MUTFAK ARMATÜRÜ TASARIMININ KULLANICILARIN GÖRSEL ALGILARINA GÖRE LOJİSTİK REGRESYON YOLUYLA BELİRLENMESİ

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "MUTFAK ARMATÜRÜ TASARIMININ KULLANICILARIN GÖRSEL ALGILARINA GÖRE LOJİSTİK REGRESYON YOLUYLA BELİRLENMESİ"

Transkript

1 Endüstri Mühendisliði Dergisi Cilt: 9 Sayý: Sayfa: (7-3) Makina Mühendisleri Odasý MUTFAK ARMATÜRÜ TASARIMININ KULLANICILARIN GÖRSEL ALGILARINA GÖRE LOJİSTİK REGRESON OLULA BELİRLENMESİ Ezgi AKTAR DEMİRTAŞ, A. Sermet ANAGÜN, Gülser KÖKSAL * Eskişehir Osmangazi Universitesi, Endüstri Mühendisliği Bölümü, 6030, Eskişehir Tel: (0 ) e-osta: Orta Doğu Teknik Üniversitesi, Endüstri Mühendisliği Bölümü, 063, Ankara Tel: (0 3) 0 64 e-osta: Geliş Tarihi: 7 Kasım 007 ; Kabul Ediliş Tarihi: 9 Haziran 008 Bu makale kez düzeltilmek üzere 38 gün yazarlarda kalmıştır. ÖZET aılan çalışmada, mutfak armatürü tasarımında kullanıcı hislerini analiz ederek tasarım sürecine dahil etmek ve kullanıcıların görsel algılarına göre tasarım niteliklerinin düzeylerini eniyilemek üzere iki aşamalı bir yaklaşım önerilmiş ve uygulanmıştır. İlk aşamada kullanıcıların 38 farklı mutfak armatürünü, görsel algıları ölçmede kullanılan kansei sözcüğüne göre bir anlamsal farklılıklar ölçeğinde değerlendirmeleri istenmiştir. Elde edilen verilerden hareketle kullanıcıların genel tercih uanları ile kansei sözcük uanları arasındaki ilişki Doğrusal Regresyon ve Sıralı Lojistik Regresyon (SLOGREG) kullanılarak araştırılmıştır. İkinci aşamada, kullanıcıların genel tercih uanlarını enbüyükleyen tasarım düzeyleri SLOGREG ile belirlenerek doğrulama çalışmaları yaılmıştır. aılan çalışma; kullanıcı odaklı ürün tasarımında kullanabilecek etkili bir yaklaşım önermekte ve bu yaklaşımı mutfak armatürlerinin tasarımı üzerinde göstermektedir. Anahtar Sözcüler: Kullanıcı Odaklı Ürün Tasarımı, Mutfak Armatürü, Kansei Mühendisliği, Sıralı Lojistik Regresyon SINK MIXER DESIGN FOR VISUAL PERCEPTIONS OF USERS B LOGISTIC REGRESSION ABSTRACT In this study; a two-stage integrated aroach is roosed and imlemented to exlore user senses about sink mixers and otimization of design levels for visual ercetions. At the first stage, users have been asked to judge 38 different mixer designs by using a semantic differential (SD) scale for image (kansei) words about their visual ercetions. Then the relationshis between general reference and kansei scores of users are investigated by Linear Regression and Ordinal Logistic Regression (OLOGREG). At the second stage; the best design arameter levels for visual ercetions are determined to maximize general reference scores by OLOGREG, and the results are validated. This study rooses an aroach that can be used for user centered roduct design in general and demonstrates it for the design of sink mixers. Keywords: User Centred Product Design, Sink Mixer, Kansei Engineeering, Ordinal Logistic Regression * İletişim yazarı 7

2 Ezgi Aktar Demirtaş, A. Sermet Anagün, Gülser Köksal. GİRİŞ Ulusal ve uluslararası azarlarda rekabetin inanılmaz boyutlara ulaştığı günümüzde, kullanıcı istek ve beklentilerini karşılayan ürünleri azara en kısa sürede ve uygun fiyatla sunabilen firmalar önemli bir rekabet avantajına sahi olacaktır. Rekabet ortamında başarılı olmak isteyen firmaların kullanıcı odaklı tasarıma yönelmeleri gerekmektedir. Kalite Fonksiyon ayılımı (KF) ve KF yi destekleyen Üretilebilirlik ve Montaj için Tasarım, Değer Mühendisliği, Hata Türü ve Etkileri Analizi gibi yöntemler; ürünün erformans, uygunluk, güvenilirlik, dayanıklılık ve maliyet boyutlarını dikkate alarak kullanıcı odaklı ürünlerin tasarlanmasına yardımcı olur. Mevcut çalışmalarda ürün erformansına ilişkin beklentiler dikkate alınmakla birlikte, ürünün kullanıcıda uyandırdığı hissel beklentileri dikkate alan çalışmaların sayısı da giderek artmaktadır (Khalid ve Helander, 006). Nagamachi tarafından Hiroşima Üniversitesi nde geliştirilen Kansei Mühendisliği (KM) kullanıcıların göstermiş oldukları sikolojik ve fizyolojik tekilerden ve hislerini ifade eden sözcüklerden (kansei sözcükleri) hareketle, ürüne duydukları hisleri ölçmek ve bu hisleri tasarım sürecine dahil etmek için kullanılmakta, ürün tasarımında estetik ve algılanan kalite boyutuna odaklanılmaktadır (Nagamachi, 99). Kansei Mühendisliği önceden seçilen ürün alanına bağlı kalacak şekilde her biri bir vektör uzayını tarayan iki tanımlama sürecine göre yaılandırılır. Bu süreçler semantik olarak adlandırılan ve kullanıcı hislerini ifade eden kansei sözcük uzayının ve ürün özellikleri uzayının taranmasıdır. Daha sonra hangi ürün özelliklerinin (tasarım nitelikleri ve ilgili düzeyleri) hangi hisleri etkilediğini belirleyebilmek için sentezleme aşamasına geçilir. Sentezleme sonrasında doğrulama çalışmaları yaılarak gerekli görüldüğü durumlarda her iki vektör uzayı güncellenir ve sentezleme işlemi tekrarlanır (Shütte, 00). Literatürdeki KM uygulamalarını iki gruta tolamak mümkündür. İlk grutaki çalışmalar bir ürün ya da ürün grubu ile ilgili kullanıcı hislerinin (kansei sözcükleri) ve ürün imajlarının belirlenmesine yöneliktir (Zhang ve Shen, 999; Han vd., 000; Chuang ve Mab, 00; Karlsson, 003; Liu, 003; Khalid ve Helander, 004; Creusen ve Schoormans, 00; Hsiao ve Chen, 006). İkinci grutaki çalışmalar ise kullanıcıların genel tercihlerini etkileyen kansei sözcüklerinin ve sözcükler ile tasarım düzeyleri arasındaki ilişkilerin belirlenmesine yöneliktir. Araştırmacılar; kullanıcıların genel tercihlerini etkileyen kansei sözcüklerinin belirlenmesinde genel olarak Doğrusal Regresyon öntemi ni (Zhang ve Shen, 999; Hsu vd., 000, Chuang vd., 00), sözcükler ile tasarım düzeyleri arasındaki ilişkinin belirlenmesinde ise Korelasyon, Regresyon ve Konjoint Analizi gibi istatistiksel yöntemler ile aay Sinir Ağları (SA), bulanık SA, gri ilişkisel analiz ve kaba kümeleme gibi diğer yöntemleri kullanmıştır. Jindo ve Hirasago (997), Nakada (997), Kwon (999), un vd. (999), Kim vd. (003) sözcükler ile tasarım düzeyleri arasındaki ilişkiyi Korelasyon ve Regresyon Analizi; Hsu vd. (000), Chuang vd. (00) Konjoint Analizi; Hsiao and Huang (00), Hsiao ve Tsai (00); Lai vd. (00) ve Lai vd. (006) ise SA ve diğer yöntemler ile belirlemiştir. Analizlerde kullanılan verilerin elde edilmesi aşamasında Osgood vd. (97) tarafından geliştirilen Anlamsal Farklılıklar ölçeği kullanılmaktadır. Ürünler olumlu-olumsuz kansei sözcük çiftlerine göre -9 lu ölçekte değerlendirilir. Sıralı ölçekle ölçülen bu veriler kategorik yaıdadır. Dolayısı ile analizlerde mevcut istatistiksel yöntemleri kullanmak bazı sakıncalar yaratmaktadır. Örneğin Doğrusal Regresyon Analizi nin kullanılabilmesi için kullanıcıların genel tercih ve kansei sözcük uanlarının ürünler bazında ortalaması alınarak bağımlı ve bağımsız değişkenler sürekli hale getirilmektedir. Ancak sıralı ölçekle ölçülen verilerin ortalamasını almak doğru değildir. Ayrıca, ortalama değerlerin kullanılması veri kaybına neden olmakta, genel tercihe etki edebilecek bazı etkileşimler göz ardı edilmektedir. Benzer şekilde Konjoint Analizi ile ikili 8

3 Mutfak Armatürü Tasarımının Kullanıcıların Görsel Algılarına Göre Lojistik Regresyon oluyla Belirlenmesi etkileşim etkilerini hesalamak mümkün değildir. Mevcut çalışmalarda kansei sözcüklerinin ve tasarım düzeylerinin genel tercih üzerindeki etkisi araştırılırken ikili etkileşim etkileri ihmal edilmiştir. Diğer taraftan SA gibi karmaşık yöntemler kullanılarak modelleme yamak zordur. Firma çalışanlarının bu ti yöntemleri ve yöntemlere ilişkin yazılım ve araçları ratik ve etkili bir şekilde kullanmasını beklemek mümkün değildir. Bu sebele kansei sözcükleri ve tasarım düzeyleri ile genel tercih uanı arasındaki ilişkinin araştırılmasında, bağımlı ve bağımsız değişkenlerin sıralı ölçekle ölçüldüğü durumlarda kullanılabilen, ikili etkileşim etkilerini dikkate alan ve istatistiksel bir yöntem olan Sıralı Lojistik Regresyon (SLOGREG) önerilmiştir. aılan çalışmada, seçilen ürün alanına bağlı kalacak şekilde sözcük ve ürün özellikleri uzayı taranarak, sentezleme aşamasına geçilmiştir. Sentezleme aşaması iki adımdan oluşmaktadır. İlk adımda genel tercihe etki eden kansei sözcükleri ile genel tercih uanı arasındaki ilişki Doğrusal Regresyon ve SLOGREG ile araştırılarak sonuçlar karşılaştırılmıştır. İkinci adımda ise genel tercih uanları ile tasarım düzeyleri arasındaki ilişki SLOGREG ile araştırılarak kullanıcıların görsel algılarına göre eniyi tasarım düzeyleri belirlenmiştir. İlk adımdaki SLOGREG modeli, ikinci adımda SLOGREG in önerdiği en çok tercih edilen tasarım seçeneklerinin kullanıcılar tarafından nasıl betimlendiği ve bu ürünlerin imajları hakkında bilgi vermektedir. aılan doğrulama çalışmaları da SLOGREG modelinin önerdiği tasarım seçeneklerinin tercih edilme olasılığının yüksek olduğunu ve kullanıcılar tarafından beğenilen ürün imajlarının birinci adımda elde edilen SLOGREG modeli ile uyumlu olduğunu göstermektedir.. ÜRÜN ALANININ SEÇİMİ Uygulamanın yaıldığı lavabo, banyo, mutfak armatürleri ve banyo aksesuarları tasarlayan ve üreten firmada tasarımcıların oluşturduğu kavramsal tasarımların üretilebilir hale getirilmesinden önce kullanıcı hislerinin analizi ve tasarım sürecine dahil edilmesine yönelik bir çalışmanın yaılmadığı bilinmektedir. Çalışma konusu olarak, ise lavabo ve banyo armatürüne kıyasla, kullanıcıların duygu ve hislerini etkileyebilecek daha fazla faktöre sahi olan mutfak armatürleri seçilmiştir Fazla sayıda ürünün kullanıcılarca değerlendirilmesi zor ve zaman alıcı olduğundan çalışma; azarlama bölümünden alınan bilgiler doğrultusunda kullanıcılarca daha çok tercih edilen lavaboya montajlı, standart, su çıkış borusu gövdenin üzerinde, tek açma-kaama kollu ve fiyatları da birbirine yakın olan ev tii modellerle sınırlı tutulmuştur. 3. SEMANTİK UZAIN TARANMASI Üzerinde çalışılacak ürünün belirlenmesinden sonra kullanıcıların görsel algılarını ifade eden kansei sözcükleri Shütte nin (00) önerdiği gibi mevcut literatür, ürün katalogları, dergiler ve kullanım kılavuzlarını inceleyerek ve satış temsilcileri, otansiyel ve deneyimli kullanıcılarla yaılan yüz yüze görüşmeler sonucunda tolanmış, olumlu-olumsuz sözcük çiftleri olarak listelenmiştir. Kullanıcıların bu sözcükleri kullanarak ürünlere ilişkin çizimleri değerlendirecek olmalarından dolayı, görsel hisleri açıklayan sözcüklerin ön landa olmasına dikkat edilmiştir. Armatürde kol ve su çıkış borusunun şekilsel olarak kavrama ve kullanım kolaylığını etkilediği düşünüldüğünden kavramak zor-kolay, yıkama için elverişli-elverişsiz sözcük çiftleri de listede yer almıştır. Çok sayıda sözcük kullanmak anket süresini uzatarak veri kalitesinin düşmesine de sebe olacağından görsel hisleri ifade eden 47 sözcük çiftinin tasarım bölümünde görev yaan bir yönetici ve iki ürün tasarımcısı tarafından akınlık Diyagramı ile grulanması istenmiştir. aılan grulama işlemi sonucunda Tablo de görülen sözcük grubu elde edilmiş, kullanıcıların ürünle ilgili genel tercihlerini ölçmek için ise genel olarak kötü-iyi sözcük çifti de listeye eklenmiştir. 9

4 Ezgi Aktar Demirtaş, A. Sermet Anagün, Gülser Köksal Tablo. Kansei Sözcük Çiftleri.Kavramak zor-kolay.mat-parlak 9.ıkama için elverişsiz-elverişli.sıradan-sıradışı 6.Geleneksel-enilikçi 0.Uçuk-Makul 3.Parçalar uyumsuz-uyumlu 7.Kaba-Zarif.Köşeli-uvarlak 4.Göze batıyor-hita ediyor 8.Sade-Gösterişli.Genel olarak İyi-Kötü 4. ÜRÜN ÖZELLİKLERİ UZAININ TARANMASI KM literatüründe ürüne ilişkin nitelik ve düzeylerin ne şekilde belirleneceğine dair çok kaynak bulunmamaktadır. Ancak ürünle ilgili teknik belgeler, konu ile ilgili literatür, kullanım kılavuzları, uzmanlar ve deneyimli kullanıcılarla yaılan görüşmeler nitelik ve düzeylerin belirlenmesinde kullanılabilir (Shütte, 00). Analizlerde kullanılacak nitelik sayısı genellikle 6-7 olu bu sayı 0- e kadar çıkarken, düzey sayısı - arasında değişmektedir. Seçilen niteliklere ilişkin düzey sayıları, kestirimi yaılacak arametre sayısını vermektedir (Malhotra, 996). Tek açma kaama kollu mutfak armatürleri kendine özgü nitelik ve düzeyleri olan iki ana gruba ayrılmıştır. Grular açma-kaama kolunun konumu (yanda ve üstte) dikkate alınarak oluşturulmuştur. Açma kaama kolu üstte ve yanda olan modellere ilişkin nitelik ve düzeyler Tablo ve Tablo 3 te gösterilmiştir. Açma-kaama kolu yanda olan mutfak armatürleri için tolam tasarım alternatifi sayısı =6, üstte olan modeller için ise 3 4 =44 adettir. Ancak fazla sayıda alternatifin tasarlanması ya da her birinin üretilerek kullanıcıya sunulması ratikte mümkün değildir. Ayrıca, kullanıcıların tüm alternatifleri sıralamasını ya da uanlamasını istemek sağlıklı sonuç vermeyebilir. Bu sebele Taguchi nin L-6 ortogonal tasarımı (Phadke, 989) kullanılarak, açma-kaama kolu yanda ve üstte olan iki ürün grubu için 6 farklı ürün kombinasyonu elde edilmiştir. Ürün kombinasyonlarına ilişkin üç boyutlu çizimler oluşturulmuştur. Kullanıcıların görsel algıları; elde edilen ürün kombinasyonları ve iyasada mevcut olan 3 er ürünün üç boyutlu çizimleri kullanılarak ölçülmüştür. Açma-kaama kolu üstte ve yanda olan modeller için elde edilen kombinasyonlar Şekil ve Şekil de gösterilmiştir. Şekil ve Şekil deki son üç ürün iyasada mevcut olan ürünlerdir. Tablo. Açma-kaama Kolu Üstte Olan Modellere İlişkin Nitelik ve Düzeyler Nitelikler Düzeyler Gövde Geometrisi.Silindirik.Tek Gövde 3.Kübik Boru Tii.Köşeli.uvarlak 3.Kuğu Kol Tii.Düz.Delikli 3.Çubuk 4.Joystick Renk.Krom.Mat Krom 3.Krom Altın 4.Granit Tablo 3. Açma-kaama Kolu anda Olan Modellere İlişkin Nitelik ve Düzeyler Nitelikler Düzeyler Gövdenin.atay.Dikey Konumu Gövde Geometrisi.Silindirik.Konik 3.Kübik Boru Tii.Köşeli.L-Tii 3.uvarlak Kol Tii.Düz.Delikli 3.Çubuk Renk.Krom.Mat Krom 3.Krom Altın 4.Granit 0

5 Mutfak Armatürü Tasarımının Kullanıcıların Görsel Algılarına Göre Lojistik Regresyon oluyla Belirlenmesi Şekil.Tasarım Seçenekleri (Kol Üstte) Şekil. Tasarım Seçenekleri (Kol anda)

6 Ezgi Aktar Demirtaş, A. Sermet Anagün, Gülser Köksal. SENTEZLEME Sentezleme aşamasında, kansei sözcükleri ile ürün çizimlerinin kullanıcılar tarafından eşleştirilebilmesi için bir anket tasarlanmıştır. Tasarlanan anket iki bölümden oluşmaktadır. İlk bölümde, kullanıcıların kişisel bilgilerini içeren cinsiyet, medeni durum, sosyal statü, gelir seviyesi ve yaş gibi demografik sorular yer almaktadır. İkinci bölümde ise ürünlerin kansei sözcüklerine göre değerlendirilebilmesi için 7 li Anlamsal Farklılıklar ölçeği kullanılmıştır. Hazırlanan anketin güvenilirliğini, faktör yaılarını ve geçerliliğini test etmek üzere hedef kitle ile benzer özellikler gösteren farklı yaş, cinsiyet, meslek ve gelir grularından 38 kişiye anket uygulanmıştır. Kullanıcılara farklı ürün seçeneklerinden biri rassal olarak gösterilerek ankette yer alan soruyu cevalamaları istenmiştir. SPSS kullanılarak yaılan güvenilirlik analizleri sonucunda elde edilen Cronbach alfa katsayısı 0,66 tir. Cronbach alfa katsayısının 0,6 dan yüksek olması ölçeğin oldukça güvenilir olduğunu göstermektedir (Özdamar, 00). Güvenilir bulunan anketler kullanılarak Şekil ve de yer alan ürünler tüm örneklem grubu tarafından değerlendirilerek sonuçlar analiz edilmiştir. Firmanın azarlama yetkilileri ve azar araştırmalarına göre; mutfak armatürünü kullanan kişilerin %70 ini kadınlar oluşturmaktadır. İç iyasada bu markayı tercih eden tüm kullanıcıların sayısı (anakütledeki birey sayısı) ise tam olarak bilinmemektedir. Bu sebele bu markayı tercih eden () ve etmeyen (-) kullanıcı oranı 0. olarak kabul edilmiş (Kish, 99); () no lu eşitlik kullanılarak, %9 güven seviyesinde (α=0.0), % hata ayı ile (e= 0.0) gereken örnek büyüklüğü 96 olarak hesalanmıştır. z / ( ) n () e Kullanıcı kitlesinin %70 i kadınlardan oluştuğu için tabakalı örneklemedeki orantılı dağıtım yaklaşımı kullanılarak 70 i kadın, 30 u erkek olmak üzere 00 kullanıcıya anket uygulanmıştır. Tercih uanı üzerinde etkisi olan kansei sözcüklerinin belirlenmesi aşamasında literatürdeki Doğrusal Regresyon Analizi ve önerilen SLOGREG kullanılarak, her iki yöntemle elde edilen modeller karşılaştırılmıştır... Kansei sözcükleri ile genel tercih uanı arasındaki ilişkinin Doğrusal Regresyon Analizi ile belirlenmesi X i X i Her ürün için, her i kansei sözcüğünün aldığı ortalama uan ( X ) ve ortalama genel tercih i uanından ( ) oluşan veri kullanılarak, ve X i ler arasındaki ilişki Doğrusal Regresyon Analizi ile araştırılmıştır. Tolam sözcük sayısı olduğundan, ikili etkileşimlerin dikkate alınmadığı modeldeki tolam bağımsız X i değişken sayısı, ikili etkileşimlerle X i birlikte tolam değişken sayısı ise 66 olmaktadır. Analizlerde uan ortalamalarının kullanılmasından X i dolayı tolam gözlem sayısı ise 38 dir. Değişken sayısının gözlem sayısından fazla olması (serbestlik dereceleri) ve bu sebele tüm ikili etkileşimlerin modele dahil edilememesi nedeniyle Adım Adım Regresyon (Stewise Regression), İleriye Doğru Seçim (Forward Selection), Geriye Doğru Eleme (Backward Elimination) ve Eniyi Alt Kümeler (Best Subsets) yöntemleri kullanılarak çeşitli modeller elde edilmiştir. Hiyerarşik olmayan yaklaşım benimsenerek bu modeller içinden standart hatası (s) en düşük, belirlilik katsayısı (R-sq) en yüksek olan model seçilmiş, analiz sonuçları Tablo 4 te sunulmuştur. Buna göre model, verideki değişimin %74,9'unu açıklayabilmektedir. Modelde yer alan sabit terim dışındaki terimlerin herbiri anlamlılık testini geçmiştir ( 0,0). aılan artık değer analizleri, modelin varsayımlarının sağlandığını göstermektedir. Modelde; göze batıyor-göze hita ediyor, yıkama için elverişsiz-elverişli, köşeli-yuvarlak sözcükleri ile kaba-zarif ve yıkama için elverişsizelverişli etkileşimleri yer almaktadır. Model incelendiğinde, göze hita eden yuvarlak geometriye sahi yumuşak hatlı armatürler kullanıcıların genel tercih uan ortalamasını artırmaktadır. ıkama için elverişli olmasının yanı sıra kullanıcı tarafından zarif olarak tanımlanan armatürlerin de genel tercih uan ortalamasını artırdığını söylemek mümkündür. X i

7 Mutfak Armatürü Tasarımının Kullanıcıların Görsel Algılarına Göre Lojistik Regresyon oluyla Belirlenmesi Tablo 4. Doğrusal Regresyon Modeli Regresyon Modeli _ort = X X X X7*X9 Tahminleyici Katsayı St.Hata T P Sabit terim X X X X7*X S = R-Sq = 74.9% R-Sq(adj) = 7.9% Varyans Analizi Kaynak Sd SS MS F P Regresyon Hata Tolam Kansei sözcükleri ile genel tercih uanı arasındaki ilişkinin Sıralı Lojistik Regresyon Analizi ile belirlenmesi Lojistik Regresyon, bağımlı değişkenin kategorik (ikili, üçlü, çoklu), bağımsız değişkenlerin sürekli/ kategorik olduğu durumlarda, aralarındaki ilişkinin belirlenmesinde kullanılır. Bu yöntemde bağımsız değişkenlerin (X i ) bağımlı değişken () üzerindeki etkileri olasılık olarak hesalanmaktadır. SLOGREG, bağımlı değişkenlerin sıralı ölçekle ölçüldüğü durumlarda kullanılmaktadır (Hosmer ve Lemeshow, 000). SLOGREG ile tüm sözcüklerin ikili etkileşimleri k: Değerlendirmede kullanılacak sözcük sayısı (k=) a i : i. duruma ilişkin sabit terim (i=,,m-) x j : j. Kansei sözcüğü için tercih uanı β j : j. Kansei sözcüğüne ilişkin katsayı (j=,,k) θ i : i. duruma ilişkin lojit bağlantı fonksiyonu (i=,,m-) λ i : i durumunu da içeren birikimli olasılık değeri Tüm sözcük ve ikili etkileşimlerin yer aldığı modelde katsayıları önemli bulunan sözcük ve etkileşimler P ( i ) ; i P ( m ), i,..., m m () i i k k k a X X X, i,..., m i j j ij i j j i j log ( i ) ;, i,..., m e i i e i (3) (4) modele dahil edilmiş, uan ortalamaları yerine her bir kullanıcının uanı dikkate alınmıştır. Hosmer ve Lemeshow (000) tarafından kullanılan notasyonun yazarlar tarafından çalışmaya uyarlanmış hali izleyen şekildedir: m: Karşılaşılabilecek durum (bağımlı değişkenin alabileceği değer) sayısı (m=7) (<0,0) için analizler tekrarlanmış, elde edilen lojit model λ için () no lu eşitlikte gösterilmiştir: 4, 80066, X 00, X 08, X , X 009, X 0 044, X 0077, X Pearson ve Sama χ istatistiğine ilişkin değerleri sırası ile 0,98 ve olarak hesalanmıştır. Elde edilen 3 0, 89X 4 () 3

8 Ezgi Aktar Demirtaş, A. Sermet Anagün, Gülser Köksal değerlerinin 0,0 ten büyük olması % anlamlılık düzeyinde modelin verilere uymadığını söylemek için yeterli istatistiksel kanıt olmadığını göstermektedir. Modelde ikili etkileşim etkilerinin kritik olmadığı görülmektedir. Ancak bu durum her zaman geçerli olmayabilir. Örneğin; yuvarlak hatlı ya da mat renkli ürünler daha çok tercih edilirken yuvarlak hatlı olu mat olmayan (arlak renkli) ürünler kullanıcılar tarafından daha çok beğenilebilir. Doğrusal Regresyon Analizi ile elde edilen modele göre göze hita eden, yuvarlak hatlara sahi; hem yıkama için elverişli hem de zarif olan ürünler genel beğeniyi arttırırken; () no lu eşitlikte gösterilen SLOGREG modeline göre; kavraması kolay, sıradışı, göze hita eden, arlak olmayan (mat), zarif, iddaalı olmayan (makul) ve yuvarlak hatlara sahi armatürler lojit fonksiyonun değerini ve λ olasılığını azaltmakta, tercih uanlarının in üzerinde olma olasılığını ise artırmaktadır. Elde edilen model; tercih uanı yüksek olan armatürlerin kullanıcılar tarafından nasıl betimlendiği bilgisini vermektedir. Bu bilgi; yeni ürün tasarımında ya da mevcut tasarımların iyileştirilme sürecinde kullanılabilir. Prototi aşamasındaki ürünleri kullanıcılara betimleterek, genel beğenilerini bu modeli kullanarak tahmin etmek ve böylece ürünleri hızlıca test etmek mümkün olabilir. 6. ENİİ TASARIM DÜZELERİNİN BELİRLENMESİ Açma-kaama kolu üstte ve yanda olan modeller için kullanıcıların armatürü genel olarak nasıl buldunuz sorusuna vermiş oldukları uanları eniyileyen tasarım düzeyleri SLOGREG ile belirlenmiştir. Literatürde Hsu vd. (000) ve Chuang vd. (00) tarafından kullanılan Konjoint Analizi nde tasarım niteliklerine ilişkin önem oranlarının ve düzey fayda katsayılarının hesalanması yöntemin bir üstünlüğüdür. Önem oranı gövde geometrisi, kol tii, renk gibi niteliklerin; fayda katsayıları ise niteliklere ilişkin düzeylerin kullanıcıların tercihleri üzerindeki etkisini belirlemekte kullanılmaktadır. Diğer taraftan Konjoint Analizi ile ikili ve daha yüksek mertebeden etkileşim etkilerinin hesalanamaması sonuçların doğruluğunu etkilemektedir. SLOGREG, Konjoint Analizi nin yarattığı bu sakıncayı ortadan kaldırmaktadır. SLOGREG analizinde ikili etkileşim etkilerinin hesalanabilmesi için tasarım düzeyleri; açma-kaama kolu üstte olan modeller için Tablo te görüldüğü gibi kukla değişkenler şeklinde ifade edilmiştir. Tablo. Tasarım Düzeylerine İlişkin Kukla Değişkenler (Kol Üstte) G. Geometri X X Silindirik 0 0 Tek Gövde 0 Kübik 0 Boru Tii X 3 X 4 Köeli 0 0 uvarlak 0 Kuu 0 Kol Tii X X 6 X 7 Düz Delikli 0 0 Çubuk 0 0 Joystick 0 0 Renk X 8 X 9 X 0 Krom Mat Krom 0 0 Krom Altn 0 0 Granit 0 0 S P S S t e y a ı l a n a n a l i z l e r s o n u c u n d a ; P( )olasılığını hesalamada kullanılan lojit fonksiyon (θ ) elde edilmiştir (6 no lu eşitlik): Elde edilen modelin verilere uygunluğu (goodness of fit) incelendiğinde Pearson ve Sama χ istatistiklerine ilişkin değerlerinin 0,4 ve 0,7 olarak hesalandığı 30, 0, 00( X ) 4, 84( X 4, ( X 94, ( X 7 ) 038, ( X ), ( X ), 49( X )( X ) 497, ( X 3 8 ) 84, ( X ) 30, ( X 9 )( X 4 0 ), 48 ( X 3 ) 769, ( X ) 686, ( X ) ) 80, ( X )( X ) 844, ( X )( X ) )( X ) 3, 09( X )( X ) (6) 4

9 Mutfak Armatürü Tasarımının Kullanıcıların Görsel Algılarına Göre Lojistik Regresyon oluyla Belirlenmesi Tablo 6 da görülmektedir. değerlerinin 0,0 ten büyük olması da modelin % anlamlılık düzeyinde verilere uyduğunu göstermektedir. Tablo 6. Modelin Verilere Uygunluk Testi (Kol Üstte) serbestlik derecesi Pearson 3, ,4 Sama 3, ,7 (6) no lu eşitliğe göre (θ ) değerini enküçükleyen ve P( 6) olasılığını enbüyükleyen düzeyler X vektörü ile gösterilmiştir: X = (0,0,,0,0,0,,0,0,) θ = -, P( )=0,098 P( 6)= - P( )=0,90 dir. Diğer bir ifade ile silindirik gövdeli, yuvarlak borusu olan, joystick kollu, granit renkli bir armatür için P( 6) çıkma olasılığı 0,90 dir. Benzer şekilde, açma-kaama kolu yanda olan modeller için tasarım düzeyleri Tablo 7 de görüldüğü gibi kukla değişkenler şeklinde ifade edilmiştir. SPSS te yaılan analizler sonucunda; P( ) olasılığını hesalamada kullanılan lojit fonksiyon (θ ) elde edilmiştir (7 no lu eşitlik): Pearson ve Sama χ istatistiklerine ilişkin değerleri 0,68 ve 0,07 olarak hesalanmıştır (Tablo 8). değerlerinin 0,0 ten büyük olması verilerin % anlamlılık düzeyinde modele uyduğunu göstermektedir. Analiz sonuçlarına göre en iyi tasarım seçeneği X vektörü ile gösterilmiştir: X = (,,0,,0,,0,0,0,0) θ = -3,38 336, 337, ( X ) 3, 49( X ) 087, ( X ) 3, 70( X ) 03, ( X ) 4, 034( X ) 0, 087( X ), 499 ( X ) 090, ( X ), 9 ( X ) 7, ( X )( X ) 0, 784( X )( X ) 607, ( X )( X ) 98, ( X )( X ) 4, 8( X )( X ) (7) Tablo 7. Tasarım Düzeylerine İlişkin Kukla Değişkenler (Kol anda) G. Konum X atay 0 Dikey G. Geometri X X 3 Silindirik 0 0 Konik 0 Kübik 0 Boru Tii X 4 X Köeli 0 0 L-tii 0 uvarlak 0 Kol Tii X 6 X 7 Düz 0 0 Delikli 0 Çubuk 0 Renk X 8 X 9 X 0 Krom Mat Krom 0 0 Krom Altn 0 0 Granit 0 0

10 Ezgi Aktar Demirtaş, A. Sermet Anagün, Gülser Köksal Tablo 8. Modelin Verilere Uygunluk Testi (Kol anda) serbestlik derecesi Pearson 7,090 0,68 Sama 3,83 0,069 P( )=0,033 P( 6)= - P( )=0,967 dir. Dikey ve konik gövdeli, L-tii su çıkış borusu olan, delikli açma-kaama kollu, krom bir armatürün genel tercih uanının 6 ve üzerinde çıkma olasılığı dir. P( 6) olasılığını enbüyükleyen düzeylere karşı gelen tasarım seçenekleri Şekil 3 te sunulmuştur. 7. DOĞRULAMA SLOGREG modeli ile elde edilen ve Şekil 3 te görülen tasarım seçeneklerinin kullanıcılar tarafından gerçekten tercih edili edilmediğini ve ürün imajlarının ilk aşamadaki SLOGREG modeli ile uyumlu olu olmadığını belirlemek için doğrulama çalışması yaılmıştır. Erdural ın (006) kullanmış olduğu ve EK de özetlenen Delta öntemi ile P( 6) olasılıkları için güven aralıkları oluşturulmuştur. Açma-kaama kolu üstte olan ürünlerde P( 6) olasılığı için güven aralıkları 0,0 ( için L,U ) ( 0, 83, 0, 9 ) 0,0 ( için L,U ) ( 0, 80, 0, 96 ) Açma-kaama kolu yanda olan ürünlerde olasılığı için güven aralıkları 0,0 ( için L,U ) ( 0, 89, 0, 986 ) 0,0 ( için L,U ) ( 0, 8, 0, 99 ) Şekil 3 teki tasarım seçenekleri 3 kişi tarafından değerlendirilerek elde edilen P( 6) olasılıklarının oluşturulan güven aralığı içerisinde olu-olmadığı belirlenmiştir. Açma-kaama kolu üstte olan ürün için 3 kullanıcıdan 9 unun genel tercih uanı ve in üzerinde; 8 inin genel tercih uanı ise 6 ve 7 dir. Bu durumda P( 6) olasılığı 0,80 olmaktadır. %9 ve %99 güven seviyesinde P( 6) olasılığına ilişkin güven aralığının alt sınır değerleri sırası ile, %83 ve %80 olarak hesalanmıştır. Bu durumda tasarım seçeneğinin %99 güven seviyesinde güven aralığı içerisinde olduğu görülmektedir. SLOGREG modelinin önerdiği tasarım seçeneklerinin kullanıcıların zihinlerinde yarattığı imajın bölüm 4. de elde edilen modelle uyumlu olu olmadığını belirlemek için kansei sözcüklerine verilen uanlar ve (-4) eşitlikleri kullanılarak P( 6) olasılığı hesalanmış, sonuçlar gerçek uan değerleri ile EK. nin son iki sütununda karşılaştırılmıştır. Son iki Şekil 3. P( 6) Olasılığını Enbüyükleyen Tasarım Seçenekleri 6

11 Mutfak Armatürü Tasarımının Kullanıcıların Görsel Algılarına Göre Lojistik Regresyon oluyla Belirlenmesi sütun incelendiğinde, tahminlemenin %86 oranında doğru olduğu görülmektedir. Ayrıca EK. deki tabloya göre 3 kullanıcının si açma-kaama kolunun kolay kavranabildiğini, si sıradışı olduğunu, 7 si arçaların birbiri ile uyumlu olduğunu, 33 ü göze hita eden bir ürün olduğunu düşünmektedir. Ürün 33 kullanıcıda mat hissi yaratmıştır. 8 kullanıcı, ürünü zarif ve makul olarak değerlendirmektedir. Ürün 3 kullanıcıda yuvarlak hatlara sahi izlenimi yaratmıştır. Bu durumda sözcükler ile genel tercih uanı arasındaki ilişkinin belirlenmesinde kullanılan SLOGREG modelinin geçerli ve genel tercih uanlarını tahminlemede etkili olduğu söylenebilir. Açma-kaama kolu yanda olan ürünler için 3 kullanıcıdan 30 u ürüne 6 ve 7 uan vermişlerdir. Bu durumda P( 6) olasılığı 0.86 olmaktadır. Doğrulama sonucunda elde edilen olasılık değeri, %99 güven seviyesinde P( 6) olasılığına ilişkin güven aralığının içerisinde yer almaktadır. Kansei uanları dikkate alınarak elde edilen tahmini P( 6) olasılıkları ile gerçek uanlar karşılaştırıldığında tahminlemenin %83 oranında doğru yaıldığı görülmektedir (EK 3). 3 kullanıcının 3 i açma-kaama kolunun kolay kavranabildiğini, 7 si sıradışı, 3 si arçaların birbiri ile uyumlu ve 3 i göze hita eden bir ürün olduğunu düşünmektedir. Ürün 30 kullanıcıda mat hissi yaratmıştır. 30 kullanıcı, ürünü zarif, 9 kullanıcı makul olarak değerlendirmektedir. Ürün 7 kullanıcıda yumuşak (yuvarlak) hatlara sahi izlenimi yaratmıştır. Su çıkış borusunun L-tii olması ürünün sert hatlı ve köşeli olduğunu düşündürmektedir. Elde edilen sonuçlara göre kansei sözcükleri ile genel tercih uanları arasındaki ilişkiyi belirlemekte kullanılan SLOGREG modelinin açma-kaama kolu yanda olan ürünler için de geçerli olduğu teyit edilmiştir. 8. SONUÇ VE ÖNERİLER aılan çalışmanın ilk aşamasında mutfak armatürleri için kullanıcı hislerini etkileyen ürün imajları, ikinci aşamada ise açma-kaama kolu üstte ve yanda olan ürün gruları için kullacıların görsel algılarını eniyileyen tasarım düzeyleri SLOGREG ile belirlenmiştir. İlk aşamadaki model, ikinci aşamada en çok tercih edildiği belirlenen tasarım seçeneklerinin kullanıcılar tarafından ne şekilde betimlendiğini göstermektedir. Diğer bir ifade ile bu model, kullanıcılar tarafından beğenilen ürünlerin imajları hakkında iuçları vermektedir. SLOGREG modelinin önerdiği tasarım seçeneklerinin kullanıcılar tarafından tercih edili edilmediği ve bu ürünlerin kullanıcıların zihinlerinde oluşturduğu imajın ilk aşamada elde edilen modelle uyumlu olu olmadığını test etmek için doğrulama çalışmaları yaılmıştır. Elde edilen tasarım seçeneklerinin 3 kişilik bir kullanıcı grubu tarafından değerlendirilmesi istenmiş, tercihlere göre elde edilen olasılıkların ilgili güven aralıklarında olu olmadığı kontrol edilmiştir. Ayrıca kullanıcıların SLOGREG in önerdiği tasarım seçeneklerini ilk aşamada elde edilen modelle uyumlu şekilde betimledikleri de görülmüştür. Çalışmada kullanılan yaklaşım genel olarak ürün tasarımı otimizasyonunda kullanılabilecek, mevcut alternatiflerin zayıf yanlarını gideren etkili bir yaklaşımdır. Bu yaklaşım; kategorik yaıdaki verilerin analizinde kullanılabilmekte, etkileşim etkilerini dikkate almakta öte yandan modelleme aşamasında belirli bir uzmanlık gerektirmektedir. Doğrulama sonuçları somut olarak göstermiştir ki; SLOGREG modelinin önerdiği ürünlerin 6 ve üzerinde uan alması olasılığı, oldukça yüksektir. Maliyet ve zaman kısıtları nedeniyle yalnızca tüm kullanıcılar için SLOGREG modeli oluşturularak en iyi tasarım düzeyleri belirlenmiş, en iyi düzeylere karşı gelen ürünler için doğrulama çalışmaları yaılmıştır. Analizler farklı kullanıcı gruları için tekrar edilerek firmaya sunulabilir. Böylece firmadaki karar vericilere hangi müşteri gruları için hangi seçeneğin sunulacağı konusunda yardımcı olunabilir. Benzer çalışma firmanın üretmekte olduğu diğer ürün gruları (banyo, lavabo armatürleri, banyo aksesuarları) için de yaılarak en iyi tasarım düzeyleri belirlenebilir. aılan çalışmalar, kullanıcıların görsel algılarına göre en iyi tasarım seçeneklerini belirlemeye yöneliktir. 7

12 Ezgi Aktar Demirtaş, A. Sermet Anagün, Gülser Köksal Bir sonraki aşamada kullanıcıyı görsel yönden tatmin eden ürünün güvenilirliğini, sağlamlığını ve erformansını en iyilemek gerekmektedir. Bu bağlamda; Kalite Fonksiyon ayılımı, Üretilebilirlik ve Montaj için Tasarım, Hata Türü ve Etkileri Analizi, Deney Tasarımı ve Değer Analizi gibi yöntemlerden yararlanılarak kullanıcıyı tatmin eden, kolay üretilebilir ve montajlanabilir, düşük maliyetli rototiler ile seri üretim aşamasına geçmek mümkün olabilir. KANAKÇA. Chuang, M.C., Chang, C.C., Hsu, S. H. 00. Percetual factors underlying user references toward roduct form of mobile hones, International Journal of Industrial Ergonomics, 7, Chuang, M.C., Mab.C. 00. Exressing the exected roduct images in roduct design of micro-electronic roducts, International Journal of Industrial Ergonomics, 7, Creusen, M.E.H., Schoormans, J.P.L. 00. The different roles of roduct aearance in consumer choice, The Journal of Product Innovation Management,, Erdural, S A Method for Robust Design of Products or Processes with Categorical Resonse, METU, Ankara.. Han, S.H., un, M.H., Kim, K.J., Kwank, J Evaluation of roduct usability: develoment and validation of usability dimensions and design elements based on emirical models, International Journal of Industrial Ergonomics, 6 (4), Hosmer, D.W., Lemeshow, S Alied Logistic Regression (nd edition), John Wiley & Sons, New ork. 7. Hsiao, K.A., Chen, L.L Fundamental dimensions of affective resonses to roduct shaes, International Journal of Industrial Ergonomics, 36, Hsiao, S.W., Huang, H.C. 00. A neural network based aroach for roduct form design, Design Studies, 3, Hsiao, S.W., Tsai, H.C. 00. Alying a hybrid aroach based on fuzzy neural network and genetic algorithm to roduct form design, International Journal of Industrial Ergonomics, 3 (), Hsu, S.H., Chuang, M.C., Chang, C.C A semantic diferential study of designers and users roduct form ercetion, International Journal of Industrial Ergonomics,, Jindo, T., Hirasago, K Alication studies to car interior of Kansei engineering, International Journal of Industrial Ergonomics, 9, Karlsson, B.S.A., Aronsson, N., Sevensson, K.A Using semantic environment descrition as a tool to evaluate car interiors, Ergonomics, 46 (3-4), Khalid, H.M., Helander, M.G A framework for affective customer needs in roduct design, Theoretical Issues in Ergonomics, (), Khalid, H.M., Helander, M.G Customer emotional needs in roduct design, Concurrent Engineering: Research and Alication, 4 (3), Kim, J., Lee, J., Choi, D Designing emotionally evocative homeages: an emirical study of the quantitative relations between design factors and emotianal dimensions, International Journal of Human- Comuter Studies, 9, Kish, L. 99. Survey Samling, John Wiley and Sons, New ork. 7. Kwon, K.S Human sensibility ergonomics in roduct design, International Journal of Cognitive Ergonomics, 3 (), Lai, H.H., Lin,.C., eh, C.H. 00. Form design of roduct image using grey relational analysis and neural network models, Comuters and Industrial Engineering, 3, Lai, H.H., Lin,.C., eh, C.H., Wei, C.H Useroriented design for the otimal combination on roduct design, International Journal of Production Economics, 00 (), Liu, Engineering aesthetics and aesthetic ergonomics: theoritical foundations and dual rocess research methodology, Ergonomics, 46 (3-4), Malhotra, N.K Marketing Research, An Alied Orientation, Prentice Hall International, Georgia Institute of Technology.. Nagamachi, M. 99. Kansei Engineering: A new ergonomic consumer-oriented technology for roduct develoment, International Journal of Industrial Ergonomics,, Nakada, K Kansei engineering research on the design of construction machinery, International Journal of Industrial Ergonomics, 9, Osgood, C.E., Suci, G.J., Tannenbaum, P.H. 97. The Measurement of Meaning, Chamagne, University of Ilinois Press.. Özdamar, K. 00. Paket Programlar ile İstatistiksel Veri 8

13 Mutfak Armatürü Tasarımının Kullanıcıların Görsel Algılarına Göre Lojistik Regresyon oluyla Belirlenmesi Analizi (Çok Değişkenli Analizler),. Basım, Etam A.Ş., Eskişehir. 6. Phadke, M Quality Engineering Using Robust Design, Prentice Hall, New Jersey. 7. Shütte, S. 00. Integrating Kansei Engineering Methodology in Product Develoment, Linköing Studies in Science and Technology, Sweden. 8. un, M.H., Han, S.H., Kim, K.J., Han, S Measuring customer ercetions on roduct usability: develoment of image and imression attributes of consumer electronic roducts, Proceedings of the Human Factors and Ergonomics Society Annual Meeting, Texas, Zhang, L., Shen, W Sensory Evaluation of Commercial Truck Interiors, SAE Technical Paer Series, Michigan. EK. Güven Aralığı Hesabı P ( 6) olasl için güven aralklar izleyen ekilde hesalanmaktadr: : lgilenilen olayn gerçekleme olasl Cov ( ) G : Kovaryans matrisi ( o k /, /, /,... / ) Var ( ) G Cov ( ) G T q ln( ) Var ( q) ( ) q için güven aral; L q z / Var ( q) U q z Var ( ) / q için güven aral; Var ( ) U U e L L e 9

14 Ezgi Aktar Demirtaş, A. Sermet Anagün, Gülser Köksal EK. Doğrulama Sonuçları (Kol Üstte) Kullanc X X X 3 X 4 X X 7 X 0 X P ( ) P ( 6) ,49 0,09 > ,4 0,88 > ,48 0, > ,393 0,607 > ,608 > ,4 0,48 > ,60 0, ,0 0,49 > ,688 0, ,479 0, > ,49 0,08 > ,36 0,63 > ,674 0, ,407 0,93 > ,334 0,666 > ,337 0,663 > , 0, ,77 0, ,449 0, > ,4 0,78 > ,40 0,0 > ,486 0,4 > ,49 0,0 > ,47 0, > ,66 0, ,470 0,30 > ,60 0, ,464 0,36 > ,3 0,68 > ,4 0, ,48 0,4 > ,487 0,3 > ,38 0,6 > ,30 0,470 <= ,46 0,39 > 6 30

15 Mutfak Armatürü Tasarımının Kullanıcıların Görsel Algılarına Göre Lojistik Regresyon oluyla Belirlenmesi EK 3. Doğrulama Sonuçları (Kol anda) Kullanc X X X 3 X 4 X X 7 X 0 X P ( ) P ( 6) ,46 0,44 > ,443 0,7 > ,00 0, ,44 0, > ,4 0,78 > ,40 0,90 > ,86 0, ,408 0,9 > ,490 0,0 > ,493 0,07 > ,0 0, ,6 0,739 > ,43 0,87 > ,433 0,67 > ,476 0,4 > ,99 0,70 > ,496 0,04 > ,9 0, ,49 0,7 > ,4 0,7 > ,487 0,3 > ,3 0, ,43 0,69 > ,49 0,09 > ,687 0, ,4 0,49 > ,670 0, ,49 0,08 > ,383 0,67 > ,367 0,633 > ,493 0,07 > ,48 0,7 > ,49 0,09 > ,08 0,49 <= ,3 0,469 <= 3

YABANCI DİL EĞİTİMİ VEREN ÖZEL BİR EĞİTİM KURUMUNDAKİ ÖĞRENCİLERİN BEKLENTİLERİNİN ARAŞTIRILMASI. Sibel SELİM 1 Efe SARIBAY 2

YABANCI DİL EĞİTİMİ VEREN ÖZEL BİR EĞİTİM KURUMUNDAKİ ÖĞRENCİLERİN BEKLENTİLERİNİN ARAŞTIRILMASI. Sibel SELİM 1 Efe SARIBAY 2 Dokuz Eylül Üniversitesi Sosyal Bilimler Enstitüsü Dergisi Cilt 5, Sayı:2, 2003 YABANCI DİL EĞİTİMİ VEREN ÖZEL BİR EĞİTİM KURUMUNDAKİ ÖĞRENCİLERİN BEKLENTİLERİNİN ARAŞTIRILMASI Sibel SELİM 1 Efe SARIBAY

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

İstatistik ve Olasılık

İstatistik ve Olasılık İstatistik ve Olasılık KORELASYON ve REGRESYON ANALİZİ Doç. Dr. İrfan KAYMAZ Tanım Bir değişkenin değerinin diğer değişkendeki veya değişkenlerdeki değişimlere bağlı olarak nasıl etkilendiğinin istatistiksel

Detaylı

İLERİ BİYOİSTATİSTİK KURSU

İLERİ BİYOİSTATİSTİK KURSU 1.GÜN (14 Eylül 2017) 08:30-09:00 Kurs Kayıt Açılış Konuşması 09:00-10:00 Tanışma -Katılımcıların Temel İstatistik Bilgisinin Değerlendirilmesio Çok Değişkenli İstatistiksel Yöntemlere Giriş o Basit Doğrusal

Detaylı

Matris Cebiriyle Çoklu Regresyon Modeli

Matris Cebiriyle Çoklu Regresyon Modeli Matris Cebiriyle Çoklu Regresyon Modeli Hüseyin Taştan Mart 00 Klasik Regresyon Modeli k açıklayıcı değişkenden oluşan regresyon modelini her gözlem i için aşağıdaki gibi yazabiliriz: y i β + β x i + β

Detaylı

İçindekiler. Pazarlama Araştırmalarının Önemi

İçindekiler. Pazarlama Araştırmalarının Önemi İçindekiler Birinci Bölüm Pazarlama Araştırmalarının Önemi 1.1. PAZARLAMA ARAŞTIRMALARININ TANIMI VE ÖNEMİ... 1 1.2. PAZARLAMA ARAŞTIRMASI İŞLEVİNİN İŞLETME ORGANİZASYONU İÇİNDEKİ YERİ... 5 1.3. PAZARLAMA

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

Üniversitelerde Yapılan Öğrenci Memnuniyet Anketinin Grey Evaluation Metodu ile Ölçülmesi

Üniversitelerde Yapılan Öğrenci Memnuniyet Anketinin Grey Evaluation Metodu ile Ölçülmesi Üniversitelerde Yapılan Öğrenci Memnuniyet Anketinin Grey Evaluation Metodu ile Ölçülmesi *1 Yusuf Hayırsever ve 2 Salih Görgünoğlu *1 Mühendislik Fakültesi, Bilgisayar Mühendisliği Bölümü, Karabük, Türkiye

Detaylı

3. TAHMİN En Küçük Kareler (EKK) Yöntemi 1

3. TAHMİN En Küçük Kareler (EKK) Yöntemi 1 3. TAHMİN 3.1. En Küçük Kareler (EKK) Yöntemi 1 En Küçük Kareler (EKK) yöntemi, regresyon çözümlemesinde en yaygın olarak kullanılan, daha sonra ele alınacak bazı varsayımlar altında çok aranan istatistiki

Detaylı

LOJİSTİK REGRESYON ANALİZİ

LOJİSTİK REGRESYON ANALİZİ LOJİSTİK REGRESYON ANALİZİ Lojistik Regresyon Analizini daha kolay izleyebilmek için bazı terimleri tanımlayalım: 1. Değişken (incelenen özellik): Bireyden bireye farklı değerler alabilen özellik, fenomen

Detaylı

Sosyal Bilimler İçin Veri Analizi El Kitabı

Sosyal Bilimler İçin Veri Analizi El Kitabı 292 Dicle Üniversitesi Ziya Gökalp Eğitim Fakültesi Dergisi, 18 (2012) 292-297 KİTAP İNCELEMESİ Sosyal Bilimler İçin Veri Analizi El Kitabı Editör Doç. Dr. Şener BÜYÜKÖZTÜRK Dilek SEZGİN MEMNUN 1 Bu çalışmada,

Detaylı

İÇİNDEKİLER BİRİNCİ KISIM: TASARIM PAZARLAMA ARAŞTIRMASINA GİRİŞ

İÇİNDEKİLER BİRİNCİ KISIM: TASARIM PAZARLAMA ARAŞTIRMASINA GİRİŞ İÇİNDEKİLER ÖNSÖZ... v TEŞEKKÜR... vi İKİNCİ BASKIYA ÖNSÖZ VE TEŞEKKÜR... vii İÇİNDEKİLER... ix ŞEKİLLER LİSTESİ... xviii TABLOLAR LİSTESİ... xx BİRİNCİ KISIM: TASARIM BİRİNCI BÖLÜM PAZARLAMA ARAŞTIRMASINA

Detaylı

H.Ü. Bilgi ve Belge Yönetimi Bölümü BBY 208 Sosyal Bilimlerde Araştırma Yöntemleri II (Bahar 2012) SPSS Ders Notları II (19 Nisan 2012)

H.Ü. Bilgi ve Belge Yönetimi Bölümü BBY 208 Sosyal Bilimlerde Araştırma Yöntemleri II (Bahar 2012) SPSS Ders Notları II (19 Nisan 2012) H.Ü. Bilgi ve Belge Yönetimi Bölümü BBY 208 Sosyal Bilimlerde Araştırma Yöntemleri II (Bahar 2012) SPSS Ders Notları II (19 Nisan 2012) Aşağıdaki analizlerde lise öğrencileri veri dosyası kullanılmıştır.

Detaylı

TRAFĠK KAZA ĠSTATĠSTĠKLERĠNE ANALĠTĠK BĠR BAKIġ. Prof.Dr.Tülay Saraçbaşı Hacettepe Üniversitesi İstatistik Bölümü, Ankara. Özet

TRAFĠK KAZA ĠSTATĠSTĠKLERĠNE ANALĠTĠK BĠR BAKIġ. Prof.Dr.Tülay Saraçbaşı Hacettepe Üniversitesi İstatistik Bölümü, Ankara. Özet TRAFĠK KAZA ĠSTATĠSTĠKLERĠNE ANALĠTĠK BĠR BAKIġ Prof.Dr.Tülay Saraçbaşı Hacettepe Üniversitesi İstatistik Bölümü, Ankara Özet Trafik kazasına neden olan etkenler sürücü, yaya, yolcu olmak üzere insana

Detaylı

Yaz Stajı II (IE 499) Ders Detayları

Yaz Stajı II (IE 499) Ders Detayları Yaz Stajı II (IE 499) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Saati Uygulama Saati Laboratuar Saati Kredi AKTS Yaz Stajı II IE 499 Güz 0 0 0 0 6 Ön Koşul Ders(ler)i IE 399 Dersin Dili Dersin Türü

Detaylı

İçindekiler vii Yazarların Ön Sözü xiii Çevirenin Ön Sözü xiv Teşekkürler xvi Semboller Listesi xvii. Ölçme, İstatistik ve Araştırma...

İçindekiler vii Yazarların Ön Sözü xiii Çevirenin Ön Sözü xiv Teşekkürler xvi Semboller Listesi xvii. Ölçme, İstatistik ve Araştırma... İçindekiler İçindekiler vii Yazarların Ön Sözü xiii Çevirenin Ön Sözü xiv Teşekkürler xvi Semboller Listesi xvii BÖLÜM 1 Ölçme, İstatistik ve Araştırma...1 Ölçme Nedir?... 3 Ölçme Süreci... 3 Değişkenler

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

Kitle: Belirli bir özelliğe sahip bireylerin veya birimlerin tümünün oluşturduğu topluluğa kitle denir.

Kitle: Belirli bir özelliğe sahip bireylerin veya birimlerin tümünün oluşturduğu topluluğa kitle denir. BÖLÜM 1: FREKANS DAĞILIMLARI 1.1. Giriş İstatistik, rasgelelik içeren olaylar, süreçler, sistemler hakkında modeller kurmada, gözlemlere dayanarak bu modellerin geçerliliğini sınamada ve bu modellerden

Detaylı

Temel ve Uygulamalı Araştırmalar için Araştırma Süreci

Temel ve Uygulamalı Araştırmalar için Araştırma Süreci BÖLÜM 8 ÖRNEKLEME Temel ve Uygulamalı Araştırmalar için Araştırma Süreci 1.Gözlem Genel araştırma alanı 3.Sorunun Belirlenmesi Sorun taslağının hazırlanması 4.Kuramsal Çatı Değişkenlerin açıkça saptanması

Detaylı

ÇİMENTO BASMA DAYANIMI TAHMİNİ İÇİN YAPAY SİNİR AĞI MODELİ

ÇİMENTO BASMA DAYANIMI TAHMİNİ İÇİN YAPAY SİNİR AĞI MODELİ ÇİMENTO BASMA DAYANIMI TAHMİNİ İÇİN YAPAY SİNİR AĞI MODELİ Ezgi Özkara a, Hatice Yanıkoğlu a, Mehmet Yüceer a, * a* İnönü Üniversitesi Mühendislik Fakültesi Kimya Mühendisliği Bölümü, Malatya, 44280 myuceer@inonu.edu.tr

Detaylı

2. REGRESYON ANALİZİNİN TEMEL KAVRAMLARI Tanım

2. REGRESYON ANALİZİNİN TEMEL KAVRAMLARI Tanım 2. REGRESYON ANALİZİNİN TEMEL KAVRAMLARI 2.1. Tanım Regresyon analizi, bir değişkenin başka bir veya daha fazla değişkene olan bağımlılığını inceler. Amaç, bağımlı değişkenin kitle ortalamasını, açıklayıcı

Detaylı

HEMŞİRE TARAFINDAN VERİLEN EĞİTİMİN BESLENME YÖNETİMİNE ETKİSİ

HEMŞİRE TARAFINDAN VERİLEN EĞİTİMİN BESLENME YÖNETİMİNE ETKİSİ HEMŞİRE TARAFINDAN VERİLEN EĞİTİMİN BESLENME YÖNETİMİNE ETKİSİ Özlem Bulantekin Düzalan*, Sezgi Çınar Pakyüz** * Çankırı Karatekin Üniversitesi Sağlık Yüksekokulu ** Celal Bayar Üniversitesi Manisa Sağlık

Detaylı

ELEKTRONİK MÜHENDİSLİĞİ NDE KİMYA EĞİTİMİNİN GEREKLİLİĞİNİN İKİ DEĞİŞKENLİ KORELASYON YÖNTEMİ İLE İSTATİSTİKSEL OLARAK İNCELENMESİ

ELEKTRONİK MÜHENDİSLİĞİ NDE KİMYA EĞİTİMİNİN GEREKLİLİĞİNİN İKİ DEĞİŞKENLİ KORELASYON YÖNTEMİ İLE İSTATİSTİKSEL OLARAK İNCELENMESİ ELEKTRONİK MÜHENDİSLİĞİ NDE KİMYA EĞİTİMİNİN GEREKLİLİĞİNİN İKİ DEĞİŞKENLİ KORELASYON YÖNTEMİ İLE İSTATİSTİKSEL OLARAK İNCELENMESİ Güven SAĞDIÇ Dokuz Eylül Üniversitesi Mühendislik Fakültesi Elektrik-Elektronik

Detaylı

ANADOLU ÜNİVERSİTESİ REGRESYON KATSAYILARININ GÜVEN ARALIĞI = + REGRESYON KATSAYILARININ GÜVEN ARALIĞI

ANADOLU ÜNİVERSİTESİ REGRESYON KATSAYILARININ GÜVEN ARALIĞI = + REGRESYON KATSAYILARININ GÜVEN ARALIĞI ANADOLU ÜNİVERSİTESİ Deney Tasarımı ve Regresyon Analizi Regresyonda Güven Aralıkları ve Hipotez Testleri Doç. Dr. Nihal ERGİNEL-2015 REGRESYON KATSAYILARININ GÜVEN ARALIĞI + in güven aralığı : i-) n 30

Detaylı

SPSS Uygulamalı Çok Değişkenli İstatistik Teknikleri

SPSS Uygulamalı Çok Değişkenli İstatistik Teknikleri Elementary Education Online, 12(1), k: 1 6, 2013. İlköğretim Online, 12(1), b:1 6, 2013. [Online]: http://ilkogretim online.org.tr KİTAP İNCELEMESİ SPSS Uygulamalı Çok Değişkenli İstatistik Teknikleri

Detaylı

T.C. Hitit Üniversitesi. Sosyal Bilimler Enstitüsü. İşletme Anabilim Dalı

T.C. Hitit Üniversitesi. Sosyal Bilimler Enstitüsü. İşletme Anabilim Dalı T.C. Hitit Üniversitesi Sosyal Bilimler Enstitüsü İşletme Anabilim Dalı X, Y, Z KUŞAĞI TÜKETİCİLERİNİN YENİDEN SATIN ALMA KARARI ÜZERİNDE ALGILANAN MARKA DENKLİĞİ ÖĞELERİNİN ETKİ DÜZEYİ FARKLILIKLARININ

Detaylı

BÖLÜM 12 STUDENT T DAĞILIMI

BÖLÜM 12 STUDENT T DAĞILIMI 1 BÖLÜM 12 STUDENT T DAĞILIMI 'Student t dağılımı' ya da kısaca 't dağılımı'; normal dağılım ve Z dağılımının da içerisinde bulunduğu 'sürekli olasılık dağılımları' ailesinde yer alan dağılımlardan bir

Detaylı

Kalite Fonksiyon Yayılımı için Yeni Bir Yaklaşım: Bir Uygulama

Kalite Fonksiyon Yayılımı için Yeni Bir Yaklaşım: Bir Uygulama Kalite Fonksiyon Yayılımı için Yeni Bir Yaklaşım: Bir Uygulama Elif Kılıç-Delice 1, Zülal Güngör 2 1 Atatürk Üniversitesi, Endüstri Mühendisliği Bölümü, Erzurum 2 Gazi Üniversitesi, Endüstri Mühendisliği

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

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

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

ulu Sosy Anahtar Kelimeler: .2014, Makale Kabul Tarihi:21.10.2014 2014, Cilt:11, 163-184

ulu Sosy Anahtar Kelimeler: .2014, Makale Kabul Tarihi:21.10.2014 2014, Cilt:11, 163-184 ulu.2014, Makale Kabul Tarihi:21.10.2014 Sosy Anahtar Kelimeler: 2014, Cilt:11, 163184 The Relaionship Between Social Capital of Schools And Organizational Image Based On Perceptions of Teachers Abstract:The

Detaylı

FEN BİLGİSİ ÖĞRETMEN ADAYLARININ FEN BRANŞLARINA KARŞI TUTUMLARININ İNCELENMESİ

FEN BİLGİSİ ÖĞRETMEN ADAYLARININ FEN BRANŞLARINA KARŞI TUTUMLARININ İNCELENMESİ FEN BİLGİSİ ÖĞRETMEN ADAYLARININ FEN BRANŞLARINA KARŞI TUTUMLARININ İNCELENMESİ Sibel AÇIŞLI 1 Ali KOLOMUÇ 1 1 Artvin Çoruh Üniversitesi, Eğitim Fakültesi, İlköğretim Bölümü Özet: Araştırmada fen bilgisi

Detaylı

Yrd. Doç. Dr. Mehmet Güçlü

Yrd. Doç. Dr. Mehmet Güçlü Dersin Adı DERS ÖĞRETİM PLANI Ekonometri I Dersin Kodu ECO 301 Dersin Türü (Zorunlu, Seçmeli) Dersin Seviyesi (Ön Lisans, Lisans, Yüksek Lisans, Doktora) Dersin AKTS Kredisi 6 Haftalık Ders Saati 4 Haftalık

Detaylı

KARŞILAŞTIRMA İSTATİSTİĞİ, ANALİTİK YÖNTEMLERİN KARŞILAŞTIRILMASI, BİYOLOJİK DEĞİŞKENLİK. Doç.Dr. Mustafa ALTINIŞIK ADÜTF Biyokimya AD 2005

KARŞILAŞTIRMA İSTATİSTİĞİ, ANALİTİK YÖNTEMLERİN KARŞILAŞTIRILMASI, BİYOLOJİK DEĞİŞKENLİK. Doç.Dr. Mustafa ALTINIŞIK ADÜTF Biyokimya AD 2005 KARŞILAŞTIRMA İSTATİSTİĞİ, ANALİTİK YÖNTEMLERİN KARŞILAŞTIRILMASI, BİYOLOJİK DEĞİŞKENLİK Doç.Dr. Mustafa ALTINIŞIK ADÜTF Biyokimya AD 2005 1 Karşılaştırma istatistiği Temel kavramlar: Örneklem ve evren:

Detaylı

Doç. Dr. Dilek ALTAŞ İSTATİSTİKSEL ANALİZ

Doç. Dr. Dilek ALTAŞ İSTATİSTİKSEL ANALİZ I Doç. Dr. Dilek ALTAŞ İSTATİSTİKSEL ANALİZ II Yayın No : 2845 Teknik Dizisi : 158 1. Baskı Şubat 2013 İSTANBUL ISBN 978-605 - 377 868-4 Copyright Bu kitabın bu basısı için Türkiye deki yayın hakları BETA

Detaylı

UYGULAMA 1 SPSS E GİRİŞ. SPSS; File, Edit, View, Data, Transform, Analyze, Graphs, Utilities, Window, Help adlı 10 adet program menüsü içermektedir.

UYGULAMA 1 SPSS E GİRİŞ. SPSS; File, Edit, View, Data, Transform, Analyze, Graphs, Utilities, Window, Help adlı 10 adet program menüsü içermektedir. 1 UYGULAMA 1 SPSS E GİRİŞ SPSS; File, Edit, View, Data, Transform, Analyze, Graphs, Utilities, Window, Help adlı 10 adet program menüsü içermektedir. Bu menülerin işlevleri ve alt menüleri ile komutları

Detaylı

BÖLÜM 13 HİPOTEZ TESTİ

BÖLÜM 13 HİPOTEZ TESTİ 1 BÖLÜM 13 HİPOTEZ TESTİ Bilimsel yöntem aşamalarıyla tanımlanmış sistematik bir bilgi üretme biçimidir. Bilimsel yöntemin aşamaları aşağıdaki gibi sıralanabilmektedir (Karasar, 2012): 1. Bir problemin

Detaylı

1. FARKLILIKLARIN TESPİTİNE YÖNELİK HİPOTEZ TESTLERİ

1. FARKLILIKLARIN TESPİTİNE YÖNELİK HİPOTEZ TESTLERİ 1. FARKLILIKLARIN TESPİTİNE YÖNELİK HİPOTEZ TESTLERİ Örneklem verileri kullanılan her çalışmada bir örneklem hatası çıkma riski her zaman söz konusudur. Dolayısıyla istatistikte bu örneklem hatasının meydana

Detaylı

BÖLÜM-1.BİLİM NEDİR? Tanımı...1 Bilimselliğin Ölçütleri...2 Bilimin İşlevleri...3

BÖLÜM-1.BİLİM NEDİR? Tanımı...1 Bilimselliğin Ölçütleri...2 Bilimin İşlevleri...3 KİTABIN İÇİNDEKİLER BÖLÜM-1.BİLİM NEDİR? Tanımı...1 Bilimselliğin Ölçütleri...2 Bilimin İşlevleri...3 BÖLÜM-2.BİLİMSEL ARAŞTIRMA Belgesel Araştırmalar...7 Görgül Araştırmalar Tarama Tipi Araştırma...8

Detaylı

Geçmişten Günümüze Kastamonu Üniversitesi Dergisi: Yayımlanan Çalışmalar Üzerine Bir Araştırma 1

Geçmişten Günümüze Kastamonu Üniversitesi Dergisi: Yayımlanan Çalışmalar Üzerine Bir Araştırma 1 Mart 2017 Cilt:25 No:2 Kastamonu Eğitim Dergisi xii-xxi Geçmişten Günümüze Kastamonu Üniversitesi Dergisi: Yayımlanan Çalışmalar Üzerine Bir Araştırma 1 Lütfi İNCİKABI, Samet KORKMAZ, Perihan AYANOĞLU,

Detaylı

OSPF PROTOKOLÜNÜ KULLANAN ROUTER LARIN MALİYET BİLGİSİNİN BULANIK MANTIKLA BELİRLENMESİ

OSPF PROTOKOLÜNÜ KULLANAN ROUTER LARIN MALİYET BİLGİSİNİN BULANIK MANTIKLA BELİRLENMESİ OSPF PROTOKOLÜNÜ KULLANAN ROUTER LARIN MALİYET BİLGİSİNİN BULANIK MANTIKLA BELİRLENMESİ Resul KARA Elektronik ve Bilgisayar Eğitimi Bölümü Teknik Eğitim Fakültesi Abant İzzet Baysal Üniversitesi, 81100,

Detaylı

BİYOİSTATİSTİK Korelasyon Analizi Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH

BİYOİSTATİSTİK Korelasyon Analizi Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH BİYOİSTATİSTİK Korelasyon Analizi Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH Ege Üniversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr 1 Bir değişkenin değerinin,

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

UZAYSAL VE DOLU GÖVDELİ AŞIKLARIN ÇELİK ÇATI AĞIRLIĞINA ETKİSİNİN İNCELENMESİ

UZAYSAL VE DOLU GÖVDELİ AŞIKLARIN ÇELİK ÇATI AĞIRLIĞINA ETKİSİNİN İNCELENMESİ UZAYSAL VE DOLU GÖVDELİ AŞIKLARIN ÇELİK ÇATI AĞIRLIĞINA ETKİSİNİN İNCELENMESİ Mutlu SEÇER* ve Özgür BOZDAĞ* *Dokuz Eylül Üniv., Müh. Fak., İnşaat Müh. Böl., İzmir ÖZET Bu çalışmada, ülkemizde çelik hal

Detaylı

BÖLÜM 6 MERKEZDEN DAĞILMA ÖLÇÜLERİ

BÖLÜM 6 MERKEZDEN DAĞILMA ÖLÇÜLERİ 1 BÖLÜM 6 MERKEZDEN DAĞILMA ÖLÇÜLERİ Gözlenen belli bir özelliği, bu özelliğe ilişkin ölçme sonuçlarını yani verileri kullanarak betimleme, istatistiksel işlemlerin bir boyutunu oluşturmaktadır. Temel

Detaylı

İÇİNDEKİLER 1. GİRİŞ...

İÇİNDEKİLER 1. GİRİŞ... İÇİNDEKİLER 1. GİRİŞ... 1 1.1. Regresyon Analizi... 1 1.2. Uygulama Alanları ve Veri Setleri... 2 1.3. Regresyon Analizinde Adımlar... 3 1.3.1. Problemin İfadesi... 3 1.3.2. Konu ile İlgili Potansiyel

Detaylı

Sınavlı ve Sınavsız Geçiş İçin Akademik Bir Karşılaştırma

Sınavlı ve Sınavsız Geçiş İçin Akademik Bir Karşılaştırma Sınavlı ve Sınavsız Geçiş İçin Akademik Bir Karşılaştırma Öğr. Gör. Kenan KARAGÜL, Öğr. Gör. Nigar KARAGÜL, Murat DOĞAN 3 Pamukkale Üniversitesi, Honaz Meslek Yüksek Okulu, Lojistik Programı, kkaragul@pau.edu.tr

Detaylı

İSTATİSTİK VE OLASILIK SORULARI

İSTATİSTİK VE OLASILIK SORULARI İSTATİSTİK VE OLASILIK SORULARI SORU 1 Meryem, 7 arkadaşı ile bir voleybol maçına katılmayı planlamaktadır. Davet ettiği arkadaşlarından herhangi bir tanesinin EVET deme olasılığı 0,8 ise, en az 3 arkadaşının

Detaylı

TANIMLAYICI İSTATİSTİKLER

TANIMLAYICI İSTATİSTİKLER TANIMLAYICI İSTATİSTİKLER Tanımlayıcı İstatistikler ve Grafikle Gösterim Grafik ve bir ölçüde tablolar değişkenlerin görsel bir özetini verirler. İdeal olarak burada değişkenlerin merkezi (ortalama) değerlerinin

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

KULLANILABİLİRLİK TESTLERİ VE UYGULAMALARI

KULLANILABİLİRLİK TESTLERİ VE UYGULAMALARI 6 İnternet sitelerinin kullanıcıların ihtiyaç ve beklentilerini karşılayıp karşılamadığının ve sitenin kullanılabilirliğinin ölçülmesi amacıyla kullanılabilirlik testleri uygulanmaktadır. Kullanılabilirlik

Detaylı

Ders 1 Minitab da Grafiksel Analiz-I

Ders 1 Minitab da Grafiksel Analiz-I ENM 5210 İSTATİSTİK VE YAZILIMLA UYGULAMALARI Ders 1 Minitab da Grafiksel Analiz-I İstatistik Nedir? İstatistik kelimesi ilk olarak Almanyada devlet anlamına gelen status kelimesine dayanılarak kullanılmaya

Detaylı

SAĞLIK TEKNOLOJİ DEĞERLENDİRME (STD) İÇİN MODELLEME VE BENZETİM. Dr. Murat Günal

SAĞLIK TEKNOLOJİ DEĞERLENDİRME (STD) İÇİN MODELLEME VE BENZETİM. Dr. Murat Günal 1 SAĞLIK TEKNOLOJİ DEĞERLENDİRME (STD) İÇİN MODELLEME VE BENZETİM Dr. Murat Günal SAĞLIK TEKNOLOJİ DEĞERLENDİRME (STD) Sekröte sunulacak Yeni Ürün (veya Teknoloji) Mevcut ve gelecekteki demografik durum

Detaylı

BÖLÜM 2 VERİ SETİNİN HAZIRLANMASI VE DÜZENLENMESİ

BÖLÜM 2 VERİ SETİNİN HAZIRLANMASI VE DÜZENLENMESİ 1 BÖLÜM 2 VERİ SETİNİN HAZIRLANMASI VE DÜZENLENMESİ Veri seti; satırlarında gözlem birimleri, sütunlarında ise değişkenler bulunan iki boyutlu bir matristir. Satır ve sütunların kesişim bölgelerine 'hücre

Detaylı

BİYOLOJİ ÖĞRETMENLERİNİN LABORATUVAR DERSİNE YÖNELİK TUTUMLARININ FARKLI DEĞİŞKENLER AÇISINDAN İNCELENMESİ

BİYOLOJİ ÖĞRETMENLERİNİN LABORATUVAR DERSİNE YÖNELİK TUTUMLARININ FARKLI DEĞİŞKENLER AÇISINDAN İNCELENMESİ BİYOLOJİ ÖĞRETMENLERİNİN LABORATUVAR DERSİNE YÖNELİK TUTUMLARININ FARKLI DEĞİŞKENLER AÇISINDAN İNCELENMESİ Gülay EKİCİ Gazi Üniversitesi, Teknik Eğitim Fakültesi, Eğitim Bilimleri Bölümü, ANKARA Özet Bu

Detaylı

ÖĞRENCİLERİNİN SINAV NOTLARI DAĞILIMININ DEĞERLENDİRİLMESİ: İNŞAAT MÜHENDİSLİĞİ ÖĞRENCİLERİ ÖRNEĞİ

ÖĞRENCİLERİNİN SINAV NOTLARI DAĞILIMININ DEĞERLENDİRİLMESİ: İNŞAAT MÜHENDİSLİĞİ ÖĞRENCİLERİ ÖRNEĞİ ÖĞRENCİLERİNİN SINAV NOTLARI DAĞILIMININ DEĞERLENDİRİLMESİ: İNŞAAT MÜHENDİSLİĞİ ÖĞRENCİLERİ ÖRNEĞİ Barış Yılmaz Celal Bayar Üniversitesi, Manisa baris.yilmaz@bayar.edu.tr Tamer Yılmaz, Celal Bayar Üniversitesi,

Detaylı

Yıldız Teknik Üniversitesi Endüstri Mühendisliği Bölümü KARAR TEORİSİ MARKOV SÜREÇLERİ. Markov Analizi

Yıldız Teknik Üniversitesi Endüstri Mühendisliği Bölümü KARAR TEORİSİ MARKOV SÜREÇLERİ. Markov Analizi Yıldız Teknik Üniversitesi Endüstri Mühendisliği Bölümü KARAR TEORİSİ MARKOV SÜREÇLERİ Doç. Dr. İhsan KAYA Markov Analizi Markov analizi, bugün çalışan bir makinenin ertesi gün arızalanma olasılığının

Detaylı

İSTATİSTİK-II. Korelasyon ve Regresyon

İSTATİSTİK-II. Korelasyon ve Regresyon İSTATİSTİK-II Korelasyon ve Regresyon 1 Korelasyon ve Regresyon Genel Bakış Korelasyon Regresyon Belirleme katsayısı Varyans analizi Kestirimler için aralık tahminlemesi 2 Genel Bakış İkili veriler aralarında

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

A İSTATİSTİK. 1. nc r, n tane nesneden her defasında r tanesinin alındığı (sıralama önemsiz) kombinasyonların sayısını göstermektedir.

A İSTATİSTİK. 1. nc r, n tane nesneden her defasında r tanesinin alındığı (sıralama önemsiz) kombinasyonların sayısını göstermektedir. . nc r, n tane nesneden her defasında r tanesinin alındığı (sıralama önemsiz) kombinasyonların sayısını göstermektedir. Buna göre, n C r + n C r toplamı aşağıdakilerden hangisine eşittir? A) n + C r B)

Detaylı

Korelasyon ve Regresyon

Korelasyon ve Regresyon Korelasyon ve Regresyon Kazanımlar 1 2 3 4 5 6 Değişkenlerin ilişkisini açıklamak ve hesaplamak için Pearson korelasyon katsayısı Örneklem r ile evren korelasyonu hakkında hipotez testi yapmak Spearman

Detaylı

Kullanılan Kaynaklar: - Mucuk, İ. (2012). Pazarlama İlkeleri. Türkmen Kitabevi - Kotler, Philip & Armstrong, Gary (2014), Principles of Marketing,

Kullanılan Kaynaklar: - Mucuk, İ. (2012). Pazarlama İlkeleri. Türkmen Kitabevi - Kotler, Philip & Armstrong, Gary (2014), Principles of Marketing, Kullanılan Kaynaklar: - Mucuk, İ. (2012). Pazarlama İlkeleri. Türkmen Kitabevi - Kotler, Philip & Armstrong, Gary (2014), Principles of Marketing, Prentice Hall, Inc., New Jersey, 15 th Edition Bölümlendirme

Detaylı

T.C. GALATASARAY ÜNİVERSİTESİ SOSYAL BİLİMLER ENSTİTÜSÜ İŞLETME ANABİLİM DALI

T.C. GALATASARAY ÜNİVERSİTESİ SOSYAL BİLİMLER ENSTİTÜSÜ İŞLETME ANABİLİM DALI T.C. GALATASARAY ÜNİVERSİTESİ SOSYAL BİLİMLER ENSTİTÜSÜ İŞLETME ANABİLİM DALI SOSYAL MEDYADA MARKA TOPLULUKLARININ ÖNEMİ VE BİR ARAŞTIRMA YÜKSEK LİSANS TEZİ Tez Danışmanı: Prof. Dr. Mehmet Yaman ÖZTEK

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

YEMEK ATIKLARINDAN BİYOGAZ ÜRETİMİ

YEMEK ATIKLARINDAN BİYOGAZ ÜRETİMİ YEMEK ATIKLARINDAN BİYOGAZ ÜRETİMİ A. Pınar TÜZÜM DEMİR 1, S. Ferda MUTLU 1 Ege Üniversitesi, Kimya Mühendisliği Bölümü, 35100, Bornova, İzmir pinar.demir@ege.edu.tr Gazi Üniversitesi, Kimya Mühendisliği

Detaylı

Ders Notlarının Creative Commons lisansı Feza BUZLUCA ya aittir. Lisans: http://creativecommons.org/licenses/by-nc-nd/3.0/

Ders Notlarının Creative Commons lisansı Feza BUZLUCA ya aittir. Lisans: http://creativecommons.org/licenses/by-nc-nd/3.0/ Eşzamanlı (Senkron) Ardışıl Devrelerin Tasarlanması (Design) Bir ardışıl devrenin tasarlanması, çözülecek olan problemin sözle anlatımıyla (senaryo) başlar. Bundan sonra aşağıda açıklanan aşamalardan geçilerek

Detaylı

Deneysel Verilerin Değerlendirilmesi. Dersi Veren Öğretim Üyeleri: Yrd. Doç. Dr. Özge ANDİÇ ÇAKIR. Prof. Dr. Murat ELİBOL FİNAL SINAVI

Deneysel Verilerin Değerlendirilmesi. Dersi Veren Öğretim Üyeleri: Yrd. Doç. Dr. Özge ANDİÇ ÇAKIR. Prof. Dr. Murat ELİBOL FİNAL SINAVI Deneysel Verilerin Değerlendirilmesi Dersi Veren Öğretim Üyeleri: Yrd. Doç. Dr. Özge ANDİÇ ÇAKIR Prof. Dr. Murat ELİBOL FİNAL SINAVI Ödevi Hazırlayan: Özge AKBOĞA 91100019124 (Doktora) Güz,2012 İzmir 1

Detaylı

PARAMETRİK OLMAYAN İSTATİSTİKSEL TEKNİKLER 8

PARAMETRİK OLMAYAN İSTATİSTİKSEL TEKNİKLER 8 PARAMETRİK OLMAYAN İSTATİSTİKSEL TEKNİKLER 8 Prof. Dr. Ali ŞEN İki Populasyonun Karşılaştırılması: Eşleştirilmiş Örnekler için Wilcoxon İşaretli Mertebe Testi -BÜYÜK ÖRNEK Bağımsız populasyonlara uygulanan

Detaylı

ÜÇ YÖNLÜ LOG-LİNEER MODELLER İLE ÜNİVERSİTE ÖĞRENCİLERİNİN SİGARA, ALKOL VE NARGİLE İÇME NEDENLERİNİ ETKİLEYEN FAKTÖRLERİN BELİRLENMESİ

ÜÇ YÖNLÜ LOG-LİNEER MODELLER İLE ÜNİVERSİTE ÖĞRENCİLERİNİN SİGARA, ALKOL VE NARGİLE İÇME NEDENLERİNİ ETKİLEYEN FAKTÖRLERİN BELİRLENMESİ Eskişehir Osmangazi Üniversitesi Sosyal Bilimler Dergisi, 8(2) ÜÇ YÖNLÜ LOG-LİNEER MODELLER İLE ÜNİVERSİTE ÖĞRENCİLERİNİN SİGARA, ALKOL VE NARGİLE İÇME NEDENLERİNİ ETKİLEYEN FAKTÖRLERİN BELİRLENMESİ Eskişehir

Detaylı

EĞİTİMDE YEŞİL İNSAN TÜKETİMDE YEŞİL ÜRÜN: NAZİLLİ İİBF VE NAZİLLİ MYO ÖĞRENCİLERİNE YÖNELİK BİR DUYARLILIK ANALİZİ ÇALIŞMASI

EĞİTİMDE YEŞİL İNSAN TÜKETİMDE YEŞİL ÜRÜN: NAZİLLİ İİBF VE NAZİLLİ MYO ÖĞRENCİLERİNE YÖNELİK BİR DUYARLILIK ANALİZİ ÇALIŞMASI EĞİTİMDE YEŞİL İNSAN TÜKETİMDE YEŞİL ÜRÜN: NAZİLLİ İİBF VE NAZİLLİ MYO ÖĞRENCİLERİNE YÖNELİK BİR DUYARLILIK ANALİZİ ÇALIŞMASI Hulusi DOĞAN Adnan Menderes Üniversitesi Doç. Dr. Nazilli İİBF Fakültesi hulusidogan@gmail.com

Detaylı

YATÇILARIN MARİNA TERCİHİNDE ALGILANAN HİZMET KALİTESİNİN MARİNA BAĞLILIĞI ÜZERİNDEKİ ETKİSİ

YATÇILARIN MARİNA TERCİHİNDE ALGILANAN HİZMET KALİTESİNİN MARİNA BAĞLILIĞI ÜZERİNDEKİ ETKİSİ YATÇILARIN MARİNA TERCİHİNDE ALGILANAN HİZMET KALİTESİNİN MARİNA BAĞLILIĞI ÜZERİNDEKİ ETKİSİ Öğr. Gör. Can KARAOSMANOĞLU Yaşar Üniversitesi - MYO Marina ve Yat İşletmeciliği Programı Doç. Dr. İpek KAZANÇOĞLU

Detaylı

DİNAMİK - 7. Yrd. Doç. Dr. Mehmet Ali Dayıoğlu Ankara Üniversitesi Ziraat Fakültesi. Tarım Makinaları ve Teknolojileri Mühendisliği Bölümü

DİNAMİK - 7. Yrd. Doç. Dr. Mehmet Ali Dayıoğlu Ankara Üniversitesi Ziraat Fakültesi. Tarım Makinaları ve Teknolojileri Mühendisliği Bölümü DİNAMİK - 7 Yrd. Doç. Dr. Mehmet Ali Dayıoğlu Ankara Üniversitesi Ziraat Fakültesi Tarım Makinaları ve Teknolojileri Mühendisliği Bölümü 7. HAFTA Kapsam: Parçacık Kinetiği, Kuvvet İvme Yöntemi Newton hareket

Detaylı

Baykuş Ödülleri 2013 -Ödül Alan Projeler

Baykuş Ödülleri 2013 -Ödül Alan Projeler Baykuş Ödülleri 2013 -Ödül Alan Projeler Proje Adı: Nefaseti Ölçtük Araştırma Şirketi: Barem Research Araştırma Veren: Kale Grubu Ödül Alınan Kategori: İnovatif Baykuş Ödül Türü: Bronz Baykuş Baykuş Ödülleri

Detaylı

Pazar Bölümlendirmesi

Pazar Bölümlendirmesi Pazar Bölümlendirmesi Umut Al H.Ü. Bilgi ve Belge Yönetimi Bölümü umutal@hacettepe.edu.tr Pazar Bölümlendirmesi Bir kurumun ürün ve hizmetlerine talep gösteren bireylerin oranı ile kurumun ürün ve hizmetleriyle

Detaylı

Kansei Mühendisliği Üzerine Bir Uygulama

Kansei Mühendisliği Üzerine Bir Uygulama 6 th International Advanced Technologies Symposium (IATS 11), 16-18 May 2011, Elazığ, Turkey Kansei Mühendisliği Üzerine Bir Uygulama C. Göloğlu 1, E. Zurnacı 2 1 Karabük Üniversitesi, Mühendislik Fakültesi,

Detaylı

Pazar Bölümlendirmesi

Pazar Bölümlendirmesi Pazar Bölümlendirmesi Umut Al H.Ü. Bilgi ve Belge Yönetimi Bölümü umutal@hacettepe.edu.tr Plan Pazar bölümlendirmesi Pazar araştırması Pazarlama araştırması Bilgi merkezlerinde pazar bölümlendirmesi SWOT

Detaylı

Tekrarlı Ölçümler ANOVA

Tekrarlı Ölçümler ANOVA Tekrarlı Ölçümler ANOVA Repeated Measures ANOVA Aynı veya ilişkili örneklemlerin tekrarlı ölçümlerinin ortalamalarının aynı olup olmadığını test eder. Farklı zamanlardaki ölçümlerde aynı (ilişkili) kişiler

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

Yaklaşık Düşünme Teorisi

Yaklaşık Düşünme Teorisi Yaklaşık Düşünme Teorisi Zadeh tarafından 1979 yılında öne sürülmüştür. Kesin bilinmeyen veya belirsiz bilgiye dayalı işlemlerde etkili sonuçlar vermektedir. Genellikle bir f fonksiyonu ile x ve y değişkeni

Detaylı

DOKUZ EYLÜL ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ DEKANLIĞI DERS/MODÜL/BLOK TANITIM FORMU. Dersin Kodu: END 4822

DOKUZ EYLÜL ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ DEKANLIĞI DERS/MODÜL/BLOK TANITIM FORMU. Dersin Kodu: END 4822 Dersi Veren Birim: Endüstri Mühendisliği Dersin Türkçe Adı: KALİTE KONTROL Dersin Orjinal Adı: KALİTE KONTROL Dersin Düzeyi:(Ön lisans, Lisans, Yüksek Lisans, Doktora) Lisans Dersin Kodu: END 8 Dersin

Detaylı

Ekonometri II (ECON 302T) Ders Detayları

Ekonometri II (ECON 302T) Ders Detayları Ekonometri II (ECON 302T) Ders Detayları Ders Adı Ekonometri II Ders Kodu ECON 302T Dönemi Ders Uygulama Saati Saati Laboratuar Saati Kredi AKTS Bahar 3 0 0 3 6 Ön Koşul Ders(ler)i ECON 301 Dersin Dili

Detaylı

YÜZEYSULARI ÇALIŞMA GRUBU

YÜZEYSULARI ÇALIŞMA GRUBU 1/23 HEDEFLER Mühendislerimiz ve akademisyenlerimiz ile birlikte gelişmiş yöntem ve teknikleri kullanarak; su kaynaklarımızın planlama, inşaat ve işletme aşamalarındaki problemlere çözüm bulmak ve bu alanda

Detaylı

2016 YILI AKTÜERLİK SINAVLARI: İSTATİSTİK OLASILIK

2016 YILI AKTÜERLİK SINAVLARI: İSTATİSTİK OLASILIK Soru 1 X rassal değişkeninin olasılık yoğunluk fonksiyonu x x, x> f ( x) = 0, dy. 1 werilmiş ve Y = rassal değişkeni tanımlamış ise, Y değişkenin 0< 1 X 1 y için olasılık yoğunluk fonksiyonu aşağıdaki

Detaylı

ZAMAN SERİLERİNDE REGRESYON ANALİZİ

ZAMAN SERİLERİNDE REGRESYON ANALİZİ ZAMAN SERİLERİNDE REGRESYON ANALİZİ 1 1. GİRİŞ Trent, serinin genelinde yukarıya ya da aşağıya doğru olan hareketlere denmektedir. Bu hareket bazen düz bir doğru şeklinde olmaktadır. Bu tür harekete sahip

Detaylı

Electronic Letters on Science & Engineering 2(2) (2011) Available online at www.e-lse.org

Electronic Letters on Science & Engineering 2(2) (2011) Available online at www.e-lse.org Electronic Letters on Science & Engineering 2(2) (2011) Available online at www.e-lse.org ERP: Enterprise Resource Planning Ceyda Şahbazoğlu 1, Feyzullah Temurtaş 2,* 1 Sakarya Üniversitesi, Fen Bilimleri

Detaylı

İSTATİSTİKSEL VERİ ANALİZİ

İSTATİSTİKSEL VERİ ANALİZİ İSTATİSTİKSEL VERİ ANALİZİ Prof. Dr. Gül ERGÜN Hacettepe Üniversitesi Kasım 2013 İstatistik Nedir? İSTATİSTİK Belirli bir konuda toplanan sayısal değerlerdir. Buna göre, 2012 yılında Türkiye de kayıtlı

Detaylı

DOĞRUSAL OLMAYAN PROGRAMLAMA -I-

DOĞRUSAL OLMAYAN PROGRAMLAMA -I- DOĞRUSAL OLMAYAN PROGRAMLAMA -I- Dışbükeylik / İçbükeylik Hazırlayan Doç. Dr. Nil ARAS Anadolu Üniversitesi, Endüstri Mühendisliği Bölümü İST38 Yöneylem Araştırması Dersi 0-0 Öğretim Yılı Doğrusal olmayan

Detaylı

İSTATİSTİKSEL TAHMİNLEME. Örneklem istatistiklerinden hareketle ana kütle parametreleri hakkında genelleme yapmaya istatistiksel tahminleme denir.

İSTATİSTİKSEL TAHMİNLEME. Örneklem istatistiklerinden hareketle ana kütle parametreleri hakkında genelleme yapmaya istatistiksel tahminleme denir. İSTATİSTİKSEL TAHMİNLEME Örneklem istatistiklerinden hareketle ana kütle parametreleri hakkında genelleme yapmaya istatistiksel tahminleme denir. 1 ŞEKİL: Evren uzay-örneklem uzay İstatistiksel tahmin

Detaylı

ÖĞRETMEN ADAYLARININ PROBLEM ÇÖZME BECERİLERİ

ÖĞRETMEN ADAYLARININ PROBLEM ÇÖZME BECERİLERİ ÖĞRETMEN ADAYLARININ PROBLEM ÇÖZME BECERİLERİ Doç. Dr. Deniz Beste Çevik Balıkesir Üniversitesi Necatibey Eğitim Fakültesi Güzel Sanatlar Eğitimi Bölümü Müzik Eğitimi Anabilim Dalı beste@balikesir.edu.tr

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

Kalkülüs II (MATH 152) Ders Detayları

Kalkülüs II (MATH 152) Ders Detayları Kalkülüs II (MATH 152) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Saati Uygulama Saati Laboratuar Saati Kredi AKTS Kalkülüs II MATH 152 Güz 4 2 0 5 7.5 Ön Koşul Ders(ler)i Math 151 Kalkülüs I Dersin

Detaylı

İLERİ ARAŞTIRMA TEKNİKLERİ ARAŞTIRMA DESENİ RESEARCH DESIGN

İLERİ ARAŞTIRMA TEKNİKLERİ ARAŞTIRMA DESENİ RESEARCH DESIGN İLERİ ARAŞTIRMA TEKNİKLERİ ARAŞTIRMA DESENİ RESEARCH DESIGN 4 Prof. Dr. Mustafa Ergün Araştırma Desenleri (modelleri) Araştırmanın alt problemlerine yanıt aramak veya denenceleri test etmek için yapılan

Detaylı

Bölüm 2 Varlık-İlişki Veri Modeli: Araçlar ve Teknikler. Fundamentals, Design, and Implementation, 9/e

Bölüm 2 Varlık-İlişki Veri Modeli: Araçlar ve Teknikler. Fundamentals, Design, and Implementation, 9/e Bölüm 2 Varlık-İlişki Veri Modeli: Araçlar ve Teknikler Fundamentals, Design, and Implementation, 9/e Üç Şema Modeli Üç şema modeli 1975 de ANSI/SPARC tarafından geliştirildi Veri modellemeninç ve rolünü

Detaylı

Web Madenciliği (Web Mining)

Web Madenciliği (Web Mining) Web Madenciliği (Web Mining) Hazırlayan: M. Ali Akcayol Gazi Üniversitesi Bilgisayar Mühendisliği Bölümü Konular Denetimli Öğrenmenin Temelleri Karar Ağaçları Entropi ID3 Algoritması C4.5 Algoritması Twoing

Detaylı

χ 2 Testi Mühendislikte İstatistik Yöntemler Bağımsızlık Testi Homojenlik Testi Uygunluk Testi

χ 2 Testi Mühendislikte İstatistik Yöntemler Bağımsızlık Testi Homojenlik Testi Uygunluk Testi χ Testi Mühendislikte İstatistik Yöntemler χ Testi Bağımsızlık Testi Homojenlik Testi Uygunluk Testi χ Testi Sayısal olmayan değişkenler arasındaki ilişkinin testi (Bağımsızlık) Farklı örnek kütlelerin

Detaylı

DIŞ TİCARET BEKLENTİ ANKETİ NE İLİŞKİN YÖNTEMSEL AÇIKLAMA

DIŞ TİCARET BEKLENTİ ANKETİ NE İLİŞKİN YÖNTEMSEL AÇIKLAMA DIŞ TİCARET BEKLENTİ ANKETİ NE İLİŞKİN YÖNTEMSEL AÇIKLAMA 1. Amaç Dış Ticaret Beklenti Anketi (DTBA), dış ticaretimize yön veren firmaların yakın geçmişe ve mevcut duruma ilişkin değerlendirmeleri ile

Detaylı

A UNIFIED APPROACH IN GPS ACCURACY DETERMINATION STUDIES

A UNIFIED APPROACH IN GPS ACCURACY DETERMINATION STUDIES A UNIFIED APPROACH IN GPS ACCURACY DETERMINATION STUDIES by Didem Öztürk B.S., Geodesy and Photogrammetry Department Yildiz Technical University, 2005 Submitted to the Kandilli Observatory and Earthquake

Detaylı

HİPOTEZ TESTLERİ ANADOLU ÜNİVERSİTESİ. Hipotez Testleri ENM317 Mühendislik İstatistiği Doç. Dr. Nihal ERGİNEL 2014

HİPOTEZ TESTLERİ ANADOLU ÜNİVERSİTESİ. Hipotez Testleri ENM317 Mühendislik İstatistiği Doç. Dr. Nihal ERGİNEL 2014 ANADOLU ÜNİVERSİTESİ Hipotez Testleri ENM317 Mühendislik İstatistiği Doç. Dr. Nihal ERGİNEL 2014 HİPOTEZ TESTLERİ Pek çok problemde bazı parametrelere bağlı bir ifadeyi kabul yada red etmek için karar

Detaylı

ARAġTIRMALARDA ÖLÇME VE ÖLÇEKLER. Kezban SEÇKİN Vildan GÜNEŞ

ARAġTIRMALARDA ÖLÇME VE ÖLÇEKLER. Kezban SEÇKİN Vildan GÜNEŞ ARAġTIRMALARDA ÖLÇME VE ÖLÇEKLER Kezban SEÇKİN Vildan GÜNEŞ Konu Başlıkları ÖLÇME ve ÖLÇEK ÖLÇEK TÜRLERĠ ÖLÇEKLERLE ĠLGĠLĠ ÖNEMLĠ NOKTALAR ÖLÇEĞĠN TAġIMASI GEREKEN ÖZELLĠKLER ÖLÇME HATALARI ÖLÇME VE ÖLÇEK

Detaylı