DOĞRUSAL OLMAYAN MODELLERİN UYUMUNDA FARKLI İSTATİSTİK PAKET PROGRAMLARININ KARŞILAŞTIRILMASI

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "DOĞRUSAL OLMAYAN MODELLERİN UYUMUNDA FARKLI İSTATİSTİK PAKET PROGRAMLARININ KARŞILAŞTIRILMASI"

Transkript

1 DOĞRUSAL OLMAYAN MODELLERİN UYUMUNDA FARKLI İSTATİSTİK PAKET PROGRAMLARININ KARŞILAŞTIRILMASI Arş. Gör. Çiğdem YAKUPOĞLU 1 Doç. Dr. Yavuz AKBAŞ 2 1 Ege Üniversitesi, Ziraat Fakültesi, Zootekni Bölümü, Bornova İZMİR, 2 Ege Üniversitesi, Ziraat Fakültesi, Zootekni Bölümü, Bornova İZMİR, Özet Hayvancılıkta büyüme ve laktasyon eğrisi gibi doğrusal olmayan bir yapı sergileyen sistemlerin tanımlanmasında doğrusal olmayan modeller kullanılmaktadır. Amaç, söz konusu sistemlere ait verilere en iyi uyumu sağlayacak modelin geliştirilmesidir. Ayrıca bu modellerin parametreleri kullanarak yorumlanması zor olan çok sayıdaki bilginin, biyolojik olarak yorumlanabilir şekilde özetlenmesidir. Bu amaçla model geliştirme çalışmaları yanında, geliştirilmiş bazı modellerin farklı alan ve özelliklere uyumunun incelendiği çalışmalar da mevcuttur. Doğrusal olmayan modellerin veri setlerine uyumunda SPSS, SAS, STATISTICA, BMDP, SAAM ve MINOS gibi istatistik paket programlarından yararlanılmaktadır. Bu çalışmada doğrusal olmayan modellerin parametre tahminlerinin yapılmasında kullanılan bazı paket programlar ulaşılabilirlik, tanımlama kolaylığı, kullandığı yöntemler gibi özellikler açısından tanıtılacak, uygulamalı karşılaştırmalar yapılacaktır. Anahtar Kelimeler: Doğrusal olmayan modeller, bilgisayar yazılımları, büyüme ve laktasyon eğrileri Abstract COMPARISON OF DIFFERENT STATISTICAL SOFTWARE FOR FITTING NONLINEAR MODELS Nonlinear models have a common use in animal breeding as lactation and growth curves. General purpose is to develop a model giving the best fitting on data set by summarizing the information into a few biologically interpretable parameters of the model. In addition to model developing, there are a lot of studies concentrated on fitting accuracy of various models on different area and traits. There are several statistical software such as SPSS, SAS, STATISTICA, BMDP, SAAM and MINOS for fitting the nonlinear models. The objectives of this study are to introduce and compare the statistical software on the basis of availability, easy to use and methods concentrated on giving practical applications. Key Words: Nonlinear models, software, growth and lactation curves 1. Giriş Bağımlı değişkenin, bağımsız değişken veya değişkenlerin doğrusal bir fonksiyonu olmadığı modeller doğrusal olmayan (nonlinear) modeller olarak adlandırılmaktadır [1]. Doğrusal olmayan modeller fizyoloji, kimya, ekonomi ve hayvan yetiştirme gibi bir çok bilim dalında yaygın olarak kullanılmaktadır. Doğrusal olmayan modellerin tahminlenmesi doğrusal (linear) modellerden çok daha zordur. Bu modellerde doğrusal modellerde oluğu gibi bağımsız değişkenlerin basitçe listelenmesi yerine, regresyon eşitliğinin yazılması, parametre işlemlerinin tanımlanması, bunlar için başlangıç değerlerinin seçilmesi ve parametrelere bağlı olarak modele ait türevlerin belirtilmesi gerekmektedir. Bazı modellerin uyumu zor olduğu gibi, iterasyon yönteminin, modelin uyumunu başarı ile gerçekleştireceğine garanti verilmemektedir [2]. İterasyon işlemine bir veya daha fazla parametre için mantıklı başlangıç değerlerinin seçilmesi ile başlanmaktadır. Hesaplamada bu değerleri içeren geçici eşitlik çözülürken, parametre değerleri giderek sabitleşmektedir. Parametre sayısının artması ile iterasyon sayısı da artış göstermektedir. Tahminlerin yüksek hızlı bilgisayarlarda yapılması bu konuda oldukça büyük kolalıklar sağlamaktadır [3]. Nitekim gelişen bilgisayar teknolojisi, kullanımın yaygınlaşması ve uygun yazılımların geliştirilmesi hesaplamalardaki zorlukları büyük oranda ortadan kaldırmıştır [4]. Bu çalışmada, doğrusal olmayan modellerin uyumunda yararlanılan SPSS, SYSTAT, STATISTICA ve SAS paket programlarının tanımlama biçimi, kullanılan iterasyon yöntemi ve erişilebilirlik açısından karşılaştırılması amaçlanmıştır. 2. Kullanılan Programlar ve Genel Özellikleri Çalışmada, doğrusal olmayan modellerin uyumununa örnek olması açısından, Gompertz büyüme eğrisi modeli kullanılmıştır. Bu amaçla bir bıldırcının çıkıştan itibaren, dört gün aralıklarla eşeysel olgunluk yaşına kadar elde edilmiş canlı ağırlık verisi üzerine Gompertz modelinin [5] uyumu yapılmıştır. Uyumu yapılan Gompertz modelinin fonksiyonu aşağıdaki gibidir. Y = A.exp K.t ( B.exp ) 1

2 Gompertz fonksiyonunun A, B ve K parametrelerine ait biyolojik yorumlar aşağıdaki gibidir. t : Zaman A : Zaman sonsuza ulaştığındaki (asimtotik) canlı ağırlık B : Başlangıç ağırlığı K : Büyüme hızı Model uyumu yapılırken, parametre başlangıç değerleri daha önceki çalışmalardan ön bilgi alınarak belirlenebilmektedir. Bu çalışmada A, B ve K parametreleri başlangıç değerleri sırasıyla 200, 3.5 ve 0.07 olarak alınmıştır SPSS SPSS programının, Windows altında çalışan 6.0 sürümü kullanılarak doğrusal olmayan modellerin uyumunun yapılması işlemi Statistics menüsünden Regression alt menüsü ve daha sonra da nonlinear seçeneği işaretlenerek başlatılmaktadır (Şekil 1). Şekil 1. SPSS programında nonlinear regresyonun tanımlanması Ekrana gelen pencerede bağımlı değişken dependent, model tanımlamaları ise model expression bölümünde yapılmakta, daha sonra parametrelere ait başlangıç değerleri parameters bölümünde belirlenerek modelin uyumuna geçilmektedir (Şekil 2). Şekil 2. SPSS programında nonlinear modelin tanımlanması SPSS programı ile doğrusal olmayan modellerin uyumunun yapılmasında kullanılacak kayıp fonksiyonların tanımlandığı, parametrelere ait çeşitli sınırlamaların getirildiği, kaydedilmesi istenen ayrıntı bilgiler ve kullanılacak tahminleme yönteminin belirlendiği düğmeler de mevcuttur. Bu düğmeler ve kullanımları aşağıda açıklanmıştır. 2

3 Genel olarak gözlenen değerlerden beklenen değerlerin sapması tahminlemelerin güvenilirliğindeki azalmaları (loss) belirtmektedir. Bu nedenle kayıp fonksiyon, parametrelerin tahminlenmesinde minimizasyonu yapılan fonksiyondur. Yaygın olarak bilinen biçimleri, gözlenen ve beklenen değerler arasındaki farkın mutlak değerini ve maksimum olabilirlik tahmininin negatifini içermektedir. SPSS programında kayıp fonksiyon düğmesi kullanıcıya iki uygulama sunmaktadır. Bunlardan ilki olan user defined loss function uygulaması, tanımlanan herhangi bir fonksiyonun toplamının minimize edilmesi işlemini gerçekleştirmektedir. Program, kayıp fonksiyon belirtilmediği durumda ise en küçük kareler toplamı temeline dayalı olarak hata kareler toplamında küçültme işlemi yapan sum of squared residuals uygulamasını kullanmaktadır. Bu düğme ile parametre değerlerine belirli alt ve üst sınırlar tanımlanabilmektedir. Parametre değerleri için herhangi bir sınırlama yapılmadığında unconstrained seçeneği geçerlidir. Adından da anlaşıldığı gibi saklama düğmesi, isteğe bağlı olarak tahminlenen değerleri (predicted values), hataları (residuals), parametrelerin her bir iterasyonuna ilişkin türevlerini (derivatives) ve kayıp fonksiyon değerlerini (loss function values) korumaktadır. Bu seçenek düğmesi ise doğrusal olmayan modelin uyumu için parametrelere ait tahmin değerlerinin elde edilmesinde sequential quadratic programming veya levenberg marquardt tahminleme yönteminin seçimine imkan tanımaktadır. Herhangi bir tanımlama yapılmadığında levenberg marquardt iterasyon yöntemi kullanılmaktadır. SPSS programı doğrusal olmayan modeller için yapılan analiz sonucu her bir parametre için hata kareler toplamını, regresyon belirleme katsayısını, düzeltilmiş ve düzeltilmemiş kareler ortalamasını, asimtotik parametre tahminleri, standart hataları ve her birinin % 95 güven aralıklarını ve ayrıca parametre tahminlerinin asimtotik korelasyon matrislerini çıktı halinde verebilmektedir SYSTAT SYSTAT programının Windows altında çalışan 5.0 sürümünde, herhangi bir doğrusal olmayan modelin uyumu Stats menüsünden nonlin alt menüsü yardımı ile başlatılmaktadır (Şekil 3). Şekil 3. SYSTAT programında nonlinear regresyonun tanımlanması Bu alt menü kayıp fonksiyonun, uyumu sağlanacak modelin ve uyumun yeniden çalıştırılabildiği işlem seçeneklerine sahiptir. Modelin uyumunda kullanıcıya çeşitli alternatifler sunan seçenekler ve kullanımları aşağıdaki gibidir. SYSTAT programında, bu seçenek ile kullanılacak olan kayıp fonksiyon tanımlanabilmektedir. Ancak bu işlemin model tanımlamasından önce yapılması öngörülmektedir. Program, kayıp fonksiyon tanımlaması yapılmadığında en küçük kareler üzerinden minimizasyonu gerçekleştirmektedir. 3

4 Uyumu yapılacak modelin tanımlaması Model... seçeneği yardımı ile yapılmaktadır. Ekrana gelen Nonlinear Model penceresinde kullanılacak model Expression, parametrelere ait başlangıç değerleri Start, yapılacak iterasyon sayısı Iterations ve iterasyon işlemini durduracak maksimum tolerans değeri Tolerance bölmümü ile belirlenebilmektedir (Şekil 4). Şekil 4. SYSTAT programında nonlinear model uyumu basmaklarının tanımlanması SYSTAT programında, uyumu yapılacak modelde yer alacak bağımlı ve bağımsız değişkenler Ekle (Add) düğmesi ile model tanımlamasına alınmaktadır. Bağımlı ve bağımsız değişken dışındaki herhangi bir tanımlama ise parametre olarak kabul edilmektedir. Parametrelere ilişkin tahmin değerlerinin hesaplanmasında Quasi-Newton ya da Simplex iterasyon yöntemlerinden biri seçilebilmektedir. Herhangi bir yöntem seçilmediğinde Quasi-Newton yöntemi üzerinden işlem yapılmaktadır. İterasyon ve tolerans değerinin belirtilmediği durumda ise, program sırasıyla 20 ve değerlerini kabul etmektedir. Tüm işlemler sonunda, hataları, tahminlenen değerleri ve değişkenleri SYSTAT dosyası olarak saklamak için Save file bölümü seçilmektedir. Modelin uyumunda istenilen sayıda iterasyonla yakınsama gerçekleşmediğinde Resume... seçeneği kullanılmaktadır. Bu seçeneğe geçildiğinde karşımıza gelen Resume Estimating penceresinde iterasyon işlem basamakları için yeniden tanımlamalar yapılabilmektedir. Böylece kullanıcı bir sonraki model uyum işlemi için önceki özetlerden yararlanabilmektedir STATISTICA Statistica programının Windows altında çalışan 4.3 sürümü ile doğrusal olmayan modellerin uyumu işlemi, programın Analysis menüsünden User specified regression alt menüsü kullanılarak başlatılmaktadır (Şekil 5). Şekil 5. STATISTICA programında nonlinear regresyonun tanımlanması 4

5 Bu menü ile ekrana gelen pencerede, uyumu yapılması istenen model ve kayıp fonksiyon Function to be estimated & loss function düğmesi ile tanımlanabilmekte, Select cases düğmesi ile veri setlerine ait bazı mantıksal tanımlamalar yapılabilmektedir. Ayrıca tartı değişkeni ve eksik gözlemler tanımlatılabilmektedir. (Şekil 6). Bu menülere ait ayrıntı bilgi aşağıda verilmiştir. Şekil 6.STATISTICA programı doğrusal olmayan model uyumu model tanımlanma penceresi Bu menü parametreler için bazı mantıksal işlemlerin yapılmasına imkan sağlamaktadır. Örneğin Exclude if seçeneği seçilip (A<=10) OR (B=C); tanımlaması yapılırsa, A parametresinin 10 dan küçük ve eşit ya da B parametresinin C parametresine eşit olduğu durumlarda işlem yapılacağı anlaşılmaktadır. Bu menü herhangi bir değişkene ait değerler üzerinde işlem yapılacak tartı değişkeninin belirlenmesinde kullanılmaktadır. Bu menüde, analiz için kullanılan değişkenlerden herhangi birinin eksik gözlem içermediği ve herhangi bir tanımlamanın yapılmadığı durumda Casewise deletion of missing data seçeneği kullanılmaktadır. Eksik gözlem bulunduğunda ise Substituted by means seçeneği, diğer gözlemlere ait ortalama ile bu eksik kısımlara bir değer atayarak işlem yapılmasını sağlamaktadır. Uyumu yapılması istenen model ve kayıp fonksiyonun tanımlaması bu menü yardımıyla yapılmaktadır. Kayıp fonksiyon için herhangi bir tanımlama yapılmadığında program en küçük kareleri kullanmaktadır (Şekil 7). Şekil 7. STATISTICA programında model ve kayıp fonksiyon penceresi Tahminlenecek fonksiyon ve kayıp fonksiyon Estimated function and loss function penceresinde tanımlandıktan sonra, tahminleme yöntemleri Estimation method, maksimum iterasyon sayısı maximum number of iterations, yakınsama değeri Convergence criterion, parametrelere ait başlangıç değerleri Start 5

6 values, denenecek parametre değerlerine ait değişim aralığı Initial step size, parametrelere ait ortalama ve standart sapma değerleri Means & standart deviations, değişkenler için matris plotu Matrix plot for all variables ve Box & Whisker plotunun tanımlandığı pencereye geçilmektedir (Şekil 8). Bu penceredeki menü ve düğmelere ait açıklamalar aşağıda sunulmuştur. Şekil 8. STATISTICA programında nonlinear model uyumu basmaklarının tanımlanması STATISTICA programı parametre tahminleme yöntemi olarak Quasi Newton, Simplex Procedure, Hooke- Jeeves Pattern Moves, Rosenbrock Pattern Search ve uygun tanımlamalarla bunların çeşitli kombinasyonlarını kullanmaktadır. Herhangi bir tahminleme yöntemi seçilmediğinde Quasi Newton iterasyon yöntemi ile tahminlemeler yapılmaktadır. Parametre tahminleme işleminde uygulanacak iterasyon işleminin sayısı, bu bölümde belirtilmektedir. Programda maksimum iterasyon sayısı bakımından herhangi bir tanımlama yapılmadığında maksimum iterasyon sayısı 50 kabul edilmektedir. Yakınsama kriterinin tanımlanabildiği bu bölümde, herhangi bir tanımlama yapılmadığı durumda yakınsama için değeri kabul edilmektedir. İterasyon içeren çözümler, başlangıç değerinin seçimine karşı çok hassastırlar. Başlangıç değerinin yanlış seçilmesi ile bir çözüme ulaşılmayabilir veya bu durumda elde edilen parametre tahminleri matematiksel olarak doğru ama biyolojik olarak yetersiz olabilir [3]. Başlangıç değerleri botunu ile iterasyonda kullanılacak parametre başlangıç değerleri belirlenebilmekte ve gereğinde değiştirilebilmektedir. Herhangi bir tanımlama yapılmadığında program herbir parametre için 0.1 değerini başlangıç kabul etmektedir. İterasyon işleminin parametreler arasında hangi büyüklükteki adımlarla gerçekleştirileceği bu düğmesi yardımıyla belirlenmektedir. Program herhangi bir tanımlama yapılmadığında Quasi-Newton metodu için 0.5, Simplex and Rosenbrock metodu için 1.0 ve Hooke-Jeeves metodu için 2.0 değerini kabul etmektedir. Seçilen herhangi bir değişkenin veya değişkenlerin ortalama ve standart sapmasına ilişkin sonuçlar bu buton aracılığı ile alınmaktadır. Kullanılan değişkenler arasındaki ilişkinin görsel olarak belirlenmesinde bu seçenek kullanılmaktadır. Değişkenlerin ortalama, medyan ve standart hatalarına göre bir gösterim istendiğinde ise bu seçenek kullanılmaktadır. Ayrıca bu pencerede Asymtotic standart errors seçeneği ile parametrelere ait asimtotik standart hatalar da alınabilmektedir. 6

7 Parametre tahminleri için yapılan iterasyonda yakınsama sağlanıp sağlanmadığı Parametre Tahminleme (Parameter Estimation) penceresindeki açıklama ile anlaşılmaktadır (Şekil 9). Şekil 9. STATISTICA programında parametre tahminleme penceresi İterasyon sonucu yakınsama sağlanmamışsa değişik parametre başlangıç değerleri ve iterasyon yöntemleriyle işlem yeniden yapılmalıdır. Eğer yakınsama sağlanmışsa ayrıntıların verildiği Sonuçlar (Results) penceresine ulaşılmaktadır (Şekil 10). Şekil 10. STATISTICA programında sonuçlar penceresi. Şekilden de görüldüğü gibi sonuçlar penceresi zengin bir listeye sahiptir. Parametre tahminleri (Parameter estimates), parametrelere ait kovaryans ve korelasyon değerleri (Cov. /Corr. Of parameters), hata değerleri (Residual values),tahmin değerleri (Predicted values), gözlenen değerler (Observed values), ortalama ve standart sapmalar (Means & standard deviations), farklar (Difference), tahmin ve hata değerlerini saklama (Save predicted and residual values), uyumu sağlanan fonksiyonun gözlem değererine göre iki boyutlu grafiği (Fitted 2D function & observed values), uyumu sağlanan fonksiyonun gözlem değererine göre üç boyutlu grafiği (Fitted 2D function & observed values), hataların dağılışı (Distribution of residuals), hataların normal olasılık dağılışı (Normal probability of residuals), yarı normal olasılık dağılışı (Half normal probability plot), tahminlenen değerlere karşı gözlenen değerler (Predicted versus observed values), tahminlenen değerlere karşı hata değerleri (Predicted versus residual values), tüm değişkenler için matris plot (Matrix plot for all variables) ve tüm değişkenler için Box & Whisker plotu (Box & whisker plot for all variables) gibi düğmelerle istatistik analizler elde edilebilmektedir SAS Makalenin bu bölümüne kadar Windows altında çalışan paket programlarda uyum işlemi tanıtılmıştır. Aşağıda açıklanacak olan SAS paket programının 6.02 sürümü ise, DOS altında çalışmaktadır. Bir başka deyişle, doğrusal olmayan modellerin uyumunda değişik komutlar kullanılmakta ve daha sonra bu komutların çalıştırılması ile işlem yapılmaktadır (Şekil 11.) 7

8 Şekil 11. SAS programında işlem penceresi SAS programında, doğrusal olmayan model uyumu için yararlanılan komutlar dizisi PROC NLIN bölümünde tanımlanmaktadır. Bir kısmının zorunlu, bir kısmının da isteğe bağlı olarak kullanıldığı bu komutlar aşağıdaki gibidir. PROC NLIN BOUNDS PARAMETERS Kullanılması zorunlu BY Kullanılması isteğe bağlı tanımlamalar MODEL DER ID OUTPUT OUT SAS programında, herhangi bir doğrusal modelin uyumu işlemi için bir takım adımlar takip edilmektedir. Analiz edilecek veri setinin adı DATA tanımlaması ile açıklandıktan sonra, kullanılacak iterasyon yönteminin METHOD tanımlaması ile seçimi ilk adımı oluşturmaktadır. Daha sonra tahminlenecek parametre isimleri ve bunlara ait başlangıç değerleri PARAMETERS tanımlaması ve uyumu yapılacak model ise MODEL tanımlaması ile belirtilmektedir. Genel olarak bu program Gauss (Modified gauss-newton Method), Marquardt (Marquardt Method), Newton (Newton Method), Gradient (Gradient ya da Steepest-Descent Method) ya da DUD (Multivariate Secant ya da False Position (DUD)) iterasyon yöntemlerinden birini kullanmaktadır. DER tanımlaması DUD metodu dışında kullanılan iterasyon yöntemlerinde, parametrelere ait kısmi türevlerin kullanılmasını sağlamaktadır. Program, DER tanımlaması yapıldığında DUD metodunu, yapılmadığında ise Gauss metodunu hazır olarak kullanmaktadır. Ayrıca programda parametre tahminlerine BOUNDS tanımlaması yardımıyla bir sınırlama verilerek, tahminleme işleminin daha kısa zamanda yapılması sağlanabilmektedir. Çeşitli değişkenlere göre oluşturulmuş gruplar üzerinde ayrı ayrı analiz istendiğinde ise BY tanımlaması kullanılmaktadır. Fakat bu tanımlama, söz konusu değişkenler için bir sıralamanın yapılması şartını taşımaktadır. Diğer yandan, iterasyon işlemi için yakınsama kriteri CONVERGE, maksimum iterasyon sayısı MAXITER ve kayıp fonksiyon _LOSS_ tanımlaması ile önceden belirtilebilmektedir. Herhangi bir tanımlama yapılmadığında program, yakınsama kriteri için 10-8, maksimum iterasyon sayısı için 50 ve kayıp fonksiyon için en küçük kareleri kabul etmektedir. İterasyon işlemi sonucunda değişik amaçlar için çıktı dosyası tanımlanabilmektedir. Eğer çıktı dosyası parametre tahminleri için isteniyorsa OUTEST, değişkenler için isteniyorsa ID ve hesaplanan istatistikler için ise OUTPUT OUT tanımlamasının kullanımı uygun olacaktır. Öte yandan, EFORMAT tanımlaması ile çıktı dosyasındaki sayısal değerler e notasyonunda gösterilebilmektedir. Dolayısı ile farklı skalalarda olan sayısal değerler bu komutun kullanılması ile bir örnek hale getirilebilmektedir. 3. Sonuç ve Tartışma Doğrusal olmayan modellerin uyumu bakımından karşılaştırılan bilgisayar paket programları, kullandığı işletim sistemi, hard diskte kapladığı yer, verileri tanımlama şekli, öğrenme ve çalıştırma kolaylığı, kullandığı algoritmalar, analiz sonucu sunduğu bilgiler, çalışma hızı ve kolay elde edilebilirlik bakımından karşılaştırılmıştır. DOS altında çalışan SAS programına karşın SPSS, SYSTAT ve STATISTICA programları Windows işletim sistemi altında çalışması bakımından farklılık göstermektedir. 8

9 Programlar hard diskte çeşitli büyüklüklerde yer kaplamaktadır. SPSS programının 26,5 MB hard disk kapasitesi ile en fazla, SYSTAT programının 5,37 MB kapasitesi ile en az yer kaplayan program olduğu saptanmıştır. SAS ve STATISTICA programlarının sırası ile 14 ve 12,5 MB alana gereksinim duyduğu belirlenmiştir. SPSS, SYSTAT ve STATISTICA programları Windows uyumlu programlardan veri transferini kolaylıkla gerçekleştirmektedir. Ayrıca bu programlar kendine ait editör ortamından veri girişine izin vermekte ve belirli formatlardan da dönüşüme imkan sağlamaktadır. DOS altında çalışan SAS programı ise kendi editörü ile veri girişi yanında, ASCII yapıdaki dosyaları dışarıdan okuyabilmektedir. İncelenen programlar arasında SPSS, gerekli tüm tanımlamaları tek pencerede ele alırken, SYSTAT ve STATISTICA programları ayrı ayrı pencerelerde tanımlama yapmaktadır. Fakat bu programlar Windows altında çalışma, tanımlamaları çeşitli düğmelerle yapma ve her pencerede yardım menüsünü bulundurma yönleriyle kullanıcılar için büyük kolaylık sağlamaktadır. Buna karşın, işlemlerde kendi yapısına uygun bir programlama gerektiren SAS programı için aynı kolaylık söz konusu değildir. Kullanılan iterasyon yöntemine göre de programlar çeşitlilik göstermektedir. STATISTICA ve SAS paket programı diğerlerinden farklı olarak, dört ayrı iterasyon yöntemini kullanıma sunmaktadır. Ayrıca, STATISTICA programı bu yöntemlerin birbirleri arasındaki kombinasyonlarına da imkan tanımakta ve iterasyon adımlarını program akışı sırasında vermektedir. Genel olarak tüm programlar, analiz sonuçları olarak iterasyon çözümlerini, doğrusal olmayan regresyon özet istatistiklerini, parametre tahminleri ve standart hatalarını, asimtotik % 95 güven aralıklarını ve parametre tahminlerinin asimtotik korelasyon matrisini vermektedir. Ulaşılan bilgi miktarı bakımından, STATISTICA programının daha ayrıntılı olduğu belirlenmiştir. Programların çalışma performansları bakımından karşılaştırılması yapıldığında, ele aldığımız veri setinin küçüklüğü nedeniyle belirgin bir farklılık bulunmamıştır. Ancak daha büyük veri setlerinde çalışma hızı bakımından farklılıklar beklenebilmektedir. Günümüz teknolojisinde bu programların elde edilmesinde herhangi bir engel görülmemektedir. İnternet üzerinden (SPSS) (SYSTAT) (SAS) adresleri aracılığı ile programlar hakkında daha detaylı bilgiler istenebilmekte ve satın alma işlemleri yapılabilmektedir. Seçilen herhangi bir paket program, ulaşılan bilgi miktarı, kolaylık, çalışma hızı ve veri tanımlama özellikleri bakımından kullanılabilir olmalıdır. Bu çalışmada veri tanımlaması, kullanım kolaylığı açısından SPSS, sunduğu bilgi miktarı için STATISTICA ve farklı iterasyon yöntemlerini kullanıma sunması bakımından SAS paket programının diğerlerine göre üstün olduğu belirlenmiştir. 4. Kaynaklar 1. Yakupoğlu, Ç., Etlik Piliçlerde Büyüme Eğrilerinin Karşılaştırılması. Ege Üniversitesi Fen Bilimleri Enstitüsü, Zootekni Anabilim Dalı Yüksek Lisans Tezi.İzmir SAS, Institute Inc., Cary, NC, USA Efe E., Büyüme Eğrileri. Fen Bilimleri Enstitüsü, Zootekni Anabilim Dalı Doktora Tezi.Adana Akbaş,Y., Büyüme Eğrisi Modellerinin Karşılaştırılması. Hayvansal Üretim Dergisi Sayı: Laird,A. K., Dynamics of Relative Growth. Growth 29, Ek 5.1. SPSS All the derivatives will be calculated numerically. SPSS for WINDOWS Release 6.0 Iteration Residual SS A B K , , , , ,5593-9, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,

10 7.1 55, , , , , , , , , , , , Nonlinear Regression Summary Statistics Dependent Variable WEIGHT Source DF Sum of Squares Mean Square Regression , ,06948 Residual 11 55, ,07893 Uncorrected Total ,07670 (Corrected Total) ,07149 R squared = 1 - Residual SS / Corrected SS =,99889 Asymptotic 95 % Asymptotic Confidence Interval Parameter Estimate Std. Error Lower Upper A 203, , , , B 4, , , , K, , , , Asymptotic Correlation Matrix of the Parameter Estimates A B K A 1,0000 -,6810 -,9030 B -,6810 1,0000,9056 K -,9030,9056 1, SYSTATW5 ITERATION LOSS PARAMETER VALUES D D D D D D D D D D D D D D D D D D D D D D D D D D D D D D D D D D D D D D D D D D D D D D D D D D D D D D D D D D D D D D D D D D D D D D D D-01 DEPENDENT VARIABLE IS WEIGHT SOURCE SUM-OF-SQUARES DF MEAN-SQUARE REGRESSION RESIDUAL TOTAL CORRECTED RAW R-SQUARED (1-RESIDUAL/TOTAL) = CORRECTED R-SQUARED (1-RESIDUAL/CORRECTED) = PARAMETER ESTIMATE A B K STATISTICA 5.4. SAS Dependent Variable CANLIAG Method: Gauss-Newton Iter A B K Sum of Squares NOTE: Convergence criterion met. Non-Linear Least Squares Summary Statistics Dependent Variable CANLIAG Source DF Sum of Squares Mean Square Regression Residual Uncorrected Total (Corrected Total) Parameter Estimate Asymptotic Asymptotic 95 % Std. Error Confidence Interval Lower Upper A B K Asymptotic Correlation Matrix Corr A B K A B K

SPSS (Statistical Package for Social Sciences)

SPSS (Statistical Package for Social Sciences) SPSS (Statistical Package for Social Sciences) SPSS Data Editor: Microsoft Excel formatına benzer satır ve sütunlardan oluşan çalışma sayfası (*sav) Data Editör iki arayüzden oluşur. 1. Data View 2. Variable

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

BÖLÜM 8 BİLGİSAYAR UYGULAMALARI - 2

BÖLÜM 8 BİLGİSAYAR UYGULAMALARI - 2 1 BÖLÜM 8 BİLGİSAYAR UYGULAMALARI - 2 Bu bölümde bir veri seti üzerinde betimsel istatistiklerin kestiriminde SPSS paket programının kullanımı açıklanmaktadır. Açıklamalar bir örnek üzerinde hareketle

Detaylı

UYGULAMA 4 TANIMLAYICI İSTATİSTİK DEĞERLERİNİN HESAPLANMASI

UYGULAMA 4 TANIMLAYICI İSTATİSTİK DEĞERLERİNİN HESAPLANMASI 1 UYGULAMA 4 TANIMLAYICI İSTATİSTİK DEĞERLERİNİN HESAPLANMASI Örnek 1: Ders Kitabı 3. konuda verilen 100 tane yaş değeri için; a. Aritmetik ortalama, b. Ortanca değer, c. Tepe değeri, d. En küçük ve en

Detaylı

SPPS. Verileri Düzenleme ve Değiştirme 3 - Data Menüsü. Y. Doç. Dr. İbrahim Turan Nisan 2011

SPPS. Verileri Düzenleme ve Değiştirme 3 - Data Menüsü. Y. Doç. Dr. İbrahim Turan Nisan 2011 SPPS Verileri Düzenleme ve Değiştirme 3 - Data Menüsü Y. Doç. Dr. İbrahim Turan Nisan 2011 Data Menüsü 1- Define Variable 1- Properties (Değişken Özelliklerini Tanımlama) Değişken özelliklerini tanımlamak

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

19. BÖLÜM BİRBİRİYLE İLİŞKİLİ OLAN İKİ DEĞİŞKENDEN BİRİSİNDEKİ DEĞİŞİME GÖRE DİĞERİNİN ALACAĞI DEĞERİ YORDAMA (KESTİRME) UYGULAMA-I

19. BÖLÜM BİRBİRİYLE İLİŞKİLİ OLAN İKİ DEĞİŞKENDEN BİRİSİNDEKİ DEĞİŞİME GÖRE DİĞERİNİN ALACAĞI DEĞERİ YORDAMA (KESTİRME) UYGULAMA-I 19. BÖLÜM BİRBİRİYLE İLİŞKİLİ OLAN İKİ DEĞİŞKENDEN BİRİSİNDEKİ DEĞİŞİME GÖRE DİĞERİNİN ALACAĞI DEĞERİ YORDAMA (KESTİRME) UYGULAMA-I Bir dil dershanesinde öğrenciler talep ettikleri takdirde, öğretmenleriyle

Detaylı

Bootstrap Metodu ve Uygulanışı Üzerine Bir Çalışma 2. Güven Aralıkları, Hipotez Testi ve Regresyon Analizinde Bootstrap Metodu

Bootstrap Metodu ve Uygulanışı Üzerine Bir Çalışma 2. Güven Aralıkları, Hipotez Testi ve Regresyon Analizinde Bootstrap Metodu Ege Üniv. Ziraat Fak. Derg., 2006, 43(2):63-72 ISSN 1018-8851 Bootstrap Metodu ve Uygulanışı Üzerine Bir Çalışma 2. Güven Aralıkları, Hipotez Testi ve Regresyon Analizinde Bootstrap Metodu Çiğdem TAKMA

Detaylı

4. BÖLÜM: REGRESYON ANALİZİNİ KULLANMAYI ÖĞRENME

4. BÖLÜM: REGRESYON ANALİZİNİ KULLANMAYI ÖĞRENME 4. BÖLÜM: REGRESYON ANALİZİNİ KULLANMAYI ÖĞRENME Bu bölümde; Bir grup değişkenin çalışma sayfası görüntüsünü görüntüleme Bir grup değişkenin tanımlayıcı istatistiklerini görüntüleme Bir grup içerisindeki

Detaylı

Bilgisayar Programlama

Bilgisayar Programlama Bilgisayar Programlama M Dosya Yapısı Kontrol Yapıları Doç. Dr. İrfan KAYMAZ Matlab Ders Notları M-dosyası Genel tanıtımı : Bir senaryo dosyası (script file) özel bir görevi yerine getirmek için gerekli

Detaylı

SPSS (Statistical Package for Social Sciences)

SPSS (Statistical Package for Social Sciences) SPSS (Statistical Package for Social Sciences) SPSS Data Editor: Microsoft Excel formatına benzer satır ve sütunlardan oluşan çalışma sayfası (*sav) SPSS Data Editör iki arayüzden oluşur. 1. Data View

Detaylı

K-S Testi hipotezde ileri sürülen dağılımla örnek yığılmalı dağılım fonksiyonunun karşılaştırılması ile yapılır.

K-S Testi hipotezde ileri sürülen dağılımla örnek yığılmalı dağılım fonksiyonunun karşılaştırılması ile yapılır. İstatistiksel güven aralıkları uygulamalarında normallik (normal dağılıma uygunluk) oldukça önemlidir. Kullanılan parametrik istatistiksel tekniklerin geçerli olabilmesi için populasyon şans değişkeninin

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

2. BÖLÜM: REGRESYON ANALİZİ

2. BÖLÜM: REGRESYON ANALİZİ 2. BÖLÜM: REGRESYON ANALİZİ Bu bölümde; Basit bir Regresyon Analizi EViews çalışma dosyası oluşturma EViews çalışma dosyasına veri girme EViews ta grup oluşturma EViews ta grafik çizme EViews ta yeni değişken

Detaylı

3. BÖLÜM: EN KÜÇÜK KARELER

3. BÖLÜM: EN KÜÇÜK KARELER 3. BÖLÜM: EN KÜÇÜK KARELER Bu bölümde; Kilo/Boy Örneği için Basit bir Regresyon EViews Denklem Penceresinin İçeriği Biftek Talebi Örneği için Çalışma Dosyası Oluşturma Beef 2.xls İsimli Çalışma Sayfasından

Detaylı

Verilerin Standardizasyonuna Yönelik Bir Bilgisayar Yazılımı: Standart

Verilerin Standardizasyonuna Yönelik Bir Bilgisayar Yazılımı: Standart Verilerin Standardizasyonuna Yönelik Bir Bilgisayar Yazılımı: Standart Yavuz AKBAŞ Ege Üniversitesi, Ziraat Fakültesi, Zootekni Bölümü, Bornova-İZMİR Özet: Çevre etkileri için fenotipik değerin standartlaştırılması,

Detaylı

1. YAPISAL KIRILMA TESTLERİ

1. YAPISAL KIRILMA TESTLERİ 1. YAPISAL KIRILMA TESTLERİ Yapısal kırılmanın araştırılması için CUSUM, CUSUMSquare ve CHOW testleri bize gerekli bilgileri sağlayabilmektedir. 1.1. CUSUM Testi (Cumulative Sum of the recursive residuals

Detaylı

01.02.2013. Statistical Package for the Social Sciences

01.02.2013. Statistical Package for the Social Sciences Hipotezlerin test edilip onaylanması için çeşitli istatistiksel testler kullanılmaktadır. Fakat... Her istatistik teknik her tür analize elverişli değildir. Modele veya hipoteze uygun test istatistiği

Detaylı

SANAYİ İŞÇİLERİNİN DİNİ YÖNELİMLERİ VE ÇALIŞMA TUTUMLARI ARASINDAKİ İLİŞKİ - ÇORUM ÖRNEĞİ

SANAYİ İŞÇİLERİNİN DİNİ YÖNELİMLERİ VE ÇALIŞMA TUTUMLARI ARASINDAKİ İLİŞKİ - ÇORUM ÖRNEĞİ , ss. 51-75. SANAYİ İŞÇİLERİNİN DİNİ YÖNELİMLERİ VE ÇALIŞMA TUTUMLARI ARASINDAKİ İLİŞKİ - ÇORUM ÖRNEĞİ Sefer YAVUZ * Özet Sanayi İşçilerinin Dini Yönelimleri ve Çalışma Tutumları Arasındaki İlişki - Çorum

Detaylı

Kangal Köpeği Yavrularında Vücut Ağırlığı Değişimlerinin Tanımlanmasında Doğrusal Olmayan Büyüme Modellerinin Kullanılması*

Kangal Köpeği Yavrularında Vücut Ağırlığı Değişimlerinin Tanımlanmasında Doğrusal Olmayan Büyüme Modellerinin Kullanılması* Atatürk Üniversitesi Vet. Bil. Derg. 2011; 6(1): 17-22 Atatürk Üniversitesi Veteriner Bilimleri Dergisi http://e-dergi.atauni.edu.tr/index.php/vbd Araştırma Makalesi Kangal Köpeği Yavrularında Vücut Ağırlığı

Detaylı

UYGULAMA 2 TABLO YAPIMI

UYGULAMA 2 TABLO YAPIMI 1 UYGULAMA 2 TABLO YAPIMI Amaç: SPSS 10 istatistiksel paket programında veri girişi ve tablo yapımı. SPSS 10 istatistiksel paket programı ilk açıldığında ekrana gelen görüntü aşağıdaki gibidir. Bu pencere

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

SPSS de Tanımlayıcı İstatistikler

SPSS de Tanımlayıcı İstatistikler SPSS de Tanımlayıcı İstatistikler Doç. Dr. Ertuğrul ÇOLAK Eskişehir Osmangazi Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı SPSS programında belirtici istatistikler 4 farklı menüden yararlanılarak

Detaylı

EKONOMETRİ. GRETL Uygulamaları. Prof. Dr. Bülent Miran

EKONOMETRİ. GRETL Uygulamaları. Prof. Dr. Bülent Miran EKONOMETRİ GRETL Uygulamaları Prof. Dr. Bülent Miran Bornova-2015 İÇİNDEKİLER 1. Gretl da veri dosyasını çağırma:... 3 2. Gretl da Excel veri dosyasını açma:... 4 3. Excel den alınmış verilerin Gretl dosyası

Detaylı

Tanı Testlerinin Değerlendirilmesi. ROC Analizi. Prof.Dr. Rian DİŞÇİ

Tanı Testlerinin Değerlendirilmesi. ROC Analizi. Prof.Dr. Rian DİŞÇİ Tanı Testlerinin Değerlendirilmesi ROC Analizi Prof.Dr. Rian DİŞÇİ İstanbul Üniversitesi, Onkoloji Enstitüsü Kanser Epidemiyolojisi Ve Biyoistatistik Bilim Dalı Tanı Testleri Klinik çalışmalarda, özellikle

Detaylı

SPSS E GİRİŞ SPSS TE TEMEL İŞLEMLER. Abdullah Can

SPSS E GİRİŞ SPSS TE TEMEL İŞLEMLER. Abdullah Can SPSS E GİRİŞ SPSS TE TEMEL İŞLEMLER SPSS in üzerinde işlem yapılabilecek iki ana ekran görünümü vardır. DATA VIEW (VERİ görünümü) VARIABLE VIEW (DEĞİŞKEN görünümü) 1 DATA VIEW (VERİ görünümü) İstatistiksel

Detaylı

SPSS-Tarihsel Gelişimi

SPSS-Tarihsel Gelişimi SPSS -Giriş SPSS-Tarihsel Gelişimi ilk sürümü Norman H. Nie, C. Hadlai Hull ve Dale H. Bent tarafından geliştirilmiş ve 1968 yılında piyasaya çıkmış istatistiksel analize yönelik bir bilgisayar programıdır.

Detaylı

Adım Adım SPSS. 1- Data Girişi ve Düzenlemesi 2- Hızlı Menü. Y. Doç. Dr. İbrahim Turan Nisan 2011

Adım Adım SPSS. 1- Data Girişi ve Düzenlemesi 2- Hızlı Menü. Y. Doç. Dr. İbrahim Turan Nisan 2011 Adım Adım SPSS 1- Data Girişi ve Düzenlemesi 2- Hızlı Menü Y. Doç. Dr. İbrahim Turan Nisan 2011 File (Dosya) Menüsü Excel dosyalarını SPSS e aktarma Variable View (Değişken Görünümü 1- Name (İsim - Kod)

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

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

PARMAKLI VE TAMBURLU ÇAYIR BİÇME MAKİNALARINDA ARIZALANMA VE TAMİRE BAĞLI RİSK KATSAYISININ SİMÜLASYONLA BELİRLENMESİ

PARMAKLI VE TAMBURLU ÇAYIR BİÇME MAKİNALARINDA ARIZALANMA VE TAMİRE BAĞLI RİSK KATSAYISININ SİMÜLASYONLA BELİRLENMESİ Tarımsal Mekanizasyon 8. Ulusal Kongresi Tekirdağ 830 PARMAKLI VE TAMBURLU ÇAYIR BİÇME MAKİNALARINDA ARIZALANMA VE TAMİRE BAĞLI RİSK KATSAYISININ SİMÜLASYONLA BELİRLENMESİ The Simulation of Risk Coefficient

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

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

H.Ü. Bilgi ve Belge Yönetimi Bölümü BBY 208 Sosyal Bilimlerde Araştırma Yöntemleri II (Bahar 2012) SPSS Ders Notları III (3 Mayıs 2012)

H.Ü. Bilgi ve Belge Yönetimi Bölümü BBY 208 Sosyal Bilimlerde Araştırma Yöntemleri II (Bahar 2012) SPSS Ders Notları III (3 Mayıs 2012) H.Ü. Bilgi ve Belge Yönetimi Bölümü BBY 208 Sosyal Bilimlerde Araştırma Yöntemleri II (Bahar 2012) Parametrik Olmayan Testler Binom Testi SPSS Ders Notları III (3 Mayıs 2012) Soru 1: Öğrencilerin okul

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

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

EKONOMİK KATILIM VE FIRSATLARDA CİNSİYET EŞİTSİZLİĞİNİN SOSYOEKONOMİK VE KÜLTÜREL DEĞİŞKENLERLE İLİŞKİSİ. Aslı AŞIK YAVUZ

EKONOMİK KATILIM VE FIRSATLARDA CİNSİYET EŞİTSİZLİĞİNİN SOSYOEKONOMİK VE KÜLTÜREL DEĞİŞKENLERLE İLİŞKİSİ. Aslı AŞIK YAVUZ EKONOMİK KATILIM VE FIRSATLARDA CİNSİYET EŞİTSİZLİĞİNİN SOSYOEKONOMİK VE KÜLTÜREL DEĞİŞKENLERLE İLİŞKİSİ Aslı AŞIK YAVUZ 1 İçindekiler 1. Küresel Cinsiyet Eşitsizliği Endeksi 2. Çalışmanın Amacı 3. Çalışmada

Detaylı

Ankara Üniversitesi Fen Fakültesi. Astronomi ve Uzay Bilimleri. AST206 İstatistik Astronomi Dersi OCTAVE GİRİŞ. Öğr. Gör.

Ankara Üniversitesi Fen Fakültesi. Astronomi ve Uzay Bilimleri. AST206 İstatistik Astronomi Dersi OCTAVE GİRİŞ. Öğr. Gör. Ankara Üniversitesi Fen Fakültesi Astronomi ve Uzay Bilimleri AST206 İstatistik Astronomi Dersi OCTAVE GİRİŞ Öğr. Gör. Yahya DEMİRCAN 2012 İçindekiler Octave:... 3 Dosya indirme ve kurulum:... 3 Linux...

Detaylı

Eğer Veri Çözümleme paketi Araçlar menüsünde görünmüyor ise yüklenmesi gerekir.

Eğer Veri Çözümleme paketi Araçlar menüsünde görünmüyor ise yüklenmesi gerekir. Bölüm BİLGİSAYAR DESTEKLİ İSTATİSTİK EXCEL DESTEKLİ İSTATİSTİK Excel de istatistik hesaplar; Genel Yöntem ve Excel Ġçerikli Çözümler olmak üzere iki esasa dayanabilir. Genel Yöntem; Excel in matematiksel

Detaylı

En Düşük Maliyetli Rasyon Hazirlamada Excel Çözümü Excel Solution for Least Cost Diet Formulation

En Düşük Maliyetli Rasyon Hazirlamada Excel Çözümü Excel Solution for Least Cost Diet Formulation Ç.Ü.Z.F. Dergisi, Yıl:1997 Sayı: 13(1):11-20 J.Agric. Fac. Ç.Ü. Year:1997 Volume:13(1):11-20 En Düşük Maliyetli Rasyon Hazirlamada Excel Çözümü Excel Solution for Least Cost Diet Formulation Aykut Gül

Detaylı

OLS Klasik Varsayımlar. Çoklu Regresyon. Çoklu Regresyon Modellemesi. Çoklu Regresyon Modeli. Multiple Regression

OLS Klasik Varsayımlar. Çoklu Regresyon. Çoklu Regresyon Modellemesi. Çoklu Regresyon Modeli. Multiple Regression OLS Klasik Varsayımlar Çoklu Regresyon Multiple Regression. Lineer regresyon modeli. E(e i )=, ortalama hata sıfırdır. E(X i e i )=, bağımsız değişkenlerle hatalar arasında korelasyon mevcut değildir 4.

Detaylı

Mühendislikte İstatistik Yöntemler

Mühendislikte İstatistik Yöntemler .0.0 Mühendislikte İstatistik Yöntemler İstatistik Parametreler Tarih Qma.3.98 4..98 0.3.983 45 7..984 37.3.985 48 0.4.986 67.4.987 5 0.3.988 45.5.989 34.3.990 59.4.99 3 4 34 5 37 6 45 7 45 8 48 9 5 0

Detaylı

Epi Info Kullanımı AMACI: Epi Info Programı ile veri tabanı hazırlayabilme ve veri girişi yapabilme becerisi kazanmak ÖĞRENİM HEDEFLERİ Epi Info bileşenlerini tanımlayabilmek Epi Info Make View programında

Detaylı

SÖZLÜ BİLDİRİLER baş Bilim Alanı ( ) Küçükbaş Bilim Alanı (Biyometri ve Genetik) Hayvan Davranışları Çalışmalarında Kullanılan Testler ve Bir Uygulama Semra Göktürk, Cemil Tölü, Türker Savaş İzolasyon

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

İNTERNET TARAYICISI ÜZERİNDE ÇALIŞABİLEN ELEKTRİK TALEP TAHMİNİ ANALİZ PROGRAMI

İNTERNET TARAYICISI ÜZERİNDE ÇALIŞABİLEN ELEKTRİK TALEP TAHMİNİ ANALİZ PROGRAMI TMMOB TÜRKİYE VI. ENERJİ SEMPOZYUMU - KÜRESEL ENERJİ POLİTİKALARI VE TÜRKİYE GERÇEĞİ İNTERNET TARAYICISI ÜZERİNDE ÇALIŞABİLEN ELEKTRİK TALEP TAHMİNİ ANALİZ PROGRAMI Barış Sanlı Dünya Enerji Konseyi Türk

Detaylı

BİLİŞİM TEKNOLOJİLERİ 6. SINIF DERS NOTLARI 2

BİLİŞİM TEKNOLOJİLERİ 6. SINIF DERS NOTLARI 2 PROGRAMLAMA Bir problemin çözümü için belirli kurallar ve adımlar çerçevesinde bilgisayar ortamında hazırlanan komutlar dizisine programlama denir. Programlama Dili: Bir programın yazılabilmesi için kendine

Detaylı

ESNEK YAPILANDIRMA UYGULAMASINDA YENİLİKLER

ESNEK YAPILANDIRMA UYGULAMASINDA YENİLİKLER ESNEK YAPILANDIRMA UYGULAMASINDA YENİLİKLER Amaç ve Fayda Esnek yapılandırma uygulamasında yapılan yenilikler ile; Hareket girişlerinde, daha önceden tanımlanmamış özellik değerlerinin kullanılabilmesi,

Detaylı

İZMİR DEKİ ÖZEL VE DEVLET ÜNİVERSİTELERİNDEKİ ÖĞRENCİLERİN BAŞARILARINI ETKİLEYEN FAKTÖRLERİN BELİRLENMESİ VE KARŞILAŞTIRILMASI ÖZET

İZMİR DEKİ ÖZEL VE DEVLET ÜNİVERSİTELERİNDEKİ ÖĞRENCİLERİN BAŞARILARINI ETKİLEYEN FAKTÖRLERİN BELİRLENMESİ VE KARŞILAŞTIRILMASI ÖZET Muğla Üniversitesi Sosyal Bilimler Enstitüsü Dergisi (İLKE) Bahar 2007 Sayı 18 İZMİR DEKİ ÖZEL VE DEVLET ÜNİVERSİTELERİNDEKİ ÖĞRENCİLERİN BAŞARILARINI ETKİLEYEN FAKTÖRLERİN BELİRLENMESİ VE KARŞILAŞTIRILMASI

Detaylı

Tekirdağ İlinde Yetiştirilen Karacabey Merinosu x Kıvırcık Melezi Kuzularda Büyüme Eğrisinin Farklı Modellerle Belirlenmesi 1

Tekirdağ İlinde Yetiştirilen Karacabey Merinosu x Kıvırcık Melezi Kuzularda Büyüme Eğrisinin Farklı Modellerle Belirlenmesi 1 Tekirdağ İlinde Yetiştirilen Karacabey Merinosu x Kıvırcık Melezi Kuzularda Büyüme Eğrisinin Farklı Modellerle Belirlenmesi 1 G. Yıldız 2 M.İ. Soysal 3 E.K. Gürcan 3 2 Namık Kemal Üniversitesi, Fen Bilimleri

Detaylı

İ yi İ malat Uygulamaları Denetim Su reci İ nceleme Raporu

İ yi İ malat Uygulamaları Denetim Su reci İ nceleme Raporu İ yi İ malat Uygulamaları Denetim Su reci İ nceleme Raporu 2014 Yarıyıl Sonu Doçent Dr. Özden Gür Ali tarafından AİFD için hazırlanmıştır Kasım 2014 Yönetici Özeti Bu rapor, Türkiye ye yurtdışında ithal

Detaylı

FAKS SUNUCU EĞİTİM DÖKÜMANI

FAKS SUNUCU EĞİTİM DÖKÜMANI FAKS SUNUCU EĞİTİM DÖKÜMANI 1. Faks Tanımlama 1.1. Uygulamalar Santral Yönetimi Faxlar Fax Ayarları Ekranı açılır. 1.2. Yeni bir faks tanımlamak için Navigasyon Çubuğundaki Ekle düğmesi tıklanarak yeni

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

Prof.Dr. Rian Dişçi İ.Ü.Onkoloji Enstitüsü Kanser Epidemiyolojisi ve Biyoistatistik Bilim Dalı

Prof.Dr. Rian Dişçi İ.Ü.Onkoloji Enstitüsü Kanser Epidemiyolojisi ve Biyoistatistik Bilim Dalı SAĞKALIM (SÜRVİ) ANALİZİ Prof.Dr. Rian Dişçi İ.Ü.Onkoloji Enstitüsü Kanser Epidemiyolojisi ve Biyoistatistik Bilim Dalı Amaç Tedaviden sonra hastaların beklenen yaşam sürelerinin tahmin edilmesi, genel

Detaylı

THY İŞLETMESİNİN HİZMET KALİTESİ AÇISINDAN DEĞERLENDİRİLMESİ ÜZERİNE BİR PİLOT ARAŞTIRMA

THY İŞLETMESİNİN HİZMET KALİTESİ AÇISINDAN DEĞERLENDİRİLMESİ ÜZERİNE BİR PİLOT ARAŞTIRMA THY İŞLETMESİNİN HİZMET KALİTESİ AÇISINDAN DEĞERLENDİRİLMESİ ÜZERİNE BİR PİLOT ARAŞTIRMA Bu çalışmanın amacı, tüketicilerin Türk Hava Yollarından bekledikleri hizmet kalitesi arasında fark olup olmadığını

Detaylı

Mühendislikte Sayısal Çözüm Yöntemleri NÜMERİK ANALİZ. Prof. Dr. İbrahim UZUN

Mühendislikte Sayısal Çözüm Yöntemleri NÜMERİK ANALİZ. Prof. Dr. İbrahim UZUN Mühendislikte Sayısal Çözüm Yöntemleri NÜMERİK ANALİZ Prof. Dr. İbrahim UZUN Yayın No : 2415 İşletme-Ekonomi Dizisi : 147 5. Baskı Eylül 2012 - İSTANBUL ISBN 978-605 - 377-438 - 9 Copyright Bu kitabın

Detaylı

ZAMAN SERİLERİNDE AYRIŞTIRMA YÖNTEMLERİ

ZAMAN SERİLERİNDE AYRIŞTIRMA YÖNTEMLERİ ZAMAN SERİLERİNDE AYRIŞTIRMA YÖNTEMLERİ 1 A. GİRİŞ Gözlemlerin belirli bir dönem için gün, hafta, ay, üç ay, altı ay, yıl gibi birbirini izleyen eşit aralıklarla yapılması ile elde edilen seriler zaman

Detaylı

Regresyon Analizi. Yaşar Tonta H.Ü. BBY tonta@hacettepe.edu.tr yunus.hacettepe.edu.tr/~tonta/courses/fall2008/sb5002/ SLIDE 1

Regresyon Analizi. Yaşar Tonta H.Ü. BBY tonta@hacettepe.edu.tr yunus.hacettepe.edu.tr/~tonta/courses/fall2008/sb5002/ SLIDE 1 Regresyon Analizi Yaşar Tonta H.Ü. BBY tonta@hacettepe.edu.tr yunus.hacettepe.edu.tr/~tonta/courses/fall2008/sb5002/ SLIDE 1 Not: Sunuş slaytları G.A. Morgan, O.V. Griego ve G.W. Gloeckner in SPSS for

Detaylı

SİYAH ALACA SIĞIRLARDA 305 GÜNLÜK SÜT VERİMİ ÜZERİNE ETKİLİ FAKTÖRLERİN PATH ANALİZİ İLE İNCELENMESİ

SİYAH ALACA SIĞIRLARDA 305 GÜNLÜK SÜT VERİMİ ÜZERİNE ETKİLİ FAKTÖRLERİN PATH ANALİZİ İLE İNCELENMESİ İYAH ALACA IĞIRLARDA 305 GÜNLÜK ÜT VERİMİ ÜZERİNE ETKİLİ FAKTÖRLERİN ATH ANALİZİ İLE İNCELENMEİ Ö. İşçi 1, Ç. Takma 2 Y. Akbaş 2 ÖZET İncelenen kantitatif bir özellik üzerine çeşitli faktörlerin doğrudan

Detaylı

H.Ü. Bilgi ve Belge Yönetimi Bölümü BBY 208 Sosyal Bilimlerde Araştırma Yöntemleri II (Bahar 2012) SPSS DERS NOTLARI I 5 Nisan 2012

H.Ü. Bilgi ve Belge Yönetimi Bölümü BBY 208 Sosyal Bilimlerde Araştırma Yöntemleri II (Bahar 2012) SPSS DERS NOTLARI I 5 Nisan 2012 H.Ü. Bilgi ve Belge Yönetimi Bölümü BBY 208 Sosyal Bilimlerde Araştırma Yöntemleri II (Bahar 2012) SPSS DERS NOTLARI I 5 Nisan 2012 Aşağıdaki analizlerde http://yunus.hacettepe.edu.tr/~tonta/courses/spring2010/bby208/bby208

Detaylı

ELEKTRONİK ÇİZELGE. Hücreleri Biçimlendirme. Formülleri Kullanma. Verileri Sıralama. Grafik Oluşturma 1) HÜCRELERİ BİÇİMLENDİRME

ELEKTRONİK ÇİZELGE. Hücreleri Biçimlendirme. Formülleri Kullanma. Verileri Sıralama. Grafik Oluşturma 1) HÜCRELERİ BİÇİMLENDİRME Hücreleri Biçimlendirme ELEKTRONİK ÇİZELGE Formülleri Kullanma Verileri Sıralama Grafik Oluşturma 1) HÜCRELERİ BİÇİMLENDİRME Elektronik Çizelge de sayıları; bin ayracı, yüzde oranı, tarih/saat ve para

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

ise, genel bir eğilim (trend) gösteriyorsa bu seriye uygun doğru ya da eğriyi bulmaya çalışırız. Trend orta-uzun dönemde her iniş, çokışı

ise, genel bir eğilim (trend) gösteriyorsa bu seriye uygun doğru ya da eğriyi bulmaya çalışırız. Trend orta-uzun dönemde her iniş, çokışı Trend Analizi Eğer zaman serisi i rastgele dağılmış ğ değil ise, genel bir eğilim (trend) gösteriyorsa bu seriye uygun doğru ya da eğriyi bulmaya çalışırız. Trend orta-uzun dönemde her iniş, çokışı yansıtmayacak,

Detaylı

UFRS ANALİZ DOKÜMANI

UFRS ANALİZ DOKÜMANI UFRS ANALİZ DOKÜMANI Versiyon 7.0.7 MatriksMatriksMatriksMatriksMa 25.10.2013 triksmat Bilgi Dağıtım Hizmetleri A.Ş. riksmatriksmatriksmatriksmatriksiksmatr iksmatriksmatriksmatriksmatriksmatriks İÇİNDEKİLER

Detaylı

MAK1010 MAKİNE MÜHENDİSLİĞİ BİLGİSAYAR UYGULAMALARI

MAK1010 MAKİNE MÜHENDİSLİĞİ BİLGİSAYAR UYGULAMALARI .. MAK MAKİNE MÜHENDİSLİĞİ BİLGİSAYAR UYGULAMALARI Polinom MATLAB p=[8 ] d=[ - ] h=[ -] c=[ - ] POLİNOMUN DEĞERİ >> polyval(p, >> fx=[ -..9 -. -.9.88]; >> polyval(fx,9) ans =. >> x=-.:.:.; >> y=polyval(fx,;

Detaylı

2001 ve 2008 Yılında Oluşan Krizlerin Faktör Analizi ile Açıklanması

2001 ve 2008 Yılında Oluşan Krizlerin Faktör Analizi ile Açıklanması 2001 ve 2008 Yılında Oluşan Krizlerin Faktör Analizi ile Açıklanması Mahmut YARDIMCIOĞLU Özet Genel anlamda krizler ekonominin olağan bir parçası haline gelmiştir. Sıklıkla görülen bu krizlerin istatistiksel

Detaylı

Özyineleme (Recursion)

Özyineleme (Recursion) C PROGRAMLAMA Özyineleme (Recursion) Bir fonksiyonun kendisini çağırarak çözüme gitmesine özyineleme (recursion), böyle çalışan fonksiyonlara da özyinelemeli (recursive) fonksiyonlar denilir. Özyineleme,

Detaylı

Proje/Sipariş/İş Emri (PSI) Bazında Maliyet Analizi

Proje/Sipariş/İş Emri (PSI) Bazında Maliyet Analizi Proje/Sipariş/İş Emri (PSI) Bazında Maliyet Analizi Amaç ve Fayda Bilindiği gibi mamul maliyetleri direkt hammadde (direkt ilk madde ve ambalaj), direkt işçilik ve genel üretim giderlerinden oluşmaktadır.

Detaylı

REGRESYON ANALĐZĐ. www.fikretgultekin.com 1

REGRESYON ANALĐZĐ. www.fikretgultekin.com 1 REGRESYON ANALĐZĐ Regresyon analizi, aralarında sebep-sonuç ilişkisi bulunan iki veya daha fazla değişken arasındaki ilişkiyi belirlemek ve bu ilişkiyi kullanarak o konu ile ilgili tahminler (estimation)

Detaylı

KUKLA DEĞİŞKENLİ MODELLER

KUKLA DEĞİŞKENLİ MODELLER KUKLA DEĞİŞKENLİ MODELLER Bir kukla değişkenli modeller (Varyans Analiz Modelleri) Kukla değişkenlerin diğer kantitatif değişkenlerle alındığı modeller (Kovaryans Analizi Modeller) Kukla değişkenlerin

Detaylı

Nitel Tepki Bağlanım Modelleri

Nitel Tepki Bağlanım Modelleri Doğrusal-Dışı Yaklaşım ve Nitel Tepki Bağlanım Modelleri Doğrusal-Dışı Yaklaşım ve Ekonometri 2 Konu 18 Sürüm 2,0 (Ekim 2011) Doğrusal-Dışı Yaklaşım ve UADMK Açık Lisans Bilgisi İşbu belge, Creative Commons

Detaylı

LKS2. Kredi Kartı Uygulamaları

LKS2. Kredi Kartı Uygulamaları LKS2 Kredi Kartı Uygulamaları LOGO Kasım 2006 İçindekiler LKS2 Kredi Kartı Uygulamalarında kullanılan parametreler... 3 Banka Hesabı Kayıt Türleri... 3 Geri Ödeme Planları... 4 Geri Ödeme Plan Bilgileri...

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

Beklenti Anketi ne İlişkin Yöntemsel Açıklama

Beklenti Anketi ne İlişkin Yöntemsel Açıklama Beklenti Anketi ne İlişkin Yöntemsel Açıklama İstatistik Genel Müdürlüğü Reel Sektör Verileri Müdürlüğü İçindekiler I- Amaç... 3 II- Kapsam... 3 III- Yöntem... 3 IV- Tanımlar ve Hesaplamalar... 3 V- Yayımlama...

Detaylı

Yoğun Bakım Üniteleri Araştırması

Yoğun Bakım Üniteleri Araştırması Yoğun Bakım Üniteleri Araştırması 22 Temmuz 2015, ANKARA tkhk.istatistik@saglik.gov.tr İstatistik, Analiz ve Raporlama Daire Başkanlığı 1 Hazırlayanlar: H. Erkin SÜLEKLİ (Sağlık Uzman Yardımcısı) Aziz

Detaylı

Varyans Analizi (ANOVA) Kruskal-Wallis H Testi. Doç. Dr. Ertuğrul ÇOLAK. Eskişehir Osmangazi Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı

Varyans Analizi (ANOVA) Kruskal-Wallis H Testi. Doç. Dr. Ertuğrul ÇOLAK. Eskişehir Osmangazi Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı Varyans Analizi (ANOVA) Kruskal-Wallis H Testi Doç. Dr. Ertuğrul ÇOLAK Eskişehir Osmangazi Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı Konu Başlıkları Tek Yönlü Varyans Analizi SPSS de Tek

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

RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI. Yrd. Doç. Dr. Emre ATILGAN

RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI. Yrd. Doç. Dr. Emre ATILGAN RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI Yrd. Doç. Dr. Emre ATILGAN 1 RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI Olasılığa ilişkin olayların çoğunluğunda, deneme sonuçlarının bir veya birkaç yönden incelenmesi

Detaylı

Yukarıdaki fonksiyonun anlamı: Bulunulan hücreye, B2 hücresinden B17 hücresine kadar olan hücreleri toplam ve yaz.

Yukarıdaki fonksiyonun anlamı: Bulunulan hücreye, B2 hücresinden B17 hücresine kadar olan hücreleri toplam ve yaz. DERS 14: FONKSİYONLAR (İŞLEVLER) Amaçlar: -Fonksiyon Sınıflamasını Tanımak. -Fonksiyonları Kullanmak. -Fonksiyon Sihirbazını Kullanmak. I. FONKSİYONLAR NE İŞE YARAR? Daha önceki haftalarda da Microsoft

Detaylı

BİLGİSAYAR DESTEKLİ TASARIM HAFTA 6 COSMOSWORKS İLE ANALİZ

BİLGİSAYAR DESTEKLİ TASARIM HAFTA 6 COSMOSWORKS İLE ANALİZ BİLGİSAYAR DESTEKLİ TASARIM HAFTA 6 COSMOSWORKS İLE ANALİZ Makine parçalarının ve/veya eş çalışan makine parçalarından oluşan mekanizma veya sistemlerin tasarımlarında önemli bir aşama olan ve tasarıma

Detaylı

TEMEL BİLGİTEKNOLOJİLERİ

TEMEL BİLGİTEKNOLOJİLERİ TEMEL BİLGİTEKNOLOJİLERİ Bilgiyi işlemekte kullanılan araçlar ikiye ayrılır. 1- Maddi cihazlar 2-Kavramsal araçlar. Kullanıcıve bilgisayarın karşılıklıetkileşimini sağlayan birimlerin genel adıgiriş-çıkışbirimleridir.

Detaylı

2 ALGORİTMA VE AKIŞ DİYAGRAMLARI

2 ALGORİTMA VE AKIŞ DİYAGRAMLARI İÇİNDEKİLER IX İÇİNDEKİLER 1 GİRİŞ 1 Kitabın Amacı 1 Algoritmanın Önemi 2 Bilgisayarın Doğuşu ve Kullanım Amaçları 3 Programlama Dili Nedir? 3 Entegre Geliştirme Ortamı (IDE) Nedir? 4 2 ALGORİTMA VE AKIŞ

Detaylı

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

Cadence OrCAD Kurulum ve Simulasyon

Cadence OrCAD Kurulum ve Simulasyon Cadence OrCAD Kurulum ve Simulasyon http://www.cadence.com/products/orcad/pages/downloads.aspx Yukarida belirtilen link uzerinden, Cadence programlarinin demo versiyonlarini indirebilirsiniz. Sadece yapacagınız

Detaylı

MATLAB Semineri. EM 314 Kontrol Sistemleri 1 GÜMMF Elektrik-Elektronik Müh. Bölümü. 30 Nisan / 1 Mayıs 2007

MATLAB Semineri. EM 314 Kontrol Sistemleri 1 GÜMMF Elektrik-Elektronik Müh. Bölümü. 30 Nisan / 1 Mayıs 2007 MATLAB Semineri EM 314 Kontrol Sistemleri 1 GÜMMF Elektrik-Elektronik Müh. Bölümü 30 Nisan / 1 Mayıs 2007 İçerik MATLAB Ekranı Değişkenler Operatörler Akış Kontrolü.m Dosyaları Çizim Komutları Yardım Kontrol

Detaylı

-- işareti tek satırlık açıklamalarda kullanılır. Açıklama olarak yazılan satırın önüne konulması yeterlidir.

-- işareti tek satırlık açıklamalarda kullanılır. Açıklama olarak yazılan satırın önüne konulması yeterlidir. T-SQL KODLARİ İÇERİSİNE AÇIKLAMA EKLEME Bir veya daha fazla satırın çalıştırılmasını Önlemek için veya /*... */" ifadeleri kullanılır. -- işareti tek satırlık açıklamalarda kullanılır. Açıklama olarak

Detaylı

T.C. KIRIKKALE ÜNİVERSİTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ YAPAY SİNİR AĞLARI. Doç.Dr. Necaattin BARIŞÇI FİNAL PROJESİ

T.C. KIRIKKALE ÜNİVERSİTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ YAPAY SİNİR AĞLARI. Doç.Dr. Necaattin BARIŞÇI FİNAL PROJESİ T.C. KIRIKKALE ÜNİVERSİTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ YAPAY SİNİR AĞLARI Doç.Dr. Necaattin BARIŞÇI YAPAY SİNİR AĞLARI İLE KORONER ARTER HASTALIĞI RİSK Öğrenci : SİNEM ÖZDER Numarası : 118229001004

Detaylı

Bu işleçlerin dışında, aşağıda belirtilen karşılaştırma işleçlerinden de yararlanılır.

Bu işleçlerin dışında, aşağıda belirtilen karşılaştırma işleçlerinden de yararlanılır. 18 SQL SORGU DİLİ SQL (Structured Query Language) yapısal sorgu dili, veritabanı yönetim sistemlerinin standart programlama dili olarak bilinmektedir. SQL dilinin Access içinde sorgu pencerelerinde veya

Detaylı

Spss 14 İçin İhtiyaç Duyulan Minimum Donanım Ve Yazılım Gereçleri; SPSS 14.0 programını License sunucusu üzerinden kurulumu:

Spss 14 İçin İhtiyaç Duyulan Minimum Donanım Ve Yazılım Gereçleri; SPSS 14.0 programını License sunucusu üzerinden kurulumu: Spss 14 İçin İhtiyaç Duyulan Minimum Donanım Ve Yazılım Gereçleri; Microsoft Windows Me, Windows 98, Windows XP, Windows 2000, or Windows NT 4.0, Service Pack 6. Pentium veya Pentium-class işlemci. 128

Detaylı

AKARSULARDA KİRLENME KONTROLÜ İÇİN BİR DİNAMİK BENZETİM YAZILIMI

AKARSULARDA KİRLENME KONTROLÜ İÇİN BİR DİNAMİK BENZETİM YAZILIMI AKARSULARDA KİRLENME KONTROLÜ İÇİN BİR DİNAMİK BENZETİM YAZILIMI *Mehmet YÜCEER, **Erdal KARADURMUŞ, *Rıdvan BERBER *Ankara Üniversitesi Mühendislik Fakültesi Kimya Mühendisliği Bölümü Tandoğan - 06100

Detaylı

ULUDAĞ ÜNİVERSİTESİ EĞİTİM FAKÜLTESİ BEDEN EĞİTİMİ ve SPOR BÖLÜMÜ ÖĞRENCİLERİNİN ÖSS ve ÖZEL YETENEK SINAVI PUANLARINA GÖRE GENEL AKADEMİK BAŞARILARI

ULUDAĞ ÜNİVERSİTESİ EĞİTİM FAKÜLTESİ BEDEN EĞİTİMİ ve SPOR BÖLÜMÜ ÖĞRENCİLERİNİN ÖSS ve ÖZEL YETENEK SINAVI PUANLARINA GÖRE GENEL AKADEMİK BAŞARILARI Uludağ Üniversitesi Eğitim Fakültesi Dergisi Cilt: XVII, Sayı: 1, 2003 ULUDAĞ ÜNİVERSİTESİ EĞİTİM FAKÜLTESİ BEDEN EĞİTİMİ ve SPOR BÖLÜMÜ ÖĞRENCİLERİNİN ÖSS ve ÖZEL YETENEK SINAVI PUANLARINA GÖRE GENEL

Detaylı

NETSİS PAKETLERİNİ ORTAK UYGULAMA İLE ÇALIŞTIRMA

NETSİS PAKETLERİNİ ORTAK UYGULAMA İLE ÇALIŞTIRMA NETSİS PAKETLERİNİ ORTAK UYGULAMA İLE ÇALIŞTIRMA Amaç ve Fayda Bu uygulama ile, Netsis paketlerinin (temelset, personel ve demirbaş) ortak bir uygulamadan tek isim ve şifre ile çalıştırılabilmesi, Muhasebeci

Detaylı

Üç Boyutlu Serpilme (Saçılım) Grafikleri

Üç Boyutlu Serpilme (Saçılım) Grafikleri Üç Boyutlu Serpilme (Saçılım) Grafikleri 3D Scatterplot of boy vs kol vs bacak 90 boy 0 70 0 90 70 00 0 bacak 0 0 90 kol 3D Scatterplot of kol vs omuz vs kalca 90 kol 0 70 00 kalca 0 0 0 0 00 omuz Merkez

Detaylı

MİKROGEN. Genel Muhasebe Paketi. 2008 Mikro Yazılımevi A.Ş.

MİKROGEN. Genel Muhasebe Paketi. 2008 Mikro Yazılımevi A.Ş. MİKROGEN Genel Muhasebe Paketi 1 MİKROGEN GENEL MUHASEBE PAKETİ Hesap planı ve kartları; Bu alandan; tekdüzen hesap planı kullanılarak, bu plan üzerinden kullanıcılar, muavin ve tali hesaplarını istedikleri

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

MatLab. Mustafa Coşar mustafacosar@hitit.edu.tr http://web.hitit.edu.tr/mustafacosar

MatLab. Mustafa Coşar mustafacosar@hitit.edu.tr http://web.hitit.edu.tr/mustafacosar MatLab Mustafa Coşar mustafacosar@hitit.edu.tr http://web.hitit.edu.tr/mustafacosar Sunum Planı MatLab Hakkında Ekran Yapısı Programlama Yapısı Matlab da Programlamaya Giriş Sorular MatLab Hakkında MatLab;

Detaylı

MAT213 BİLGİSAYAR PROGRAMLAMA I DERSİ Ders 1: Programlamaya Giriş

MAT213 BİLGİSAYAR PROGRAMLAMA I DERSİ Ders 1: Programlamaya Giriş MAT213 BİLGİSAYAR PROGRAMLAMA I DERSİ Ders 1: Programlamaya Giriş Yard. Doç. Dr. Alper Kürşat Uysal Bilgisayar Mühendisliği Bölümü akuysal@anadolu.edu.tr Ders Web Sayfası: http://ceng.anadolu.edu.tr/ders.aspx?dersid=101

Detaylı

1. Web Sitesine Giriş 1. Giriş Yapmak için tıklayın tıklanır.

1. Web Sitesine Giriş 1. Giriş Yapmak için tıklayın tıklanır. 1. Web Sitesine Giriş 1. Giriş Yapmak için tıklayın tıklanır. 2. Aşağıdaki ekranda e-mail adresi ve şifre ile giriş yapılır. Şifrenizi hatırlamıyorsanız Şifremi unuttum bağlantısı kullanılarak yeni şifrenin

Detaylı

Student t Testi. Doç. Dr. Ertuğrul ÇOLAK. Eskişehir Osmangazi Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı

Student t Testi. Doç. Dr. Ertuğrul ÇOLAK. Eskişehir Osmangazi Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı Student t Testi Doç. Dr. Ertuğrul ÇOLAK Eskişehir Osmangazi Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı Konu Başlıkları Tek örnek t testi SPSS de tek örnek t testi uygulaması Bağımsız iki örnek

Detaylı