1, Emre DÜNDER

Detaylı

EÜFBED - Fen Bilimleri Enstitüsü Dergisi Cilt-Sayı: 3-2 Yıl: 2010 199-206

EÜFBED - Fen Bilimleri Enstitüsü Dergisi Cilt-Sayı: 3-2 Yıl: 2010 199-206 99 EÜFBED - Fen Bilimleri Enstitüsü Dergisi Cilt-Sayı: 3- Yıl: 99-6 İKİNCİ MERTEBEDEN BİR DİFERENSİYEL DENKLEM SINIFI İÇİN BAŞLANGIÇ DEĞER PROBLEMİNİN DİFERENSİYEL DÖNÜŞÜM YÖNTEMİ İLE TAM ÇÖZÜMLERİ THE

Detaylı

RASGELE SÜREÇLER. Bir X rasgele değişkenin, a ve b arasında tekdüze dağılımlı olabilmesi için olasılık yoğunluk fonksiyonu aşağıdaki gibi olmalıdır.

RASGELE SÜREÇLER. Bir X rasgele değişkenin, a ve b arasında tekdüze dağılımlı olabilmesi için olasılık yoğunluk fonksiyonu aşağıdaki gibi olmalıdır. RASGELE SÜREÇLER Eğer bir büyülüğün her t anında alacağı değeri te bir şeilde belirleyen matematisel bir ifade verilebilirse bu büyülüğün deterministi bir büyülü olduğu söylenebilir. Haberleşmeden habere

Detaylı

Ufuk Ekim Accepted: January 2011. ISSN : 1308-7231 yunal@selcuk.edu.tr 2010 www.newwsa.com Konya-Turkey

Ufuk Ekim Accepted: January 2011. ISSN : 1308-7231 yunal@selcuk.edu.tr 2010 www.newwsa.com Konya-Turkey ISSN:1306-3111 e-journal of New World Sciences Academy 011, Volume: 6, Number: 1, Article Number: 1A0156 ENGINEERING SCIENCES Yavuz Ünal Received: October 010 Ufu Eim Accepted: January 011 Murat Kölü Series

Detaylı

Menemen Bölgesinde Rüzgar Türbinleri için Rayleigh ve Weibull Dağılımlarının Kullanılması

Menemen Bölgesinde Rüzgar Türbinleri için Rayleigh ve Weibull Dağılımlarının Kullanılması Politeni Dergisi Cilt:3 Sayı: 3 s. 09-3, 00 Journal of Polytechnic Vol: 3 No: 3 pp. 09-3, 00 Menemen Bölgesinde Rüzgar Türbinleri için Rayleigh ve Weibull Dağılımlarının Kullanılması Tevfi GÜLERSOY, Numan

Detaylı

141 Araştırma Makalesi. Türkiye de Karpuz Üretiminde Üretim-Fiyat İlişkisinin Almon Gecikme Modeli ile İncelenmesi

141 Araştırma Makalesi. Türkiye de Karpuz Üretiminde Üretim-Fiyat İlişkisinin Almon Gecikme Modeli ile İncelenmesi KSÜ Doğa Bil. Derg., 9(), 4-46, 6 KSU J. Nat. Sci., 9(), 4-46, 6 4 Araştırma Maalesi Türiye de Karpuz Üretiminde Üretim-Fiyat İlişisinin Almon Gecime Modeli ile İncelenmesi Nusret ÖBAY *, Şenol ÇELİK Bingöl

Detaylı

İstatistikçiler Dergisi

İstatistikçiler Dergisi www.istatistikciler.org İstatistikçiler Dergisi (28) 6-22 İstatistikçiler Dergisi COX REGRESYON MODELİ VE AKCİĞER KANSERİ VERİLERİ İLE BİR UYGULAMA Durdu KARASOY Hacettepe Üniversitesi Fen Fakültesi İstatistik

Detaylı

Farklı Madde Puanlama Yöntemlerinin ve Farklı Test Puanlama Yöntemlerinin Karşılaştırılması

Farklı Madde Puanlama Yöntemlerinin ve Farklı Test Puanlama Yöntemlerinin Karşılaştırılması Eğitimde ve Psiolojide Ölçme ve Değerlendirme Dergisi, Yaz 200, (), -8 Farlı Madde Puanlama Yöntemlerinin ve Farlı Test Puanlama Yöntemlerinin Karşılaştırılması Halil YURDUGÜL * Hacettepe Üniversitesi

Detaylı

A İSTATİSTİK KPSS-AB-PÖ/2007. 1. X rasgele değişkeninin olasılık fonksiyonu. 4. X sürekli raslantı değişkeninin birikimli dağılım fonksiyonu,

A İSTATİSTİK KPSS-AB-PÖ/2007. 1. X rasgele değişkeninin olasılık fonksiyonu. 4. X sürekli raslantı değişkeninin birikimli dağılım fonksiyonu, . X rasgele değişeninin olasılı fonsiyonu f( x) = c(x + 5), x =,, 0, diğer hâllerde olduğuna göre, c nin değeri açtır? A İSTATİSTİK KPSS-AB-PÖ/007. X süreli raslantı değişeninin biriimli dağılım fonsiyonu,

Detaylı

SERVOVALF VE HİDROLİK SİSTEMDEN OLUŞAN ELEKTROHİDROLİK BİR DÜMEN SİSTEMİNİN KONUM KONTROLÜ

SERVOVALF VE HİDROLİK SİSTEMDEN OLUŞAN ELEKTROHİDROLİK BİR DÜMEN SİSTEMİNİN KONUM KONTROLÜ GEMİ İNŞAATI VE DENİZ TEKNOLOJİSİ TEKNİK KONGRESİ 08 BİLDİRİLER KİTABI SERVOVALF VE HİDROLİK SİSTEMDEN OLUŞAN ELEKTROHİDROLİK BİR DÜMEN SİSTEMİNİN KONUM KONTROLÜ Fevzi ŞENLİTÜRK, Fuat ALARÇİN ÖZET Bu çalışmada

Detaylı

FİNANSAL RİSK ANALİZİNDE KARMA DAĞILIM MODELİ YAKLAŞIMI * Mixture Distribution Approach in Financial Risk Analysis

FİNANSAL RİSK ANALİZİNDE KARMA DAĞILIM MODELİ YAKLAŞIMI * Mixture Distribution Approach in Financial Risk Analysis FİNANSAL RİSK ANALİZİNDE KARMA DAĞILIM MODELİ YAKLAŞIMI * Mixture Distribution Approach in Financial Risk Analysis Keziban KOÇAK İstatistik Anabilim Dalı Deniz ÜNAL İstatistik Anabilim Dalı ÖZET Son yıllarda

Detaylı

Ders 2 : MATLAB ile Matris İşlemleri

Ders 2 : MATLAB ile Matris İşlemleri Ders : MATLAB ile Matris İşlemleri Kapsam Vetörlerin ve matrislerin tanıtılması Vetör ve matris operasyonları Lineer denlem taımlarının çözümü Vetörler Vetörler te boyutlu sayı dizileridir. Elemanlarının

Detaylı

ELECO '2012 Elektrik - Elektronik ve Bilgisayar Mühendisliği Sempozyumu, 29 Kasım - 01 Aralık 2012, Bursa

ELECO '2012 Elektrik - Elektronik ve Bilgisayar Mühendisliği Sempozyumu, 29 Kasım - 01 Aralık 2012, Bursa ELECO '2012 Eletri - Eletroni ve Bilgisayar Mühendisliği Sempozyumu, 29 Kasım - 01 ralı 2012, Bursa Lineer Olmayan Dinami Sistemlerin Yapay Sinir ğları ile Modellenmesinde MLP ve RBF Yapılarının Karşılaştırılması

Detaylı

Hastane Personelinin Kan Bağışı Hakkındaki Bilgi, Tutum ve Davranışlarının Çok Değişkenli Lojistik Regresyon Yöntemiyle İncelenmesi

Hastane Personelinin Kan Bağışı Hakkındaki Bilgi, Tutum ve Davranışlarının Çok Değişkenli Lojistik Regresyon Yöntemiyle İncelenmesi İnönü Üniversitesi Tıp Fakültesi Dergisi 12(1) 25-29 (2005) Hastane Personelinin Kan Bağışı Hakkındaki Bilgi, Tutum ve Davranışlarının Çok Değişkenli Lojistik Regresyon Yöntemiyle İncelenmesi Zeki Akkuş*,

Detaylı

DEÜ MÜHENDİSLİK FAKÜLTESİ MÜHENDİSLİK BİLİMLERİ DERGİSİ Cilt: 13 Sayı: 1 sh. 55-74 Ocak 2011

DEÜ MÜHENDİSLİK FAKÜLTESİ MÜHENDİSLİK BİLİMLERİ DERGİSİ Cilt: 13 Sayı: 1 sh. 55-74 Ocak 2011 DEÜ MÜHENDİSLİK FAKÜLTESİ MÜHENDİSLİK BİLİMLERİ DERGİSİ Cilt: 13 Sayı: 1 sh. 55-74 Oca 2011 STOKASTİK KULLANICI DENGESİ TRAFİK ATAMA PROBLEMİNİN SEZGİSEL METOTLAR KULLANILARAK ÇÖZÜLMESİ (HEURISTIC METHODS

Detaylı

Türkiye de Enflasyon ve Döviz Kuru Arasındaki Nedensellik İlişkisi: 1984-2003

Türkiye de Enflasyon ve Döviz Kuru Arasındaki Nedensellik İlişkisi: 1984-2003 Türiye de Enflasyon ve Döviz Kuru Arasındai Nedenselli İlişisi: 1984-2003 The Causal Relationship Between Exchange Rates and Inflation in Turey:1984-2003 Yrd.Doç.Dr. Erem GÜL* Yrd.Doç.Dr. Ayut EKİNCİ**

Detaylı

Eğitim ve Bilim. Cilt 40 (2015) Sayı 177 31-41. Türkiye deki Vakıf Üniversitelerinin Etkinlik Çözümlemesi. Anahtar Kelimeler.

Eğitim ve Bilim. Cilt 40 (2015) Sayı 177 31-41. Türkiye deki Vakıf Üniversitelerinin Etkinlik Çözümlemesi. Anahtar Kelimeler. Eğitim ve Bilim Cilt 40 (2015) Sayı 177 31-41 Türiye dei Vaıf Üniversitelerinin Etinli Çözümlemesi Gamze Özel Kadılar 1 Öz Oran analizi ve parametri yöntemlerin eğitim urumlarını ıyaslaren yetersiz alması

Detaylı

altında ilerde ele alınacaktır.

altında ilerde ele alınacaktır. YTÜ-İktisat İstatistik II Nokta Tahmin Yöntemleri 1 NOKTA TAHMİN YÖNTEMLERİ Şimdiye kadar verilmiş tahmin edicilerin sonlu örneklem ve asimptotik özelliklerini inceledik. Acaba bilinmeyen anakütle parametrelerini

Detaylı

28/5/2009 TARİHLİ VE 2108/30 SAYILI KURUL KARARI 11 HAZİRAN 2009 TARİHLİ VE 27255 SAYILI RESMİ GAZETEDE YAYIMLANMIŞTIR.

28/5/2009 TARİHLİ VE 2108/30 SAYILI KURUL KARARI 11 HAZİRAN 2009 TARİHLİ VE 27255 SAYILI RESMİ GAZETEDE YAYIMLANMIŞTIR. 28/5/2009 TARİHLİ VE 2108/30 SAYILI KURUL KARARI 11 HAZİRAN 2009 TARİHLİ VE 27255 SAYILI RESMİ GAZETEDE YAYIMLANMIŞTIR. Enerji Piyasası Düzenleme Kurumundan: ELEKTRĠK PĠYASASI DENGELEME VE UZLAġTIRMA YÖNETMELĠĞĠ

Detaylı

Bulanık Hedef Programlama Yöntemi ile Süre-Maliyet-Kalite Eniyilemesi

Bulanık Hedef Programlama Yöntemi ile Süre-Maliyet-Kalite Eniyilemesi Bulanı Programlama Yöntemi ile Süre-- Eniyilemesi Eran Karaman, Serdar Kale BAÜ Mühendisli Mimarlı Faültesi, 045, Çağış, Balıesir Tel: (266) 62 94 E-posta: earaman@baliesir.edu.tr sale@baliesir.edu.tr

Detaylı

KORELASYON VE REGRESYON ANALİZİ

KORELASYON VE REGRESYON ANALİZİ KORELASON VE REGRESON ANALİZİ rd. Doç. Dr. S. Kenan KÖSE İki ya da daha çok değişken arasında ilişki olup olmadığını, ilişki varsa yönünü ve gücünü inceleyen korelasyon analizi ile değişkenlerden birisi

Detaylı

Matris Unutma Faktörü İle Uyarlanmış Kalman Filtresinin Başarım Değerlendirmesi

Matris Unutma Faktörü İle Uyarlanmış Kalman Filtresinin Başarım Değerlendirmesi Fırat Üniv. Fen Bilimleri Dergisi Fırat Unv. Journal of Science 25(), 7-76, 23 25(), 7-76, 23 Matris Unutma Fatörü İle Uyarlanmış Kalman Filtresinin Başarım Değerlendirmesi Özet Cener BİÇER * Esin KÖKSAL

Detaylı

6. Ders. Genelleştirilmiş Lineer Modeller (Generalized Linear Models, GLM)

6. Ders. Genelleştirilmiş Lineer Modeller (Generalized Linear Models, GLM) 6. Ders Genelleştirilmiş Lineer Modeller (Generalized Linear Models, GLM) Y = X β + ε Lineer Modeli pek çok özel hallere sahiptir. Bunlar, ε nun dağılımına (bağımlı değişkenin dağılımına), Cov( ε ) kovaryans

Detaylı

Türk Tarım - Gıda Bilim ve Teknoloji Dergisi

Türk Tarım - Gıda Bilim ve Teknoloji Dergisi Türk Tarım Gıda Bilim ve Teknoloji Dergisi, 3(12): 926-932, 2015 Türk Tarım - Gıda Bilim ve Teknoloji Dergisi www.agrifoodscience.com Türk Bilim ve Teknolojisi Eksik Veri Analizinde Çoklu Atama Yönteminin

Detaylı

rasgele değişkeninin olasılık yoğunluk fonksiyonu,

rasgele değişkeninin olasılık yoğunluk fonksiyonu, 3.6. Bazı Sürekli Dağılımlar 3.6.1 Normal Dağılım Normal dağılım hem uygulamalı hem de teorik istatistikte kullanılan oldukça önemli bir dağılımdır. Normal dağılımın istatistikte önemli bir yerinin olmasının

Detaylı

BÜTÜNLEŞİK ÜRETİM PLANLAMASININ HEDEF PROGRAMLAMAYLA OPTİMİZASYONU VE DENİZLİ İMALAT SANAYİİNDE UYGULANMASI

BÜTÜNLEŞİK ÜRETİM PLANLAMASININ HEDEF PROGRAMLAMAYLA OPTİMİZASYONU VE DENİZLİ İMALAT SANAYİİNDE UYGULANMASI Niğde Üniversitesi İİBF Dergisi, 2013, Cilt: 6, Sayı: 1, s. 96-115. 96 BÜTÜNLEŞİK ÜRETİM PLANLAMASININ HEDEF PROGRAMLAMAYLA OPTİMİZASYONU VE DENİZLİ İMALAT SANAYİİNDE UYGULANMASI ÖZ Arzu ORGAN* İrfan ERTUĞRUL**

Detaylı

Gümüşhane Üniversitesi Sosyal Bilimler Elektronik Dergisi Sayı 12 Ocak 2015

Gümüşhane Üniversitesi Sosyal Bilimler Elektronik Dergisi Sayı 12 Ocak 2015 Gümüşhane Üniversitesi Sosyal Bilimler Eletroni Dergisi Sayı 12 Oca 2015 TÜRKİYE DE EKONOMİK BÜYÜME, ENERJİ TÜKETİMİ VE İTHALAT İLİŞKİSİ ÖZET Canan SANCAR 1 Melie ATAY POLAT 2 Bu çalışmada Türiye de eonomi

Detaylı

ĐST 474 Bayesci Đstatistik

ĐST 474 Bayesci Đstatistik ĐST 474 Bayesci Đstatistik Ders Sorumlusu: Dr. Haydar Demirhan haydarde@hacettepe.edu.tr Đnternet Sitesi: http://yunus.hacettepe.edu.tr/~haydarde Đçerik: Olasılık kuramının temel kavramları Bazı özel olasılık

Detaylı

ÖZGEÇMİŞ. 1. Adı Soyadı : Kamile ŞANLI KULA İletişim Bilgileri : Ahi Evran Üniversitesi, Fen Edebiyat Fakültesi, Adres Matematik Bölümü, KIRŞEHİR

ÖZGEÇMİŞ. 1. Adı Soyadı : Kamile ŞANLI KULA İletişim Bilgileri : Ahi Evran Üniversitesi, Fen Edebiyat Fakültesi, Adres Matematik Bölümü, KIRŞEHİR Resim ÖZGEÇMİŞ 1. Adı Soyadı : Kamile ŞANLI KULA İletişim Bilgileri : Ahi Evran Üniversitesi, Fen Edebiyat Fakültesi, Adres Matematik Bölümü, KIRŞEHİR Telefon : 386 280 45 50 Mail : kskula@ahievran.edu.tr

Detaylı

Malzeme Bağıyla Konstrüksiyon

Malzeme Bağıyla Konstrüksiyon Shigley s Mechanical Engineering Design Richard G. Budynas and J. Keith Nisbett Malzeme Bağıyla Konstrüsiyon Hazırlayan Prof. Dr. Mehmet Fırat Maine Mühendisliği Bölümü Saarya Üniversitesi Çözülemeyen

Detaylı

KRONĐK BÖBREK YETMEZLĐĞĐ HASTALIĞINDA ÖNEMLĐ FAKTÖRLERĐN BELĐRLENMESĐ

KRONĐK BÖBREK YETMEZLĐĞĐ HASTALIĞINDA ÖNEMLĐ FAKTÖRLERĐN BELĐRLENMESĐ ISSN:0- e-journal of New World Sciences Academy 009, Volume:, Number:, Article Number: A000 PHYSICAL SCIENCES Received: November 00 Acceted: June 009 Series : A ISSN : 0-0 009 www.newwsa.com Yüsel Öner,

Detaylı

Üniversite Öğrencilerinin Akademik Başarılarını Etkileyen Faktörler Bahman Alp RENÇBER 1

Üniversite Öğrencilerinin Akademik Başarılarını Etkileyen Faktörler Bahman Alp RENÇBER 1 Çankırı Karatekin Üniversitesi Sosyal Bilimler Enstitüsü Dergisi 3(1): 191-198 Üniversite Öğrencilerinin Akademik Başarılarını Etkileyen Faktörler Bahman Alp RENÇBER 1 Özet Bu çalışmanın amacı, üniversite

Detaylı

OLS Yönteminin Asimptotik (Büyük Örneklem) Özellikleri SIRADAN EN KÜÇÜK KARELER (OLS) Asimptotik Özellikler: Tutarlılık. Asimptotik Özellikler

OLS Yönteminin Asimptotik (Büyük Örneklem) Özellikleri SIRADAN EN KÜÇÜK KARELER (OLS) Asimptotik Özellikler: Tutarlılık. Asimptotik Özellikler 1 SIRADAN EN KÜÇÜK KARELER (OLS) YÖNTEMİNİN ASİMPTOTİK ÖZELLİKLERİ Hüseyin Taştan 1 1 Yıldız Teknik Üniversitesi İktisat Bölümü Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge

Detaylı

FİNANSAL KALKINMA, TİCARİ AÇIKLIK VE EKONOMİK BÜYÜME ARASINDAKİ İLİŞKİ: TÜRKİYE ÜZERİNE BİR ANALİZ

FİNANSAL KALKINMA, TİCARİ AÇIKLIK VE EKONOMİK BÜYÜME ARASINDAKİ İLİŞKİ: TÜRKİYE ÜZERİNE BİR ANALİZ FİNANSAL KALKINMA, TİCARİ AÇIKLIK VE EKONOMİK BÜYÜME ARASINDAKİ İLİŞKİ: TÜRKİYE ÜZERİNE BİR ANALİZ Salih TÜREDİ * Metin BERBER ** ÖZ Bu çalışmada, finansal alınma ve ticari açılı ile eonomi büyüme ilişisi,

Detaylı

Markov Zinciri Monte Carlo Yaklaşımı. Aktüeryal Uygulamaları

Markov Zinciri Monte Carlo Yaklaşımı. Aktüeryal Uygulamaları Markov Zinciri Monte Carlo Yaklaşımı ve Aktüeryal Uygulamaları ŞİRZAT ÇETİNKAYA Aktüer Sistem Araştırma Geliştirme Bölümü AKTÜERLER DERNEĞİ 2.0.20080 2008 - İSTANBUL Sunum Planı. Giriş 2. Bayesci Metodun

Detaylı

MOBİLYA ENDÜSTRİSİNDE AŞAMALAR ARASINDA FİRE BULUNAN ÇOK AŞAMALI TEDARİK ZİNCİRİ AĞININ OPTİMİZASYONU. Ercan ŞENYİĞİT 1, *

MOBİLYA ENDÜSTRİSİNDE AŞAMALAR ARASINDA FİRE BULUNAN ÇOK AŞAMALI TEDARİK ZİNCİRİ AĞININ OPTİMİZASYONU. Ercan ŞENYİĞİT 1, * Erciyes Üniversitesi Fen Bilimleri Enstitüsü Dergisi 25 (1-2) 168-182 (2009) http://fbe.erciyes.edu.tr/ ISSN 1012-2354 MOBİLYA ENDÜSTRİSİNDE AŞAMALAR ARASINDA FİRE BULUNAN ÇOK AŞAMALI TEDARİK ZİNCİRİ AĞININ

Detaylı

Örnek. Aşağıdaki veri setlerindeki X ve Y veri çiftlerini kullanarak herbir durumda X=1,5 için Y nin hangi değerleri alacağını hesaplayınız.

Örnek. Aşağıdaki veri setlerindeki X ve Y veri çiftlerini kullanarak herbir durumda X=1,5 için Y nin hangi değerleri alacağını hesaplayınız. Örnek Aşağıdaki veri setlerindeki X ve Y veri çiftlerini kullanarak herbir durumda X=1,5 için Y nin hangi değerleri alacağını hesaplayınız. i. ii. X 1 2 3 4 1 2 3 4 Y 2 3 4 5 4 3 2 1 Örnek Aşağıdaki veri

Detaylı

OCAK HAVALANDIRMA ŞEBEKE ANALİZİ İÇİN KOMBİNE BİR YÖNTEM (A COMBINED METHOD FOR THE ANALYSIS OF MINE VENTILATION NETWORKS)

OCAK HAVALANDIRMA ŞEBEKE ANALİZİ İÇİN KOMBİNE BİR YÖNTEM (A COMBINED METHOD FOR THE ANALYSIS OF MINE VENTILATION NETWORKS) ÖZET/ABSTRACT DEÜ MÜHENDİSLİK FAKÜLTESİ FEN ve MÜHENDİSLİK DERGİSİ Cilt: 2 Sayı: 2 sh. 49-54 Mayıs 2000 OCAK HAVALANDIRMA ŞEBEKE ANALİZİ İÇİN KOMBİNE BİR YÖNTEM (A COMBINED METHOD FOR THE ANALYSIS OF MINE

Detaylı

ABSTRACT $WWLWXGHV 7RZDUGV )DPLO\ 3ODQQLQJ RI :RPHQ $QG $IIHFWLQJ )DFWRUV

ABSTRACT $WWLWXGHV 7RZDUGV )DPLO\ 3ODQQLQJ RI :RPHQ $QG $IIHFWLQJ )DFWRUV ÖZET Amaç: Araştırma, Aile Planlaması (AP) polikliniğine başvuran kadınların AP ye ilişkin tutumlarını ve bunu etkileyen faktörleri belirlemek amacıyla yapılmıştır. Yöntem: Tanımlayıcı tipteki bu araştırma

Detaylı

A. Regresyon Katsayılarında Yapısal Kırılma Testleri

A. Regresyon Katsayılarında Yapısal Kırılma Testleri A. Regresyon Katsayılarında Yapısal Kırılma Testleri Durum I: Kırılma Tarihinin Bilinmesi Durumu Kırılmanın bilinen bir tarihte örneğin tarihinde olduğunu önceden bilinmesi durumunda uygulanır. Örneğin,

Detaylı

DERS BİLGİLERİ. Uygulamalı İşletme İstatistiği BBA 282 Bahar 3+0+0 3 5

DERS BİLGİLERİ. Uygulamalı İşletme İstatistiği BBA 282 Bahar 3+0+0 3 5 DERS BİLGİLERİ Ders Kodu Yarıyıl T+U+L Saat Kredi AKTS Uygulamalı İşletme İstatistiği BBA 282 Bahar 3+0+0 3 5 Ön Koşul Dersleri - Dersin Dili Dersin Seviyesi Dersin Türü İngilizce Lisans Zorunlu Dersin

Detaylı

daha çok göz önünde bulundurulabilir. Öğrencilerin dile karşı daha olumlu bir tutum geliştirmeleri ve daha homojen gruplar ile dersler yürütülebilir.

daha çok göz önünde bulundurulabilir. Öğrencilerin dile karşı daha olumlu bir tutum geliştirmeleri ve daha homojen gruplar ile dersler yürütülebilir. ÖZET Üniversite Öğrencilerinin Yabancı Dil Seviyelerinin ve Yabancı Dil Eğitim Programına Karşı Tutumlarının İncelenmesi (Aksaray Üniversitesi Örneği) Çağan YILDIRAN Niğde Üniversitesi, Sosyal Bilimler

Detaylı

TRAFİK KAZA KARA NOKTALARININ BELİRLENMESİ İÇİN COĞRAFİ BİLGİ SİSTEMLERİ (CBS) DESTEKLİ MEKÂNSAL İSTATİSTİKSEL METODLARIN KULLANILMASI

TRAFİK KAZA KARA NOKTALARININ BELİRLENMESİ İÇİN COĞRAFİ BİLGİ SİSTEMLERİ (CBS) DESTEKLİ MEKÂNSAL İSTATİSTİKSEL METODLARIN KULLANILMASI TRAFİK KAZA KARA NOKTALARININ BELİRLENMESİ İÇİN COĞRAFİ BİLGİ SİSTEMLERİ (CBS) DESTEKLİ MEKÂNSAL İSTATİSTİKSEL METODLARIN KULLANILMASI M.A. DERELİ 1, S. ERDOĞAN 2, Ö. SOYSAL, A. ÇABUK, M. UYSAL, İ. TİRYAKİOĞLU,

Detaylı

Kablosuz Algılayıcı Ağlarda Karınca Koloni Optimizasyonu Kullanılarak Yapılan Optimum Yönlendirme İşlemi

Kablosuz Algılayıcı Ağlarda Karınca Koloni Optimizasyonu Kullanılarak Yapılan Optimum Yönlendirme İşlemi Kablosuz Algılayıcı Ağlarda Karınca Koloni Optimizasyonu Kullanılara Yapılan Optimum Yönlendirme İşlemi Derviş Karaboğa 1 Selçu Ödem 2 1,2 Bilgisayar Mühendisliği Bölümü, Mühendisli Faültesi, Erciyes Üniversitesi,

Detaylı

VİNÇTE ÇELİK KONSTRÜKSİYON

VİNÇTE ÇELİK KONSTRÜKSİYON 01 Mayıs VİNÇTE ÇELİK KONSTRÜKSİYON KİRİŞTE BURUŞMA 1-03 Güven KUTAY Semboller ve Kaynalar için "1_00_CeliKonstrusiyonaGiris.doc" a baınız. Koordinat esenleri "GENEL GİRİŞ" de belirtildiği gibi DIN 18800

Detaylı

ISTATISTIK VE OLASILIK SINAVI EKİM 2016 WEB SORULARI

ISTATISTIK VE OLASILIK SINAVI EKİM 2016 WEB SORULARI SORU- 1 : ISTATISTIK VE OLASILIK SINAVI EKİM 2016 WEB SORULARI X ve Y birbirinden bağımsız iki rasgele değişken olmak üzere, sırasıyla aşağıdaki moment çıkaran fonksiyonlarına sahiptir: 2 2 M () t = e,

Detaylı

Basitleştirilmiş Kalman Filtresi ile Titreşimli Ortamda Sıvı Seviyesinin Ölçülmesi

Basitleştirilmiş Kalman Filtresi ile Titreşimli Ortamda Sıvı Seviyesinin Ölçülmesi Basitleştirilmiş Kalman Filtresi ile Titreşimli Ortamda Sıvı Seviyesinin Ölçülmesi M. Ozan AKI Yrd.Doç Dr. Erdem UÇAR ABSTRACT: Bu çalışmada, sıvıların seviye ölçümünde dalgalanmalardan aynalı meydana

Detaylı

Genetik Algoritma ile Mikrofon Dizilerinde Ses Kaynağının Yerinin Bulunması. Sound Source Localization in Microphone Arrays Using Genetic Algorithm

Genetik Algoritma ile Mikrofon Dizilerinde Ses Kaynağının Yerinin Bulunması. Sound Source Localization in Microphone Arrays Using Genetic Algorithm BİLİŞİM TEKOLOJİLERİ DERGİSİ, CİLT: 1, SAYI: 1, OCAK 2008 23 Geneti Algoritma ile Mirofon Dizilerinde Ses Kaynağının Yerinin Bulunması Erem Çontar, Hasan Şair Bilge Bilgisayar Mühendisliği Bölümü, Gazi

Detaylı

İNSANSIZ HAVA ARAÇLARI İÇİN RADAR KAPLAMA ALANLARINDAN KAÇINACAK EN KISA ROTANIN HESAPLANMASI

İNSANSIZ HAVA ARAÇLARI İÇİN RADAR KAPLAMA ALANLARINDAN KAÇINACAK EN KISA ROTANIN HESAPLANMASI İNSANSIZ HAVA ARAÇLARI İÇİN RADAR KAPLAMA ALANLARINDAN KAÇINACAK EN KISA ROTANIN HESAPLANMASI Hamdi DEMİREL (a), Halil SAVURAN (b), Murat KARAKAYA (c) (a) Mühendisli Faültesi, Yazılım Mühendisliği Bölümü,

Detaylı

Pazarlama Araştırması Grup Projeleri

Pazarlama Araştırması Grup Projeleri Pazarlama Araştırması Grup Projeleri Projeler kapsamında öğrencilerden derlediğiniz 'Teknoloji Kullanım Anketi' verilerini kullanarak aşağıda istenilen testleri SPSS programını kullanarak gerçekleştiriniz.

Detaylı

Sigma 27, 190-196, 2009 Research Article / Araştırma Makalesi EFFECT OF INSULATION MATERIAL THICKNESS ON THERMAL INSULATION

Sigma 27, 190-196, 2009 Research Article / Araştırma Makalesi EFFECT OF INSULATION MATERIAL THICKNESS ON THERMAL INSULATION Journal of Engineering and Natural Sciences Mühendisli ve Fen Bilimleri Dergisi Sigma 7, 19-19, 9 Research Article / Araştırma Maalesi EFFECT OF INSULATION MATERIAL THICKNESS ON THERMAL INSULATION Derya

Detaylı

GÜNEŞ ENERJİSİ SİSTEMLERİNDE KANATÇIK YÜZEYİNDEKİ SICAKLIK DAĞILIMININ SONLU FARKLAR METODU İLE ANALİZİ

GÜNEŞ ENERJİSİ SİSTEMLERİNDE KANATÇIK YÜZEYİNDEKİ SICAKLIK DAĞILIMININ SONLU FARKLAR METODU İLE ANALİZİ TEKNOLOJİ, Cilt 7, (2004), Sayı 3, 407-414 TEKNOLOJİ GÜNEŞ ENERJİSİ SİSTEMLERİNDE KANATÇIK YÜZEYİNDEKİ SICAKLIK DAĞILIMININ SONLU FARKLAR METODU İLE ANALİZİ ÖZET Himet DOĞAN Mustafa AKTAŞ Tayfun MENLİK

Detaylı

Temel İstatistik. Y.Doç.Dr. İbrahim Turan Mart Tanımlayıcı İstatistik. Dağılımları Tanımlayıcı Ölçüler Dağılış Ölçüleri

Temel İstatistik. Y.Doç.Dr. İbrahim Turan Mart Tanımlayıcı İstatistik. Dağılımları Tanımlayıcı Ölçüler Dağılış Ölçüleri Temel İstatistik Tanımlayıcı İstatistik Dağılımları Tanımlayıcı Ölçüler Dağılış Ölçüleri Y.Doç.Dr. İbrahim Turan Mart 2011 DAĞILIM / YAYGINLIK ÖLÇÜLERİ Verilerin değişkenlik durumu ve dağılışın şeklini

Detaylı

Almon Gecikme Modeli ile Domates Üretiminde Üretim-Fiyat İlişkisinin Analizi: Türkiye Örneği

Almon Gecikme Modeli ile Domates Üretiminde Üretim-Fiyat İlişkisinin Analizi: Türkiye Örneği TÜRK TARIM ve DOĞA BİLİMLERİ DERGİSİ TURKISH JOURNAL of AGRICULTURAL and NATURAL SCIENCES www.urjans.com Almon Gecime Modeli ile Domaes Üreiminde Üreim-Fiya İlişisinin Analizi: Türiye Örneği a Şenol ÇELİK*,

Detaylı

KIRIKKALE ÜNİVERSİTESİ FEN-EDEBIYAT FAKÜLTESİ İSTATİSTİK BÖLÜMÜ LİSANS PROGRAMI

KIRIKKALE ÜNİVERSİTESİ FEN-EDEBIYAT FAKÜLTESİ İSTATİSTİK BÖLÜMÜ LİSANS PROGRAMI KIRIKKALE ÜNİVERSİTESİ FEN-EDEBIYAT FAKÜLTESİ İSTATİSTİK BÖLÜMÜ LİSANS PROGRAMI Kırıkkale Üniversitesi Fen-Edebiyat Fakültesi İstatistik Bölümü Lisans Programı, Kırıkkale Üniversitesi Önlisans ve Lisans

Detaylı

TOBB Ekonomi ve Teknoloji Üniversitesi İKT351 Ekonometri I, Ara Sınavı

TOBB Ekonomi ve Teknoloji Üniversitesi İKT351 Ekonometri I, Ara Sınavı TOBB Ekonomi ve Teknoloji Üniversitesi Öğr.Gör.: Yrd. Doç. Dr. A. Talha YALTA Ad, Soyad: Açıklamalar: Bu sınav toplam 100 puan değerinde 4 sorudan oluşmaktadır. Sınav süresi 90 dakikadır ve tüm soruların

Detaylı

0.04.03 Standart Hata İstatistikte hesaplanan her istatistik değerin mutlaka hatası da hesaplanmalıdır. Çünkü hesaplanan istatistikler, tahmini bir değer olduğu için mutlaka hataları da vardır. Standart

Detaylı

MAK 210 SAYISAL ANALİZ

MAK 210 SAYISAL ANALİZ MAK 210 SAYISAL ANALİZ BÖLÜM 6- İSTATİSTİK VE REGRESYON ANALİZİ Doç. Dr. Ali Rıza YILDIZ 1 İSTATİSTİK VE REGRESYON ANALİZİ Bütün noktalardan geçen bir denklem bulmak yerine noktaları temsil eden, yani

Detaylı

METANOLÜN KATALİTİK OKSİDASYONUYLA FORMALDEHİT ÜRETİM KİNETİĞİNİN İNCELENMESİ

METANOLÜN KATALİTİK OKSİDASYONUYLA FORMALDEHİT ÜRETİM KİNETİĞİNİN İNCELENMESİ METNOLÜN TLİTİ OİDYONUYL FOMLDEHİT ÜETİM İNETİĞİNİN İNCELENMEİ.H. YILMZ, F.. TLY,. TLY Ege Üniversitesi, Mühendisli Faültesi, imya Mühendisliği ölümü, 3500, ornova- İZMİ ÖZET u çalışmada, metanolün formaldehite

Detaylı

ÖLÇME VE DEĞERLENDİRME. Antrenörlük Eğitimi 4. Sınıf. Ölçme ve Değerlendirme - Yrd. Doç. Dr. Yetkin Utku KAMUK

ÖLÇME VE DEĞERLENDİRME. Antrenörlük Eğitimi 4. Sınıf. Ölçme ve Değerlendirme - Yrd. Doç. Dr. Yetkin Utku KAMUK ÖLÇME VE DEĞERLENDİRME Antrenörlük Eğitimi 4. Sınıf ÖLÇME VE DEĞERLENDİRME Merkezi Eğilim Ölçütleri Mod En çok görülen puandır ve hesaplanma yöntemi yoktur. İnceleme yolu ile bulunur. Terminal istatistiktir.

Detaylı

Degree Department Üniversity Year B.S. Statistics Gazi University 1993 M.s. Statistics Gazi University 1998 Ph.D. Statistics Gazi University 2005

Degree Department Üniversity Year B.S. Statistics Gazi University 1993 M.s. Statistics Gazi University 1998 Ph.D. Statistics Gazi University 2005 Gazi University Faculty of Science Department of Statistics 06500 Teknikokullar ANKARA/TURKEY Tel:+903122021479 e-mail: yaprak@gazi.edu.tr Web site: www.gazi.edu.tr/yaprak EDUCATION Degree Department Üniversity

Detaylı

Olasılık ve İstatistik (IE 220) Ders Detayları

Olasılık ve İstatistik (IE 220) Ders Detayları Olasılık ve İstatistik (IE 220) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Saati Uygulama Saati Laboratuar Saati Kredi AKTS Olasılık ve İstatistik IE 220 Her İkisi 3 0 0 3 5 Ön Koşul Ders(ler)i Dersin

Detaylı

Makine Öğrenmesi 4. hafta

Makine Öğrenmesi 4. hafta ain Öğrnmsi 4. hafta Olasılı v Koşullu Olasılı ays Tormi Naïv ays Sınıflayıcı Olasılı Olasılı ifadsinin birço ullanım şli vardır. Rasgl bir A olayının hrhangi bir olaydan bağımsız olara grçlşm ihtimalini

Detaylı

Morkaraman Kuzularının Vücut Ölçüleri ve Karkas Parça Ağırlıkları Arasındaki İlişkinin Değerlendirilmesinde Kanonik Korelasyon Analizinin Kullanılması

Morkaraman Kuzularının Vücut Ölçüleri ve Karkas Parça Ağırlıkları Arasındaki İlişkinin Değerlendirilmesinde Kanonik Korelasyon Analizinin Kullanılması Atatür Üniv. Ziraat Fa.Derg. 40 (), 1-10, 009 ISSN : 1300-9036 Moraraman Kuzularının Vücut Ölçüleri ve Karas Parça Ağırlıları Arasındai İlişinin Değerlendirilmesinde Kanoni Korelasyon Analizinin Kullanılması

Detaylı

MAK341 MAKİNA ELEMANLARI I 2. Yarıyıl içi imtihanı 24/04/2012 Müddet: 90 dakika Ögretim Üyesi: Prof.Dr. Hikmet Kocabas, Doç.Dr.

MAK341 MAKİNA ELEMANLARI I 2. Yarıyıl içi imtihanı 24/04/2012 Müddet: 90 dakika Ögretim Üyesi: Prof.Dr. Hikmet Kocabas, Doç.Dr. MAK3 MAKİNA EEMANARI I. Yarıyıl içi imtihanı /0/0 Müddet: 90 daia Ögretim Üyesi: Prof.Dr. Himet Kocabas, Doç.Dr. Cemal Bayara. (0 puan) Sıı geçmelerde sürtünme orozyonu nasıl ve neden meydana gelir? Geçmeye

Detaylı

COGRAFI BILGI SISTEMI DESTEKLI TRAFIK KAZA ANALIZI ÖZET

COGRAFI BILGI SISTEMI DESTEKLI TRAFIK KAZA ANALIZI ÖZET COGRAFI BILGI SISTEMI DESTEKLI TRAFIK KAZA ANALIZI Darçin AKIN *, Yasasin ERYILMAZ ** ÖZET Bu maalede cografi bilgi sistemi (CBS) desteli bir trafi aza analizinin nasil yapilabilecegi ve aza verilerinin

Detaylı

DOKTORA TEZİ İNVASİV OLMAYAN VENTİLASYONDA SOLUNUM PARAMETRELERİNİN MODELLENMESİ. Esra SAATÇI Bioyomedikal Mühendisliği Anabilim Dalı

DOKTORA TEZİ İNVASİV OLMAYAN VENTİLASYONDA SOLUNUM PARAMETRELERİNİN MODELLENMESİ. Esra SAATÇI Bioyomedikal Mühendisliği Anabilim Dalı İSANBUL ÜNİVERSİESİ FEN BİLİMLERİ ENSİÜSÜ DOKORA EZİ İNVASİV OLMAYAN VENİLASYONDA SOLUNUM PARAMERELERİNİN MODELLENMESİ Esra SAAÇI Bioyomedial Mühendisliği Anabilim Dalı Danışman Prof.Dr. Aydın AKAN Haziran,

Detaylı

Kullanılacak İstatistikleri Belirleme Ölçütleri. Değişkenin Ölçek Türü ya da Yapısı

Kullanılacak İstatistikleri Belirleme Ölçütleri. Değişkenin Ölçek Türü ya da Yapısı ARAŞTIRMA MODELLİLERİNDE KULLANILACAK İSTATİSTİKLERİ BELİRLEME ÖLÇÜTLERİ Parametrik mi Parametrik Olmayan mı? Kullanılacak İstatistikleri Belirleme Ölçütleri Değişken Sayısı Tek değişkenli (X) İki değişkenli

Detaylı

Girdi Analizi. 0 Veri toplama 0 Girdi sürecini temsil eden olasılık dağılımı belirleme. 0 Histogram 0 Q-Q grafikleri

Girdi Analizi. 0 Veri toplama 0 Girdi sürecini temsil eden olasılık dağılımı belirleme. 0 Histogram 0 Q-Q grafikleri Girdi Analizi 0 Gerçek hayattaki benzetim modeli uygulamalarında, girdi verisinin hangi dağılımdan geldiğini belirlemek oldukça zor ve zaman harcayıcıdır. 0 Yanlış girdi analizi, elde edilen sonuçların

Detaylı

Popülasyon Ortalamasının Tahmin Edilmesi

Popülasyon Ortalamasının Tahmin Edilmesi Güven Aralıkları Popülasyon Ortalamasının Tahmin Edilmesi Tanımlar: Nokta Tahmini Popülasyon parametresi hakkında tek bir rakamdan oluşan tahmindir. Popülasyon ortalaması ile ilgili en iyi nokta tahmini

Detaylı

Derece Bölüm/Program Üniversite Yıl Lisans Matematik Ondokuz Mayıs Üniversitesi 1989 Y. Lisans Đstatistik Ondokuz Mayıs University 1992

Derece Bölüm/Program Üniversite Yıl Lisans Matematik Ondokuz Mayıs Üniversitesi 1989 Y. Lisans Đstatistik Ondokuz Mayıs University 1992 Öğrenim Durumu: Derece Bölüm/Program Üniversite Yıl Lisans Matematik Ondokuz Mayıs Üniversitesi 1989 Y. Lisans Đstatistik Ondokuz Mayıs University 1992 Doktora Matematik ve Bilgisayar Salford Üniversitesi

Detaylı

RİSK ANALİZİ VE AKTÜERYAL MODELLEME

RİSK ANALİZİ VE AKTÜERYAL MODELLEME SORU 1: Bir hasar sıklığı dağılımının rassal değişken olan ortalaması (0,8) aralığında tekdüze dağılmaktadır. Hasar sıklığı dağılımının Poisson karma dağılıma uyduğu bilindiğine göre 1 ya da daha fazla

Detaylı

ANKARA İLİ DELİCE İLÇESİ KÖPRÜSÜNÜN CPM METODU İLE MÜHENDİSLİK KRİTERLERİNİN BELİRLENMESİ

ANKARA İLİ DELİCE İLÇESİ KÖPRÜSÜNÜN CPM METODU İLE MÜHENDİSLİK KRİTERLERİNİN BELİRLENMESİ P A M U K K A L E Ü N İ V E R S İ T E S İ M Ü H E N D İ S L İ K F A K Ü L T E S İ P A M U K K A L E U N I V E R S I T Y E N G I N E E R I N G C O L L E G E M Ü H E N D İ S L İ K B İ L İ M L E R İ D E R

Detaylı

FARKLI YAPIM SİSTEMLERİ VE KONUT MALİYETLERİ

FARKLI YAPIM SİSTEMLERİ VE KONUT MALİYETLERİ FARKLI YAPIM SİSTEMLERİ VE KONUT MALİYETLERİ ESRA BOSTANCIOĞLU 1, EMEL DÜZGÜN BİRER 2 ÖZET Bir binanın fonsiyon ve performansının değerlendirilmesinde; diğerlerinin yanında maliyet önemli bir parametredir.

Detaylı

KİNETİK MODEL PARAMETRELERİNİN BELİRLENMESİNDE KULLANILAN OPTİMİZASYON TEKNİKLERİNİN KIYASLANMASI

KİNETİK MODEL PARAMETRELERİNİN BELİRLENMESİNDE KULLANILAN OPTİMİZASYON TEKNİKLERİNİN KIYASLANMASI KİNETİK MODEL PARAMETRELERİNİN BELİRLENMESİNDE KULLANILAN OPTİMİZASYON TEKNİKLERİNİN KIYASLANMASI Hatice YANIKOĞLU a, Ezgi ÖZKARA a, Mehmet YÜCEER a* İnönü Üniversitesi Mühendislik Fakültesi Kimya Mühendisliği

Detaylı

ANKARA İLİ DELİCE İLÇESİ KÖPRÜSÜNÜN CPM METODU İLE MÜHENDİSLİK KRİTERLERİNİN BELİRLENMESİ

ANKARA İLİ DELİCE İLÇESİ KÖPRÜSÜNÜN CPM METODU İLE MÜHENDİSLİK KRİTERLERİNİN BELİRLENMESİ PAMUKKALE ÜNÝVERSÝTESÝ MÜHENDÝSLÝK YIL FAKÜLTESÝ PAMUKKALE UNIVERSITY ENGINEERING CÝLT COLLEGE MÜHENDÝSLÝK BÝLÝMLERÝ SAYI DERGÝSÝ JOURNAL OF ENGINEERING SAYFA SCIENCES : 1995 : 1 : 2-3 : 95-103 ANKARA

Detaylı

SIRA İSTATİSTİKLERİ VE UYGULAMA ALANLARINDAN BİR ÖRNEĞİN DEĞERLENDİRMESİ

SIRA İSTATİSTİKLERİ VE UYGULAMA ALANLARINDAN BİR ÖRNEĞİN DEĞERLENDİRMESİ Sıra İstatistikleri ve Uygulama Alanlarından Bir Örneğin Değerlendirmesi 89 SIRA İSTATİSTİKLERİ VE UYGULAMA ALANLARINDAN BİR ÖRNEĞİN DEĞERLENDİRMESİ Esin Cumhur PİRİNÇCİLER Araş. Gör. Dr., Çanakkale Onsekiz

Detaylı

VERİ MADENCİLİĞİ (Karar Ağaçları ile Sınıflandırma) Yrd.Doç.Dr. Kadriye ERGÜN

VERİ MADENCİLİĞİ (Karar Ağaçları ile Sınıflandırma) Yrd.Doç.Dr. Kadriye ERGÜN VERİ MADENCİLİĞİ (Karar Ağaçları ile Sınıflandırma) Yrd.Doç.Dr. Kadriye ERGÜN kergun@balikesir.edu.tr İçerik Sınıflandırma yöntemleri Karar ağaçları ile sınıflandırma Entropi Kavramı ID3 Algoritması C4.5

Detaylı

The Study of Relationship Between the Variables Influencing The Success of the Students of Music Educational Department

The Study of Relationship Between the Variables Influencing The Success of the Students of Music Educational Department 71 Mehmet Akif Ersoy Üniversitesi Eğitim Fakültesi Dergisi, Yıl 9, Sayı 17, Haziran 2009, 71-76 Müzik Eğitimi Anabilim Dalı Öğrencilerinin Başarılarına Etki Eden Değişkenler Arasındaki İlişkinin İncelenmesi

Detaylı

Basit Doğrusal Regresyon Analizi ile Hiyerarşik Doğrusal Modeller Analizinin Karşılaştırılması

Basit Doğrusal Regresyon Analizi ile Hiyerarşik Doğrusal Modeller Analizinin Karşılaştırılması Eğitimde ve Psikoloide Ölçme ve Değerlendirme Dergisi, Kış 2010, 1(2), 78-84 Basit Doğrusal Regresyon Analizi ile Hiyerarşik Doğrusal Modeller Analizinin Karşılaştırılması Burcu ATAR * Hacettepe Üniversitesi

Detaylı

TUNÇBİLEK TERMİK SANTRALİ 5.ÜNİTE KAZANININ SAYISAL MODELLEMESİ

TUNÇBİLEK TERMİK SANTRALİ 5.ÜNİTE KAZANININ SAYISAL MODELLEMESİ TUNÇBİLEK TERMİK SANTRALİ 5.ÜNİTE KAZANININ SAYISAL MODELLEMESİ Faru ÖZDEMİR*, Yaup Erhan BÖKE İstanbul Teni Üniversitesi, Maina Faültesi, İnönü Caddesi No: 65 Gümüşsuyu 34437 İSTANBUL *Sorumlu yazar:

Detaylı

DOKUZ EYLÜL ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ DEKANLIĞI DERS/MODÜL/BLOK TANITIM FORMU. Dersin Orjinal Adı: STATISTICS. Dersin Kodu: STA 1302

DOKUZ EYLÜL ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ DEKANLIĞI DERS/MODÜL/BLOK TANITIM FORMU. Dersin Orjinal Adı: STATISTICS. Dersin Kodu: STA 1302 Dersi Veren Birim: Mühendislik Fakültesi Dersin Türkçe Adı: İSTATİSTİK Dersin Orjinal Adı: STATISTICS Dersin Düzeyi:(Ön lisans, Lisans, Yüksek Lisans, Doktora) Lisans Dersin Kodu: STA 0 Dersin Öğretim

Detaylı

3 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI

3 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI ÖNSÖZ İÇİNDEKİLER III Bölüm 1 İSTATİSTİK ve SAYISAL BİLGİ 11 1.1 İstatistik ve Önemi 12 1.2 İstatistikte Temel Kavramlar 14 1.3 İstatistiğin Amacı 15 1.4 Veri Türleri 15 1.5 Veri Ölçüm Düzeyleri 16 1.6

Detaylı

Bu tip verilerde bir gruba ait olan gözlemler birbirlerine benzerlik gösterirken diğer

Bu tip verilerde bir gruba ait olan gözlemler birbirlerine benzerlik gösterirken diğer YYÜ Eğitim Fakültesi Dergisi (YYU Journal Of Education Faculty),17,Cilt:XIV, Sayı:I,13-139 http://efdergi.yyu.edu.tr http://dx.doi.org/1.3891/yyuni.17.5 ISSN:135- İki Düzeyli Doğrusal Modeller İçin Tahmin

Detaylı

AKADEMİK YAKLAŞIMLAR DERGİSİ JOURNAL OF ACADEMIC APPROACHES

AKADEMİK YAKLAŞIMLAR DERGİSİ JOURNAL OF ACADEMIC APPROACHES Uluslararası Ham Petrol ve Altın Fiyatlarının Amerian Doları ile İlişisi: Amiri Bir Uygulama Mehmet Şentür 1 Yusuf Erem Abaş 2 Uğur Adıguzel 3 Özet Bu çalışmada, uluslararası altın ve etrol fiyatlarının

Detaylı

2. BASİT DOĞRUSAL REGRESYON 12

2. BASİT DOĞRUSAL REGRESYON 12 1. GİRİŞ 1 1.1 Regresyon ve Model Kurma / 1 1.2 Veri Toplama / 5 1.3 Regresyonun Kullanım Alanları / 9 1.4 Bilgisayarın Rolü / 10 2. BASİT DOĞRUSAL REGRESYON 12 2.1 Basit Doğrusal Regresyon Modeli / 12

Detaylı

ONDOKUZ MAYIS ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ KİMYA MÜHENDİSLİĞİ BÖLÜMÜ KMB 405 KİMYA MÜHENDİSLİĞİ LABORATUVARI - 3

ONDOKUZ MAYIS ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ KİMYA MÜHENDİSLİĞİ BÖLÜMÜ KMB 405 KİMYA MÜHENDİSLİĞİ LABORATUVARI - 3 ONOKUZ MAYIS ÜNİVERSİESİ MÜHENİSLİK FAKÜLESİ KİMYA MÜHENİSLİĞİ BÖLÜMÜ KMB 405 KİMYA MÜHENİSLİĞİ LABORAUVARI - 3 ENEY 5: KABUK ÜP ISI EĞİŞİRİCİ ENEYİ (SHALL AN UBE HEA EXCHANGER) EORİ ISI RANSFERİ Isı,

Detaylı

Kalite Fonksiyon Yayılımı Quality Function Deployment. Ar. Gör. Serdar Kılınç 14.02.2008

Kalite Fonksiyon Yayılımı Quality Function Deployment. Ar. Gör. Serdar Kılınç 14.02.2008 Kalite Fonsiyon Yayılımı Quality Function Deployment Ar. Gör. Serdar Kılınç 14.02.2008 Ürün/Hizmet Tasarımı ve Müşteri Belentileri Reabet gücünü sağlamada riti başarı fatörü müşteri belentilerini tam olara

Detaylı

Olasılık ve İstatistiğe Giriş-II (STAT 202) Ders Detayları

Olasılık ve İstatistiğe Giriş-II (STAT 202) Ders Detayları Olasılık ve İstatistiğe Giriş-II (STAT 202) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Saati Uygulama Saati Laboratuar Saati Kredi AKTS Olasılık ve İstatistiğe Giriş-II STAT 202 Bahar 3 0 0 3 5 Ön Koşul

Detaylı

Endüstri Mühendisliğinde İstatistiksel Uygulamalar (IE 442) Ders Detayları

Endüstri Mühendisliğinde İstatistiksel Uygulamalar (IE 442) Ders Detayları Endüstri Mühendisliğinde İstatistiksel Uygulamalar (IE 442) Ders Detayları Ders Adı Ders Dönemi Ders Kodu Saati Uygulama Saati Laboratuar Kredi AKTS Saati Endüstri Mühendisliğinde İstatistiksel Uygulamalar

Detaylı

İÇİNDEKİLER. BÖLÜM 1 Değişkenler ve Grafikler 1. BÖLÜM 2 Frekans Dağılımları 37

İÇİNDEKİLER. BÖLÜM 1 Değişkenler ve Grafikler 1. BÖLÜM 2 Frekans Dağılımları 37 İÇİNDEKİLER BÖLÜM 1 Değişkenler ve Grafikler 1 İstatistik 1 Yığın ve Örnek; Tümevarımcı ve Betimleyici İstatistik 1 Değişkenler: Kesikli ve Sürekli 1 Verilerin Yuvarlanması Bilimsel Gösterim Anlamlı Rakamlar

Detaylı

SIRADAN EN KÜÇÜK KARELER (OLS)

SIRADAN EN KÜÇÜK KARELER (OLS) SIRADAN EN KÜÇÜK KARELER (OLS) YÖNTEMİNİN ASİMPTOTİK ÖZELLİKLERİ Hüseyin Taştan 1 1 Yıldız Teknik Üniversitesi İktisat Bölümü Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge

Detaylı

PSK 510 Research Methods and Advanced Statistics

PSK 510 Research Methods and Advanced Statistics PSK 510 Research Methods and Advanced Statistics Lecture 09: PCA and FA Doğan Kökdemir, PhD http://www.kokdemir.info dogan@kokdemir.info 1 İstatistik Las Meninas - Picasso 2 Gerçek Las Meninas - Diego

Detaylı

Bu örnekte kullanılan veri 200 gözleme sahiptir ve örnek için özel olarak oluşturulmuştur.

Bu örnekte kullanılan veri 200 gözleme sahiptir ve örnek için özel olarak oluşturulmuştur. Değişen Varyans Örnek Bu örnekte kullanılan veri 200 gözleme sahiptir ve örnek için özel olarak oluşturulmuştur. 1 Aşağıda yer alan denklemi tahmin edelim; y i = β 0 + β 1 x 1i + β 2 x 2i + u i EViews

Detaylı

BAĞIMLI KUKLA DEĞİŞKENLİ MODELLER A- KADININ İŞGÜCÜNE KATILIM MODELİ NİN DOM İLE E-VIEWS DA ÇÖZÜMÜ

BAĞIMLI KUKLA DEĞİŞKENLİ MODELLER A- KADININ İŞGÜCÜNE KATILIM MODELİ NİN DOM İLE E-VIEWS DA ÇÖZÜMÜ BAĞIMLI KUKLA DEĞİŞKENLİ MODELLER A- KADININ İŞGÜCÜNE KATILIM MODELİ NİN DOM İLE E-VIEWS DA ÇÖZÜMÜ Modeldeki değişken tanımları aşağıdaki gibidir: IS= 1 i.kadının bir işi varsa (ya da iş arıyorsa) 0 Diğer

Detaylı

Olasılık ve İstatistik (IE 220) Ders Detayları

Olasılık ve İstatistik (IE 220) Ders Detayları Olasılık ve İstatistik (IE 220) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Saati Uygulama Saati Laboratuar Saati Kredi AKTS Olasılık ve İstatistik IE 220 Her İkisi 3 0 0 3 5 Ön Koşul Ders(ler)i Dersin

Detaylı