Münevver TURANLI 1, Seda BAĞDATLI 2
|
|
- Emin Sönmez
- 7 yıl önce
- İzleme sayısı:
Transkript
1 Öner.C.9.S.35. Oca SEMİPARAMETRİK REGRESYON Münevver TURANLI, Seda BAĞDATLI İstanbul Tcaret Ünverstes, İstatst Bölümü, Profesör Dr. İstanbul Tcaret Ünverstes, İstatst Bölümü, Araştırma Görevls SEMIPARAMETRIC REGRESSION Abstract: Classcal (parametrc) re gresson technques are based on the assumpton that the ndependent varable s correlated lnearly wth the dependent varables and the pattern of ths relaton s nown. When such assumpton cannot be verfed, parameter estmatons fal to be relable. In cases where the way of correlaton s not nown or t does not comply wth the nown parametrc mathematcal patterns, nonparametrc regresson technques are to be appled. One shortcomng concernng ths procedure emerges partcularly n the nterpretaton process due to problems brought about by multdmensonal aspect of the exstence of more than one ndependent varable. Whenever confronted wth a case that ncludes more than one ndependent varable, some of the ndependent varables correlate lnearly wth the dependent varable; at other tmes some of the ndependent varables mght correlate nonlnearly. In order to establsh a modelng for such relatons, semparametrc regresson models, comprsng the aggregate of parametrc and nonparametrc regresson functon, are utlzed. İn ths study semparametrc regresson defntons, estmaton (bacfttng algorthm), confdence bands, calculatng standard errors and hypothess testng are explaned. Keywords: Addtve Models, Semparametrc Regresson, Bacfttng Algorthm. I. GİRİŞ Parametr olmayan regresyon modeller le x (bağımsız değşen) ve y (bağımlı) değşenler arasında doğrusal olmayan lş ncelemetedr anca, genellle bağımlı değşen br ço bağımsız değşenden eş zamanlı olara etlenmetedr. Bu durumda çolu regresyon analzne htyaç duyulmatadır. Parametr olmayan regresyon modellernde brden fazla değşenn yer aldığı durum eştl () de gösterldğ gbdr. Eştl () de sayıda bağımsız değşen yer almatadır. y f ( x, x,..., x ) () Parametr olmayan çolu regresyon modellernn tahmn, ço boyutluluğun yarattığı sııntı (curse of dmensonalty) nedenyle zorlaşmatadır []. Bu sorunun çözümü çn toplamsal modeller ullanılablmetedr. SEMİPARAMETRİK REGRESYON Özet: Klas (parametr) regresyon tenler, bağımlı değşenn bağımsız değşenlerle doğrusal br lş çersnde olduğunu ve lşnn şelnn blnyor olduğunu varsayar. Bu varsayımların sağlanamaması durumunda se parametre tahmnler güvenlr olmamatadır. İlşnn şelnn blnmedğ ya da blnen parametr matamatsel alıplara uymadığı durumlarda parametr olmayan regresyon tenler ullanılmatadır. Anca bu tenler brden fazla bağımsız değşen olma durumunda ço boyutluluğun yarattığı sııntı nedenyle özellle yorumlama aşamasında zorlulara neden olmatadır. Brden fazla bağımsız değşen söz onusu olduğunda, bağımsız değşenlern bazıları bağımlı değşenle doğrusal lş çersnde bulunablren, bazıları doğrusal olmayan lş çersnde bulunablrler. Bu tür lşlern modelleneblmes çn, parametr ve parametr olmayan regresyon fonsyonlarının toplamsal olara brleşmnden oluşan semparametr regresyon modellernden yararlanılmatadır. Bu çalışmada semparametr regresyon modellernn tanımı, tahmn (bacfttng algortması), güven bantları, standart hataların hesaplanması ve hpotez testler açılanmıştır. Anahtar Kelmeler: Toplamsal Modeller, Semparametr Regresyon, Bacfttng Algortması. Toplamsal modeller eştl () de gösterldğ gb fade edlmetedr. y f ( x ) f ( x ) () Eştl ( ) de gösterldğ gb toplamsal modellerde düzeltme [ f ( x ),, f ( x ) ] her br bağımsız değşen çn ayrı ayrı yapılmatadır. Bu şelde fade edlen parametr olmayan modeller toplamsallı varsayımına sahp olduğundan toplamsal modeller olara fade edlmetedrler []. Toplamsallı varsayımı araştırmacıya yorumlama aşamasında ço büyü olaylılar sağlamatadır. Toplamsal modellerde bağımlı değşen bazı açılayıcı değşenlerle doğrusal, faat dğer bazı açılayıcı değşenlerle doğrusal olmayan lş çersnde bulunablmetedr. Bu sorunun çözümü çn se semparametr regresyon modeller ullanılmatadır
2 Oca II. SEMİPARAMETRİK REGRESYON MODELLERİ Semparametr regresyon modeller standart regresyon tenlern genelleştren ve her br değşenn etsnn açı br şelde yorumlanmasını sağlayan toplamsal modellern özel br durumudur []. Bu durumda, semparametr regresyon modeller toplamsal modellere parametr bleşen elenere oluşturulan modellerdr. Semparametr regresyon modeller ço boyutluluğun yarattığı sııntı nedenyle parametr olmayan modellere terch edlmetedr. Semparametr regresyon model, y f( x)... f ( x ) x... x bçmnde fade edlr. (3) modelnde tane değşenn y bağımlı değşen üzernde doğrusal olmayan ets bulunmatadır ve modeln parametr olmayan bölümünü oluşturmatadır. Dğer değşenlern se, y bağımlı değşen üzernde doğrusal ets bulunmatadır ve modeln parametr bölümünü oluşturmatadır. Modeln parametr bölümünde ula değşenler gb esl değşenlere yer verleblmetedr. Aşağıda görülen (4 ) model ncelendğnde (3) y f ( x ) f ( x x x (4) ) x3 değşen ula değşen, x, x, x4 değşenler se sürel değşenlerdr. Böyle br semparametr regresyon modelnde br ço etleşm modele dahl edleblr. Örneğn, x ve x değşenler arasında doğrusal olmayan lş tahmn edleblr. Bu durumda, çolu parametr olmayan regresyon modellernde olduğu gb üç boyutlu br graf elde edlecetr. Araştırmanın onusuna ve çerğne bağlı olara x 3 ve x 4 değşenler arasında lşler de nceleneblr. Ayrıca modeln parametr ve parametr olmayan bölümünde değşenlern brbrleryle etleşm de analz edleblmetedr. Semparametr regresyon modelnn parametr ısmı doğrusal lşy, modeln parametr olmayan ısmı se doğrusal olmayan lşy fade etmetedr. Bu nedenle semparametr regresyon modellerne yarı doğrusal modeller adı da verlmetedr [3]. Br model urma aşamasında l olara değşenler belrlenmetedr. Değşenler belrlendten sonra se modeln fonsyonel şelnn veya matematsel yapısının belrlenmes geremetedr. Matematsel alıp oluşturen öncell olara yapılması gereen graflern ncelenmesdr. Bağımlı değşen le herbr bağımsız değşenn ayrı ayrı çzlece grafler ncelenere, bağımlı değşen le bağımsız değşenler arasında lşnn yapısı haında fr sahb olunablr. Matematsel alıp le lgl tereddütler söz onusu olduğunda, farlı şellern denenmes en uygun sonucu elde etme çn yararlı olacatır. Herbr değşenn lşsne te te baıldıtan sonra bağımsız değşenlern br veya br açı çn parametr olmayan, dğerler çn parametr lş uygun se semparametr regresyon model en uygun model olara terch edlecetr [4]. Semparametr regresyon modellernde parametr ısım, doğrusal olableceğ gb dönüşüm yöntemler (Logartm, aresel dönüştürme vs), uygulanara doğrusallaştırılablnen yapıda da olablr. Semparametr modeln parametr ısmının belrlenmesnde farlı modeller tahmn edleblr. Tahmn edlen bu modellerden artı areler toplamını mnmum yapan model semparametr modeln parametr ısmı olara tahmn edleblr. Değşenler arasında lşy en y şelde açılayaca model çeştl denemeler sonucunda da bulunablr. Özellle değşenler arasında şel tam belrlenemeyen lşler varsa farlı matematsel alıplar veya farlı değşenler çn parametr olmayan lşler apsayan modellern denenmes ve en uygun olanının seçlmes gereecetr [4]. II.. Semparametr Regresyon Modellernn Tahmn: Bacfttng Algortması Toplamsal modellern ve semparametr regresyon modellernn tahmnnde terarlı (teratve) algortmalara htyaç duyulmatadır. Bu modellern tahmn çn gelştrlen brço algortma bulunmatadır ve bu algortmalar brço değş blgsayar programında yer almatadır. Özellle, R programı brço algortmayı destelemetedr. Bu algortmalardan en ço ullanılanlar Newton- Raphson algortması, bacfttng algortmasıdır. Bacfttng algortması Haste ve Tbshran tarafından 990 yılında tanıtılmıştır. Bu algortma parametr olmayan ve parametr bleşenler tahmn edeblen en olay yöntem olara blnmetedr. Model tahmn etme aşamasında, x değşenler brbrlerne d seler modeln parametr ısmı değşenl modeller sers olara sıradan en üçü areler yöntemn ullanara tahmn edleblr. Parametr olmayan bleşenlern tahmnnde se lowess ya da splaynlar ullanılablr. Bağımsız değşenler arasında orelasyon bulunmaması durumuna genellle rastlanmamatadır. Bu durumda toplamsal modeller ya da semparametr modeller tahmn ederen bağımsız değşenler arasında lşy date alaca yöntemlere htyaç duyulmatadır. Bacfttng algortması parametr ve parametr olmayan bleşenler tahmn ederen bağımsız değşenler arasında orelasyonu date alma üzere tasarlanmıştır. 08
3 Münevver TURANLI - Seda BAĞDATLI Bacfttng algortması ısm regresyon fonsyonları frn önermetedr. Eştl (5 ) de bağımsız değşenl toplamsal br model görülmetedr. y f x ) f ( ) (5) ( x Bu modelde f nn gerçe fonsyonel formunun blndğ anca f n blnmedğ varsayılsın. Bu durumda f n tahmn çn (5 ) model ısm regresyon fonsyonu olara eştl (6) da gb yenden düzenlenmeldr. y f x ) f ( ) (6) ( x (6) eştlğnde x e arşı y f ( x ) nn düzgünleştrlmes f ( x ) n tahmnn elde etmey sağlamatadır. Bu nedenle, br ısm regresyon fonsyonunu blme dğer sm regresyon fonsyonunu tahmn etmeye olana sağlamatadır. Gerçe durumda, hçbr regresyon fonsyonunu blme mümün olmamatadır. Anca f lerden herhang br çn br başlangıç değer belrlenrse, toplamsal modellern tahmn çn sm regresyon fonsyonları terarlı yöntemler le çözümlenr. Model (7 ) tahmn edlme stensn: y f ( x )... f ( x ) (7) (7) eştlğnde S, sütunları f tahmnlernden oluşan br matrs fade etmetedr. X se, olonları x değşenlernden oluşan model matrsn fade etmetedr. Toplamsal modellern tahmn çn bacfttng algortması aşağıda adımlardan oluşmatadır [].. Adım: y ve S X (,..., m) başlangıç değerler olara seçlr.. Adım: Her x değşen çn sm artılar hesaplanır. x değşen çn tahmn edlen sm artılar eştl (8) de görüldüğü gbdr. eˆ y S (8) p 3. Adım: x değşen cvarında e p düzgünleştrlr. Bu aşama çn parametr olmayan regresyon model seçlmeldr (splaynların özelllernden dolayı brço blgsayar yazılımı bacfttng algortmasının üçüncü aşaması çn splaynları ullanmatadır). 4. Adım: S de x değşen, x nn düzgünleştrlmş tahmnler le değştrlr. 5. Adım: den ya adar olan her x değşen çn -4 adımları terarlanır. 6. Adım: Eştl (9) da görülen model de artı areler toplamı hesaplanır. RSS y S n 7. Adım: Artı areler toplamında değşm belrl br tolerans sevyesnde se model yaınsar ve algortma durur. Eğer değlse, bu şlem artı areler toplamında değşm belrl br tolerans sevyesne gelene adar devam eder. Bacfttng algortması durduğunda S nn her sütünü x değşennn parametr olmayan tahmnn çerr. Bu tahmnler x değşenler arasında lşy date alır. Dolayısıyla, üç x değşenne sahp br toplamsal model tahmn edldğnde ˆf n grafğ, x ve x3 değşenlernn ets sabt tutulduğunda x n y üzernde ets olara yorumlanablr. Bacfttng algortmasının br ço varyasyonu bulunmatadır. Bu varyasyonlardan en ço ullanılanlardan br se başlangıç değer olara sıradan en üçü areler tahmnclern ullanmatır. Sıradan en üçü areler tahmnclern başlangıç değer olara ullanan bacfttng algortması aşağıda adımlardan oluşmatadır.. Adım: Her br değşenn end ortalamasından çıartılmasıyla oluşan doğrusal regresyon model (0 ) eştlğnde görüldüğü gb oluşturulur ve tahmn edlr. (9) y y ( x x)... ( x x ) (0) (0) eştlğ ısaca ( ) eştlğnde olduğu gb gösterleblr. x () y x...,..., Modellerde parametreler terarlı bacfttng algortması çn başlangıç değer olara görev yapar.. Adım: x çn ısm artılar () eştlğnden tahmn edlr. 09
4 Oca eˆ px y x... x () Kısm artıların tahmn y le değşenler arasında doğrusal bağlılığı ortadan aldırır. Anca en üçü areler artılarında (,..., m çn ) y le x arasında doğrusal ya da doğrusal olmayan lş orunur. 3. Adım: Br sonra adımda f n tahmnn elde etme çn ısm artılar ( e ˆ px ) x e arşı düzgünleştrlr. Bu aşamada ullanılan düzgünleştrcnn ets büyü ölçüde bulunmamatadır. oluşturulur. 4. Adım: e px y f ˆx nn tahmn çn eştl (3 ) fˆ f x x... x x (3) 5. Adım: nn tahmn çn (3) eştlğnde ˆx ısm artılar x değşenne arşı düzgünleştrlr. 6. Adım: f ˆx nn yen tahmn, x3 çn hesaplanaca olan yen ısm artıların hesabında ullanılır. Her br f çn başlangıç tahmnler yapılır ve süreç terarlanır. 7. Adım: Bu terarlı süreç, tahmn edlen ısm regresyon fonsyonlarının artı areler toplamında değşmn bell br tolerans sevyesne ulaşmasına adar terarlanır. Bu süreç tamamlandığında, x değşenlernn değşen üzernde ısm etler tahmn edlmş olur. Bacfttng algortması semparametr regresyon modeller çn aynı adımları çermetedr. Öncelle, modelde her br bağımsız değşen çn ısm artılar oluşturulur. Eğer seçlen değşenn doğrusal olmayan uyumu söz onusu se bu değşen çn ısm artılar, aynı bağımsız değşene arşı düzeltleblrler. Eğer seçlen değşenn doğrusal uyumu söz onusu se düzgünleştrme yöntem yerne sıradan en üçü areler yöntem ullanılır. Bacfttng algortması, algortmada yapılablen değşllerden dolayı brço regresyon modelnn tahmnnde ullanılmatadır. y II.. Semparametr Regresyon Modellernde Çıarım: Güven Bantları ve Standart Hataların Hesaplanması Semparametr regresyon modellernde çıarım, doğrusal modellerde çıarım le parametr olmayan modellerde çıarımın brleşmnden oluşmatadır. Modelde doğrusal olmayan değşenler çn güven bantları hesaplanır. Modelde doğrusal bleşenler çn se güven aralılarını oluşturma ve hpotez testlern uygulama çn standart hatalar hesaplanır. Parametr olmayan değşen çn oluşturulaca olan güven bantları ve standart hataların hesaplanması çn varyans-ovaryans matrsnn tahmnne htyaç duyulmatadır. Semparametr regresyon modellernde varyans-ovaryans matrsnn tahmn parametr olmayan regresyon modellernde tahmn le ço benzer anca daha armaşıtır. Semparametr modellerde parametr ısımda bulunan nn las doğrusal regresyon varsayımlarını sağlaması geremetedr. Bu durumda semparametr regresyon modellernn hata termnn ( ) las doğrusal regresyonun tüm varsayımlarına sahp olması gerer [5]. Bu varsayımların gerçeleşmes tutarlı tahmnlern elde edlmesn sağlayacatır. Lteratürde, varsayımların geçerllğn nceleme çn bazı testler bulunmatadır. Anca, semparametr regresyon modellernde varsayımlar çoğunlula artı grafler yardımıyla ncelenmetedr. Semparametr regresyon modelnde S matrs düzgünleştrme matrs olara fade edlmetedr. Bu matrs doğrusal regresyon modelnde, şapa matrs olara fade edlen H matrsne benzemetedr. Semparametr regresyon modellernde f n tahmn (4) eştlğnde gb fade edlmetedr. fˆ Sy (4) S matrs elde edldten sonra, standart hatalar ˆ S S varyans-ovaryans matrsn ullanara en üçü areler yöntemnde gb tahmn edlr. Toplamsal modeller eştl (5 ) de gb fade edlmetedr []. I S S S S I S S S S S I f f f S S S y y y (5) 0
5 Münevver TURANLI - Seda BAĞDATLI Eştl (5 ) de I matrs ( n n) boyutlu brm matrs ve S,, S se her br X değşen çn düzeltme matrs olara fade edlmetedr. Teor olara (5) eştlğ QR analz gb terarlı olmayan (nonteratve) yöntemlerle çözüleblmetedr. Anca, bu denlem sstem terarlı olmayan yöntemlerle çözülme çn ço büyü olduğundan bacfttng algortmasının ullanımını zorunlu ılmatadır []. Toplamsal ve semparametr regresyon modellernde güven bantlarının oluşturulması çn varyans-ovaryans matrsnn elde edlmes geremetedr. Bu durumda, (5 ) de denlem sstem eştl (6) da gb fade edleblr. Sˆ f Qy ˆ (6) (6) eştlğ yenden düzenlendğnde (7 ) eştlğ elde edlmetedr. fˆ Sˆ Qy ˆ (7) (7) eştlğ yenden düzenlendğnde se (8 ) eştlğne ulaşılmatadır. fˆ Ry (8) (8) eştlğnde R Sˆ Q olara fade edlmetedr. Eğer gözlemler bağımsız ve aynı dağılıma sahpler se (9) eştlğ oluşturulablmetedr. V ( fˆ) RR (9) (9) eştlğnde (0) eştlğ le yer değştrr ve V ( fˆ ) değerne ulaşılır. e ˆ (0) dfres Artıların serbestl dereces ( dfres ) () le elde edlmetedr. df res se eştl n tr( R RR) () Güven bantları, RR matrsnn öşegen elemanlarının areöler le nn çarpımından elde edlr [6]. Semparametr modellerde R matrsnn öşegen elemanları tahmnlernn varyansını fade etmetedr. R matrsn tahmn etme çn terarlı yöntemlere htyaç duyulmatadır. Bacfttng algortması R matrsn tahmn etme çn ullanılablmetedr. Varyans-ovaryans matrsnn bu yolla tahmn fˆ da yanlılığı düzeltememetedr []. Bu durumda bayesgl güven bantları gb alternatf yöntemler ullanılablmetedr. Ayrıca br ço blgsayar programı ve özellle R programı, toplamsal ve semparametr regresyon modeller çn yanlılıtan arındırılmış varyans-ovaryans matrslern (bas adusted varance-covarance matrces) hesaplamatadır. II.3. Semparametr Regresyon Modellernde Hpotez Testler Semparametr regresyon modellernde hpotez testler herhang br armaşılı çermemetedr. Modelde parametr bleşenlern statstsel açıdan anlamlı olup olmadığı araştırılma stendğnde, R matrsnden tahmnlernn standart hataları hesaplanır ve blnen t testler uygulanır. t testler çn hpotezler se: H H 0 a : 0 : 0 şelnde fade edlr. Semparametr regresyon modellernde, parametr olmayan bleşen çn hpotez testler amaçla uygulanmatadır. Hpotez testnn brnc amacı, x bağımsız değşenn y bağımlı değşen üzernde etsnn statstsel olara anlamlı olup olmadığını ortaya çıartmatır. Hpotez testnn nc amacı se, ncelenen değşenn parametr olmayan bleşen olara modelde yer almasının parametr bleşen olara modelde yer almasından üstün olup olmadığını belrlemetr. Kısaca amaç, model uyumunun hang durumda en y olduğunu belrlemetr. Her hpotez testnde de ısm F test ve olablrl oran test ullanılablmetedr. Her hpotez testn nceleme çn eştl () de görülen değşenl br toplamsal model oluşturulmuştur. x y f x ) f ( ) () ( x değşennn statstsel olara anlamlı olup olmadığını test etme çn, eştl (), eştl (3) e arşı test edlmeldr. y f x ) (3) (
6 Oca f değşenn doğrusal olup olmadığını test etme çn se eştl ( ), eştl (4 ) e arşı test edlmeldr. y f ( x x (4) ) F testnn temel artı areler toplamından oluşmatadır. Herhang br toplamsal ya da semparametr regresyon modelnn artı areler toplamı eştl (5) de görüldüğü gb hesaplanmatadır. n RSS ( y yˆ) (5) RSS0 ısıtlı modeln artı areler toplamı, RSS se toplamsal veya semparametr regresyon modelnn artı areler toplamı se F test statstğ eştl (6) da gb hesaplanır. F RSS0 RSS / tr( R) (6) RSS / df res Bu test statstğ F dağılımına yaınsamatadır. Tahmn çn bacffttng algortması ullanma yerne, yenden ağırlılandırılmış en üçü areler ya da ısıtlı masmum olablrl yöntemlern ullanan blgsayar programları olablrl oran ya da sapma far (dffence of devance) testlern ullanmatadırlar[]. Toplamsal ya da semparametr regresyon modeller çn olablrl oran test eştl (7 ) yardımıyla uygulanmatadır. LR ( Logolabl rl 0 Logolabl rl ) (7) Eştl (7 ) de Logolabl rl0 değer ısıtlı modeln logartm olablrl değern, Logolablrl değer se ısıtsız model olan toplamsal ya da semparametr regresyon modelnn logartm olablrl değern fade etmetedr. Dat edlrse bu test statstğ modeln sapmaları arasında far date alınara hesaplanır. H 0 hpotez altında test stastğ yalaşı dağılımı göstermetedr. Bu dağılım çn serbestl dereces se, modeln parametre sayıları arasında far olara hesaplanmatadır. Semparametr regresyon modellernde parametr olmayan bleşenn tahmnnn otomat düzeltme tenler le yapılması durumunda test statstğnn dağılımının yalaşı dağılımı gösterdğ düşünülmetedr. Anca bu yaınlaşmanın ne adar olduğu örnelem büyülüğünden cdd derecede etlenmetedr [7]. Hpotez testlernde H 0 hpotezn güvenle reddeblme çn tahmn edlen p olasılılarının mümün olduğunca üçü olması geremetedr. Anca, tahmn edlen p olasılığı hpotezn zorlula H 0 reddedeblece sevyede se bu durumda otomat düzeltme tenler yerne dğer düzeltme tenlernn (manual smoothng) ullanılması daha esn sonuçlara ulaşılmasına olana sağlayacatır. Yenden örneleme tenlernden olan bootstrap yöntem de (parametr dağılım varsayımı geretrmeyen bootstrap yöntem) bu tür br problemn çözümüne olana sağlamatadır []. III. SONUÇ Regresyon modelnde brden fazla bağımsız değşen söz onusu olduğunda, bağımsız değşenlern bazıları bağımlı değşenle doğrusal lş çersnde bulunuren, bazıları doğrusal olmayan lş çersnde bulunablr. Bu tür lşlern modelleneblmes çn, parametr ve parametr olmayan regresyon fonsyonlarının toplamsal olara brleşmnden oluşan semparametr regresyon modellernden yararlanılmatadır. Bu çalışmada semparametr regresyon modellernn bacfttng algortması le tahmn güven bantları, standart hataların hesaplanması ve hpotez testler teor olara anlatılmıştır. YARARLANILAN KAYNAKLAR [] Haste, T. & Tbshran, RJ. (999). Generalzed Addtve Models. London: Chapman & Hall. [] Aydın, D. (005). Semparametr Regresyon Modellemede Splayn Düzeltme Yalaşımı İle Tahmn ve Çıarsamalar. Yayınlanmamış Dotora Tez, Anadolu Ünverstes, Fen Blmler Ensttüsü, Esşehr. [3] Lee, K.C. (990). Avodng Msspecfcatons and Improvng Effcency n Hedonc and, Consumpton Models: Applcatons of Semparametrc Method. PhD. Thess London School of Economcs and Poltcal Scences, London. [4] Çağlayan, E. (00). Yarı Parametr Regresyon Modeller le Yaşam Boyu Sürel Gelr Hpoteznn Türye Uygulaması. Yayınlanmamış Dotora Tez, Marmara Ünverstes, Sosyal Blmler Ensttüsü, İstanbul. [5] Fox, J. (000). Multple and Generalzed Nonparametrc Regresson. Thousand Oas: A Sage Unversty Paper. [6] Keele, L. (008). Semparametrc Regresson For The Socal Scences. Chchester: John Wley & Sons. [7] Hardle, W.; Müller, M.; Sperlch, S. & Werwatz, A. (004). Nonparametrc and Semparametr Models. Berln: Sprnger.
7 Münevver TURANLI - Seda BAĞDATLI Münevver TURANLI (mturanl@tcu.edu.tr) Seda BAĞDATLI (sbagdatl@tcu.edu.tr) She has graduated from IITBA n 970. Has completed her graduate and PhD. studes n 97 and 975 respectvely n the same department. Mrs. Turanlı has been a Professor snce 987. She has wored as a charwomen n Marmara Unversty Statstcs Branch between and n Marmara Unversty IITB Econometrcs Branch between Mrs Turanlı who has wored as the Dean of Scence and Lterature Faculty of İstanbul Commerce Unversty between , contnues her academc career as The Dean of Commercal Scences Faculty. Mrs. Turanlı who has many publcatons, has been marred and has two chldren. She has entered Scence and Lterature Department of İstanbul Commerce Unversty n 004 after graduatng from İste Acıbadem Hgh Scholl. She has graduated from ths department n 008 and has started her graduate studes n the Statstcs Department of İstanbul Commerce Unversty and has fınıshed 00. She has started PhD. n Marmara Unversty Department of Statstcs. She has been worng as a research assstant n İstanbul Commerce Unversty Faculty of scence and Lterature Statstcs Department. 3
Tek Yönlü Varyans Analizi (ANOVA)
VARYANS ANALİZİ İ örne ortalaması arasında farın önem ontrolü, örne büyülüğüne göre z veya testlernden bryle yapılır. Bu testlerle, den fazla örne ortalamasını brlte test etme ve aralarında farın önem
DetaylıÇOKLU REGRESYON MODELİ, ANOVA TABLOSU, MATRİSLERLE REGRESYON ÇÖZÜMLEMESİ,REGRES-YON KATSAYILARININ YORUMU
6.07.0 ÇOKLU REGRESON MODELİ, ANOVA TABLOSU, MATRİSLERLE REGRESON ÇÖZÜMLEMESİ,REGRES-ON KATSAILARININ ORUMU ÇOKLU REGRESON MODELİ Ekonom ve şletmeclk alanlarında herhang br bağımlı değşken tek br bağımsız
DetaylıPARAMETRİK OLMAYAN HİPOTEZ TESTLERİ. χ 2 Kİ- KARE TESTLERİ. Doç.Dr. Ali Kemal ŞEHİRLİOĞLU Araş.Gör. Efe SARIBAY
PARAMETRİK OLMAYAN HİPOTEZ TESTLERİ Kİ- KARE TESTLERİ Doç.Dr. Al Kemal ŞEHİRLİOĞLU Araş.Gör. Efe SARIAY Populasyonun nceledğmz br özellğnn dağılışı blenen dağılışlardan brsne, Normal Dağılış, t Dağılışı,
Detaylı16. Dörtgen plak eleman
16. Ddörtgen pla eleman 16. Dörtgen pla eleman Kalınlığı dğer boyutlarına göre üçü ve düzlemne d yü etsnde olan düzlem taşıyıcı ssteme pla denr. Yapıların döşemeler, sıvı deposu yan duvarları ve öprü plaları
DetaylıKorelasyon ve Regresyon
Korelasyon ve Regresyon 1 Korelasyon Analz İk değşken arasında lşk olup olmadığını belrlemek çn yapılan analze korelasyon analz denr. Korelasyon; doğrusal yada doğrusal olmayan dye kye ayrılır. Korelasyon
DetaylıANOVA. CRD (Completely Randomized Design)
ANOVA CRD (Completely Randomzed Desgn) Örne Problem: Kalte le blgnn, ortalama olara, br urumun üç farlı şehrde çalışanları tarafından eşt olara algılanıp algılanmadığını test etme amacıyla, bu üç şehrde
DetaylıYAŞAM VERİLERİNİN META ANALİZİ META ANALYSIS OF SURVIVAL DATA
YAŞAM VERİLERİNİN META ANALİZİ META ANALYSIS OF SURVIVAL DATA HATİCE YENİAY PROF. DR. DURDU KARASOY Tez Danışmanı Hacettepe Ünverstes Lsansüstü Eğtm-Öğretm Yönetmelğnn İstatst Anablm Dalı İçn Öngördüğü
DetaylıMOD SÜPERPOZİSYONU İLE ZAMAN TANIM ALANINDA ÇÖZÜM
Nur ÖZHENEKCİ O SÜPERPOZİSYONU İLE ZAAN ANI ALANINA ÇÖZÜ Aşağıda açılanaca olan ortogonall özelllernn sağlandığı yapılar çn, zaman tanım alanında çözüm, her mod çn ayrı ayrı yapılıp daha sonra bu modal
DetaylıÜÇ BOYUTLU ÇAPRAZ TABLOLARDA LOGARİTMİK DOĞRUSAL ANALİZ: ÇOCUK İŞGÜCÜ DEĞİŞKENLERİ ARASINDAKİ ETKİLEŞİMLER
Uludağ Ünverstes İtsad ve İdar lmler Faültes Dergs lt XXV, ayı, 006, s. 41-70 ÜÇ OYUTLU ÇPRZ TLOLRD LOGRİTMİK DOĞRUL NLİZ: ÇOUK İŞGÜÜ DEĞİŞKENLERİ RINDKİ ETKİLEŞİMLER erpl ÜLÜL * Özet Kategor verlerde
DetaylıSAYISAL YÜKSEKLİK MODELLERİNDE KLASİK VE ESNEK HESAPLAMA YÖNTEMLERİNİN KARŞILAŞTIRILMASI
TMMOB Harta ve Kadastro Mühendsler Odası, 15. Türye Harta Blmsel ve Ten Kurultayı, 5 8 Mart 015, Anara. SAYISAL YÜKSEKLİK MODELLERİNDE KLASİK VE ESNEK HESAPLAMA YÖNTEMLERİNİN KARŞILAŞTIRILMASI Leyla ÇAKIR*
DetaylıMAKROİKTİSAT (İKT209)
MAKROİKTİSAT (İKT29 Ders 6: IS-LM Prof. Dr. Ferda HALICIOĞLU İtsat Bölümü Syasal Blgler Faültes İstanbul Medenyet Ünverstes Derste İncelenen Konular Mal pyasasında denge: IS eğrs Para pyasasında denge:
DetaylıEn Küçük Etkili Doz Düzeyini Belirleme Yöntemlerinin Karşılaştırmaları
S Ü Fen Fa Fen Derg Sayı 36 () 83-94, KONYA En Küçü Etl Doz Düzeyn Belrleme Yöntemlernn Karşılaştırmaları Murat HÜSREVOĞLU, Hamza GAMGAM * Gaz Ünverstes, Fen Edebyat Faültes, İstatst Bölümü, Tenoullar,
DetaylıHAFTA 13. kadın profesörlerin ortalama maaşı E( Y D 1) erkek profesörlerin ortalama maaşı. Kestirim denklemi D : t :
HAFTA 13 GÖLGE EĞİŞKENLERLE REGRESYON (UMMY VARIABLES) Gölge veya kukla (dummy) değşkenler denen ntel değşkenler, cnsyet, dn, ten reng gb hemen sayısallaştırılamayan ama açıklanan değşkenn davranışını
DetaylıPARAMETRİK OLMAYAN HİPOTEZ TESTLERİ
PARAMETRİK OLMAYAN HİPOTEZ TESTLERİ Kİ-KARE KARE TESTLERİ Populasyonun nceledğmz br özellğnn dağılışı blenen dağılışlardan brsne, Normal Dağılış, t Dağılışı, F Dağılışı, gb br dağılışa uygun olduğu durumlarda
Detaylıİki Durumlu Karışımlı Lojistik Regresyona İlişkin Bir Uygulama. An Application for Binary Mixture Logistic Regression
BİLİŞİM TENOLOJİLERİ DERGİSİ, CİLT: 4, SAYI: 3, EYLÜL 2011 53 İ Durumlu arışımlı Lojst Regresyona İlşn Br Uygulama Yılmaz AYA 1, Abdullah YEŞİLOVA 2 1 Blgsayar Mühendslğ Bölümü, Srt Ünverstes, Srt, Türye
DetaylıHİD 473 Yeraltısuyu Modelleri
HİD 7 Yeraltısuyu Modeller Sayısal Analz Sonlu Farlar Yalaşımı Levent Tezcan - Güz Dönem Modelleme Problemn Tanımlanması Kavramsal Modeln Gelştrlmes Matematsel Modeln Gelştrlmes Hdroeolo Süreçler Sınır
DetaylıPARÇALI DOĞRUSAL REGRESYON
HAFTA 4 PARÇALI DOĞRUSAL REGRESYO Gölge değşkenn br başka kullanımını açıklamak çn varsayımsal br şrketn satış temslclerne nasıl ödeme yaptığı ele alınsın. Satış prmleryle satış hacm Arasındak varsayımsal
DetaylıDüşük Hacimli Üretimde İstatistiksel Proses Kontrolü: Kontrol Grafikleri
Düşü Hacml Üretmde İstatstsel Proses Kontrolü: Kontrol Grafler A. Sermet Anagün ÖZET İstatstsel Proses Kontrolu (İPK) apsamında, proses(ler)de çeştl nedenlerden aynalanan değşenlğn belrlenere ölçülmes,
DetaylıUYUM ĐYĐLĐĞĐ TESTĐ. 2 -n olup. nin dağılımı χ dir ve sd = (k-1-p) dir. Burada k = sınıf sayısı, p = tahmin edilen parametre sayısıdır.
UYUM ĐYĐLĐĞĐ TESTĐ Posson: H o: Ver Posson dağılıma sahp br ktleden gelmektedr. H a : Ver Posson dağılıma sahp br ktleden gelmemektedr. Böyle br hpotez test edeblmek çn, önce Posson dağılım parametres
DetaylıTek yönlü VA için seçenek bir test yöntemi ve geliştirilen bilgisayar yazılımı
www.statstcler.org İstatstçler Dergs (008) 75-8 İstatstçler Dergs Te yönlü VA çn seçene br test yöntem ve gelştrlen blgsayar yazılımı Engn Yıldıztepe Douz Eylül Ünverstes Fen-Edebyat Faültes İstatst Bölümü
DetaylıSABİT-KUTUP YAKLAŞIMI KULLANILARAK TELEKONFERANSTA ODA AKUSTİK EKO YOK ETME
SABİ-KUUP YAKLAŞIMI KULLAILARAK ELEKOFERASA ODA AKUSİK EKO YOK EME uğba Özge ÖZDİÇ Rıfat HACIOĞLU Eletr-Eletron Mühendslğ Bölümü Mühendsl Faültes Zongulda Karaelmas Ünverstes, 671, Zongulda ozdnc_ozge@hotmal.com
DetaylıYARIPARAMETRİK KISMİ DOĞRUSAL PANEL VERİ MODELLERİYLE ULUSLAR ARASI GÖÇ
Özet YARIPARAMETRİK KISMİ DOĞRUSAL PANEL VERİ MODELLERİYLE ULUSLAR ARASI GÖÇ Atıf EVREN *1 Elf TUNA ** Yarı parametrk panel ver modeller parametrk ve parametrk olmayan modeller br araya getren; br kısmı
DetaylıThe Congeneric Test Theory and The Congeneric Item Analysis: An Application for Unidimensional Multiple Choice Tests
Anara Unversty, Journal of Faculty of Educatonal Scences, year: 005, vol: 38, no:, -47 The Congenerc Test Theory and The Congenerc Item Analyss: An Applcaton for Undmensonal Multple Choce Tests Hall YURDUGÜL
DetaylıPROJE SEÇİMİ VE KAYNAK PLANLAMASI İÇİN BİR ALGORİTMA AN ALGORITHM FOR PROJECT SELECTION AND RESOURCE PLANNING
Dokuz Eylül Ünverstes Sosyal Blmler Ensttüsü Dergs Clt 3, Sayı:2, 2001 PROJE SEÇİMİ VE KAYAK PLALAMASI İÇİ BİR ALGORİTMA lgün MORALI 1 C. Cengz ÇELİKOĞLU 2 ÖZ Kaynak tahss problemler koşullara bağlı olarak
DetaylıGüvenlik Stokları. Tedarik Zincirlerinde Belirsizlik Yönetimi: Güvenlik Stokları. Güvenlik Stokları Belirlenirken Sorulması gereken sorular
Güvenl Stoları Tedar Zncrlernde Belrszl Yönetm: Güvenl Stoları Güvenl Stoğu: Herhang br dönemde, talebn tahmn edlen mtarın üzernde gerçeleşen mtarını arşılama çn elde bulundurulan sto mtarıdır Q Çevrm
DetaylıTek Yönlü Varyans Analizi
Tek Yönlü Varyan Analz Nedr ve hang durumlarda kullanılır? den fazla grupların karşılaştırılmaı öz konuu e, çok ayıda t-tet nn kullanılmaı, Tp I hatanın artmaına yol açar; Örneğn, eğer 5 grubu kşerl olarak
DetaylıMETA ANALİZİNDE HETEROJENLİĞİN SAPTANMASINDA KULLANILAN YÖNTEMLERİN SİMÜLASYON TEKNİĞİ İLE KARŞILAŞTIRILMASI
T.C. MERSİN ÜNİVERSİTESİ SAĞLIK BİLİMLERİ ENSTİTÜSÜ BİYOİSTATİSTİK VE TIBBİ BİLİŞİM ANABİLİM DALI META ANALİZİNDE HETEROJENLİĞİN SAPTANMASINDA KULLANILAN YÖNTEMLERİN SİMÜLASYON TEKNİĞİ İLE KARŞILAŞTIRILMASI
DetaylıASAL BİLEŞENLER ANALİZİNE BOOTSTRAP YAKLAŞIMI
Ekonometr ve İstatstk Sayı: 2005 5-05 İSTANBUL ÜNİVERSİTESİ İKTİSAT FAKÜLTESİ EKONOMETRİ VE İSTATİSTİK DERGİSİ ASAL BİLEŞENLER ANALİZİNE BOOTSTRAP YAKLAŞIMI Dr. Ayln Aktükün Bu makale 5.2.2004 tarhnde
DetaylıKİ-KARE TESTLERİ A) Kİ-KARE DAĞILIMI VE ÖZELLİKLERİ
Kİ-KAR TSTLRİ A) Kİ-KAR DAĞILIMI V ÖZLLİKLRİ Örnekleme yoluyla elde edlen rakamların, anakütle rakamlarına uygun olup olmadığı; br başka fadeyle gözlenen değerlern teork( beklenen) değerlere uygunluk gösterp
DetaylıISL223 İSTATİSTİK I DERS NOTLARI
T.C. RECEP TAYYİP ERDOĞAN ÜNİVERSİTESİ İKTİSADİ VE İDARİ BİLİMLER FAKÜLTESİ İŞLETME BÖLÜMÜ SAYISAL YÖNTEMLER ANABİLİM DALI DERS NOTLARI ISL3 İSTATİSTİK I DERS NOTLARI HAZIRLAYAN PROF. DR. ALİ SAİT ALBAYRAK
DetaylıFarklı Varyans. Var(u i X i ) = Var(u i ) = E(u i2 ) = σ i2. Eşit Varyans. Hata. Zaman
Farklı Varyans Var(u X ) = Var(u ) = E(u ) = σ Eşt Varyans Y X Farklı Varyans Hata Var(u X ) = Var(u ) = E(u ) = σ Farklı Varyans Zaman Farklı Varyans le Karşılaşılan Durumlar Kest Verlernde. Kar dağıtım
DetaylıHasar sıklıkları için sıfır yığılmalı kesikli modeller
www.statstkcler.org İstatstkçler Dergs 5 (01) 3-31 İstatstkçler Dergs Hasar sıklıkları çn sıfır yığılmalı keskl modeller Sema Tüzel Hacettepe Ünverstes Aktüerya Blmler Bölümü 06800-Beytepe, Ankara, Türkye
DetaylıNİTEL TERCİH MODELLERİ
NİTEL TERCİH MODELLERİ 2300 gözlem sayısı le verlen değşkenler aşağıdak gbdr: calsma: çocuk çalışıyorsa 1, çalışmıyorsa 0 (bağımlı değşken) Anne_egts: Anne eğtm sevyes Baba_egts: Baba eğtm sevyes Kent:
DetaylıÇOKLU KALİTE BAŞARIM ÖZELLİKLERİNİN HEDEF PROGRAMLAMA VE TAGUCHİ YÖNTEMİ KULLANILARAK ENİYİLENMESİ
V Ulusal Üretm Araştırmaları Sempozumu, İstanbul Tcaret Ünverstes, 57 Kasım 005 ÇOKLU KALİTE BAŞARIM ÖZELLİKLERİNİN HEDEF PROGRAMLAMA VE TAGUCHİ YÖNTEMİ KULLANILARAK ENİYİLENMESİ Kasım BAYNAL Kocael Ünverstes
DetaylıKİ-KARE TESTLERİ. şeklinde karesi alındığında, Z i. değerlerinin dağılımı ki-kare dağılımına dönüşür.
Kİ-KARE TESTLERİ A) Kİ-KARE DAĞILIMI VE ÖZELLİKLERİ Örnekleme yoluyla elde edlen rakamların, anakütle rakamlarına uygun olup olmadığı; br başka fadeyle gözlenen değerlern teork( beklenen) değerlere uygunluk
DetaylıKİ-KARE VE KOLMOGOROV SMİRNOV UYGUNLUK TESTLERİNİN SİMULASYON İLE ELDE EDİLEN VERİLER ÜZERİNDE KARŞILAŞTIRILMASI
C.Ü. İktsad ve İdar Blmler Dergs, Clt 4, Sayı 1, 3 6 Kİ-KARE VE KOLMOGOROV SMİRNOV UYGUNLUK TESTLERİNİN SİMULASYON İLE ELDE EDİLEN VERİLER ÜZERİNDE KARŞILAŞTIRILMASI H. BİRCAN, Y. KARAGÖZ ve Y. KASAPOĞLU
DetaylıTÜRKİYE DE HANELERİN KONUT TERCİHİ: EKONOMETRİK YAKLAŞIM
T.C. DOKUZ EYLÜL ÜNİVERSİTESİ SOSYAL BİLİMLER ENSTİTÜSÜ EKONOMETRİ ANABİLİM DALI YÜKSEK LİSANS TEZİ TÜRKİYE DE HANELERİN KONUT TERCİHİ: EKONOMETRİK YAKLAŞIM Canan GÜNEŞ Danışman Prof. Dr. Şenay ÜÇDOĞRUK
DetaylıYaklaşık İdeal Talep Analizi Yöntemi. ve Fiyat Esnekliklerinin Tahmini
Yalaşı İdeal Talep Analz Yöntem le Harcama ve Fyat Esnellernn Tahmn Mehmet Arf ŞAHİNLİ İstatstç, Türye İstatst Kurumu, Ulusal Hesaplar ve Eonom Göstergeler Dare Başanlığı arfsahnl@tu.gov.tr Yalaşı İdeal
DetaylıUÇAK ÇİZELGELEME PROBLEMİNİN KARINCA KOLONİLERİ OPTİMİZASYONU İLE ÇÖZÜMÜ
Uça Çzelgeleme roblemnn Karınca Kolonler Optmzasyonu le Çözümü HAVACILIK VE UZAY TEKNOLOJİLERİ DERGİSİ OCAK 2005 CİLT 2 SAYI 1 (87-95) UÇAK ÇİZELGELEME ROBLEMİNİN KARINCA KOLONİLERİ OTİMİZASYONU İLE ÇÖZÜMÜ
DetaylıPolynomial Approach to the Response Surfaces
D.Ü.Zya Göalp Eğtm Faültes Dergs 7 79-94 (6) TEPKİ YÜZEYLERİNE POLİNOMAL YAKLAŞIM Polynomal Approach to the Response Surfaces Azz HARMAN Özet Bu çalışmada deneyc veya araştırmacıların ontrolünde vetörü
DetaylıKİ KARE ANALİZİ. Doç. Dr. Mehmet AKSARAYLI Ki-Kare Analizleri
Kİ KAR ANALİZİ 1 Doç. Dr. Mehmet AKSARAYLI www.mehmetaksarayl K-Kare Analzler OLAY 1: Genelde br statstk sınıfında, öğrenclern %60 ının devamlı, %30 unun bazen, %10 unun se çok az derse geldkler düşünülmektedr.
DetaylıÜç Yönlü Kontenjans Tablolarında Log-Lineer Model ile İş Kazası Verilerinin İncelenmesi
Karaelmas Fen ve Müh. Derg. 7():46-468, 017 Karaelmas Fen ve Mühendsl Dergs Derg web sayfası: http://fbd.beun.edu.tr Araştırma Maales Gelş tarh / Receved : 17.01.017 Kabul tarh / Accepted : 07.03.017 Üç
DetaylıTicari Bankalarının Yerli ve Yabancı Bankalar Açısından Performansları ve Performans Sürekliliklerinin Analizi: Türkiye Ölçeği (2002-2012 ÖZET
Tcar Banalarının Yerl ve Yabancı Banalar Açısından Performansları ve Performans Sürelllernn Analz: Türye Ölçeğ (2002-202) Selahattn KOÇ* Azz BAĞCI ** Al SÖZDEMİR *** ÖZET Son yıllarda yaşanan üreselleşme
DetaylıAJANDA LİTERATÜR TARAMASI
AJANDA İSTANBUL DAKİ HASTANELERDEN TIBBİ ATIKLARIN TOPLANMASI İÇİN ARA TESİSE UĞRAMALI BİR ARAÇ ROTALAMA MODELİ Denz Asen Koç Ünverstes İtsad ve İdar Blmler Faültes Müge Güçlü Koç Ünverstes Endüstr Mühendslğ
DetaylıÇEV 314 Yağmursuyu ve Kanalizasyon. Nüfus Projeksiyonları
ÇEV 34 Yağmursuyu ve Kanalzasyon üfus Projesyonları Yrd. oç. r. Özgür ZEYA hp://cevre.beun.edu.r/zeydan/ üfus Projesyonları Tasarımı yapılaca olan alyapı projesnn (analzasyon, yağmursuyu analları vb.),
DetaylıX, R, p, np, c, u ve diğer kontrol diyagramları istatistiksel kalite kontrol diyagramlarının
1 DİĞER ÖZEL İSTATİSTİKSEL KALİTE KONTROL DİYAGRAMLARI X, R, p, np, c, u ve dğer kontrol dyagramları statstksel kalte kontrol dyagramlarının temel teknkler olup en çok kullanılanlarıdır. Bu teknkler ell
DetaylıENDÜSTRİYEL TAŞIYICI SİSTEMLERİN YAPAY SİNİR AĞLARI İLE ANALİZİ
ENDÜSTRİYEL TAŞIYICI SİSTEMLERİN YAPAY SİNİR AĞLARI İLE ANALİZİ İlyas KACAR Mana Mühendslğ Bölümü Mühendsl-Mmarlı Faültes Nğde Ünverstes, 500, Nğde e-posta: acar@gmal.com Anahtar sözcüler: Endüstryel Taşıyıcı
DetaylıÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ ÇOKLU İÇ İLİŞKİ VE EKOLOJİK REGRESYON İSTATİSTİK ANABİLİM DALI
ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ Berrn GÜLTAY YÜKSEK LİSANS TEZİ ÇOKLU İÇ İLİŞKİ VE EKOLOJİK REGRESYON İSTATİSTİK ANABİLİM DALI ADANA, 9 ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ ÇOKLU
DetaylıKATEGORĠK VERĠLER ĠÇĠN LOGARĠTMĠK DOĞRUSAL MODELLER VE GÖÇ ĠSTATĠSTĠKLERĠ ÜZERĠNE BĠR UYGULAMA*
KATEGORĠK VERĠLER ĠÇĠN LOGARĠTMĠK DOĞRUSAL MODELLER VE GÖÇ ĠSTATĠSTĠKLERĠ ÜERĠNE BĠR UGULAMA* ÖET Snan METE ** Aydın ÜNSAL *** İ yönlü olumsallı tablolarında statst çıarsamalar çn Pearson un -are statstğ
DetaylıÖZEL YETENEK SINAVINDAKİ BAŞARIYA İLİŞKİN RİSK ANALİZİNİN KARIŞIMLI LOJİSTİK REGRESYON MODELİ İLE İNCELENMESİ *
Hacettepe Ünverstes Eğtm Faültes Dergs (H. U. Journal of Educaton) 35: 227-239 [28] ÖZEL YETENEK SINAVINDAKİ BAŞARIYA İLİŞKİN RİSK ANALİZİNİN KARIŞIMLI LOJİSTİK REGRESYON MODELİ İLE İNCELENMESİ * SCRUTINIZATION
DetaylıKIRMIZI, TAVUK VE BEYAZ ET TALEBİNİN TAM TALEP SİSTEMİ YAKLAŞIMIYLA ANALİZİ
Süleyman Demrel Ünverstes Sosyal Blmler Ensttüsü Dergs Yıl: 2007/2, Sayı: 6 Journal of Suleyman Demrel Unversty Insttue of Socal Scences Year: 2007/2, Number: 6 KIRMIZI, TAVUK VE BEYAZ ET TALEBİNİN TAM
Detaylıkadar ( i. kaynağın gölge fiyatı kadar) olmalıdır.
KONU : DUAL MODELİN EKONOMİK YORUMU Br prmal-dual model lşks P : max Z cx D: mn Z bv AX b AV c X 0 V 0 bçmnde tanımlı olsun. Prmal modeln en y temel B ve buna lşkn fyat vektörü c B olsun. Z B B BB c X
DetaylıÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ
ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS EN KÜÇÜK KARELER, RİDGE REGRESYON VE ROBUST REGRESYON YÖNTEMLERİNDE ANALİZ SONUÇLARINA AYKIRI DEĞERLERİN ETKİLERİNİN BELİRLENMESİ ZOOTEKNİ ANABİLİM
DetaylıA İSTATİSTİK. 4. X kesikli rasgele (random) değişkenin moment çıkaran. C) 4 9 Buna göre, X in beklenen değeri kaçtır?
. Br torbada 6 syah, 4 beyaz top vardır. Bu torbadan yerne koyarak top seçlyor. A İSTATİSTİK KPSS/-AB-PÖ/006. Normal dağılıma sahp br rasgele (random) değşkenn varyansı 00 dür. Seçlen topların ksnn de
DetaylıSorunun varlığı durumunda hata terimi varyans-kovaryans matrisi Var, Cov(u) = E(uu') = σ 2 I n şeklinde yazılamıyor fakat
8. DEĞİŞEN VARYANS SORUNU (HETEROSCEDASTICITY) 8.. Değşen Varyans Sorunu Nedr? Matrslerle yan Y = β u Y = β β β 3 3 β k k u, = n genel doğrusal modeln ele alalım. Hata term çn yapılan varsayımlardan brs
DetaylıDoğrusal Korelasyon ve Regresyon
Doğrusal Korelasyon ve Regresyon En az k değşken arasındak lşknn ncelenmesne korelasyon denr. Kşlern boyları le ağırlıkları, gelr le gder, öğrenclern çalıştıkları süre le aldıkları not, tarlaya atılan
DetaylıUYGULAMA 2. Bağımlı Kukla Değişkenli Modeller
UYGULAMA 2 Bağımlı Kukla Değşkenl Modeller Br araştırmacı Amerka da yüksek lsans ve doktora programlarını kabul ednlmey etkleyen faktörler ncelemek stemektedr. Bu doğrultuda aşağıdak değşkenler ele almaktadır.
DetaylıERS-2 Raw Datası için Dönüşüme Dayalı Sıkıştırma
ERS- Raw Datası çn Dönüşüme Dayalı Sııştırma. Göhan. KASAPOĞLU, İrahm. PAPİLA, Bngül YAZGA, Sedef KET İstanul Ten Ünverstes, Eletr-Eletron Faültes, Eletron ve Haerleşme Mühendslğ, 066, Masla, İstanul Tel:
DetaylıSEK Yönteminin Güvenilirliği Sayısal Bir Örnek. Ekonometri 1 Konu 11 Sürüm 2,0 (Ekim 2011)
İk Değşkenl Bağlanım Model SEK Yöntemnn Güvenlrlğ Ekonometr 1 Konu 11 Sürüm,0 (Ekm 011) UADMK Açık Lsans Blgs İşbu belge, Creatve Commons Attrbuton-Non-Commercal ShareAlke 3.0 Unported (CC BY-NC-SA 3.0)
DetaylıARAŞTIRMA MAKALESİ/RESEARCH ARTICLE TEK ÇARPIMSAL SİNİR HÜCRELİ YAPAY SİNİR AĞI MODELİNİN EĞİTİMİ İÇİN ABC VE BP YÖNTEMLERİNİN KARŞILAŞTIRILMASI ÖZ
ANADOLU ÜNİVERSİTESİ Blm ve Teknoloj Dergs A-Uygulamalı Blmler ve Mühendslk Clt: 14 Sayı: 3 013 Sayfa: 315-38 ARAŞTIRMA MAKALESİ/RESEARCH ARTICLE Faruk ALPASLAN 1, Erol EĞRİOĞLU 1, Çağdaş Hakan ALADAĞ,
DetaylıDenklem Çözümünde Açık Yöntemler
Denklem Çözümünde Bu yöntem, n yalnızca başlangıç değer kullanılan ya da kökü kapsayan br aralık kullanılması gerekmez. Açık yöntemler hızlı sonuç vermesne karşın, başlangıç değer uygun seçlmedğnde ıraksayablr.
DetaylıPARABOLİK KISMİ DİFERANSİYEL DENKLEMLER İÇİN İKİ ZAMAN ADIMLI YAKLAŞIMLAR ÜZERİNE BİR ÇALIŞMA. Gamze YÜKSEL 1, Mustafa GÜLSU 1, *
Ercyes Ünverses Fen Blmler Ensüsü Dergs 5 - - 45 9 p://fbe.ercyes.ed.r/ ISS -54 PARABOLİK KISMİ DİFERASİYEL DEKLEMLER İÇİ İKİ ZAMA ADIMLI YAKLAŞIMLAR ÜZERİE BİR ÇALIŞMA Gamze YÜKSEL Msafa GÜLS * Mğla Ünverses
DetaylıBULANIK ÇOK AMAÇLI HÜCRESELTASARIM PROBLEMİNİN İKİ AŞAMALI BULANIK PROGRAMLAMA YAKLAŞIMI İLE ÇÖZÜMÜ
V. Ulusal Üretm Araştırmaları Sempozyumu, İstanbul Tcaret Ünverstes, 25-27 Kasım 25 BULANIK ÇOK AMAÇLI HÜCRESELTASARIM PROBLEMİNİN İKİ AŞAMALI BULANIK PROGRAMLAMA YAKLAŞIMI İLE ÇÖZÜMÜ Feyzan ARIKAN Gaz
DetaylıYapay Sinir Ağı ve Bulanık-Yapay Sinir Ağı Yöntemleri Kullanılarak Tava Buharlaşma Tahmini
Tarım Blmler Araştırma Dergs 3 (): 45-5, 00 ISSN: 308-3945, E-ISSN: 308-07X, www.nobel.gen.tr Yapay Snr Ağı ve Bulanık-Yapay Snr Ağı Yöntemler Kullanılarak Tava Buharlaşma Tahmn Özgür KIŞI Selcan AFŞA
Detaylıa IIR süzgeç katsayıları ve N ( M) de = s 1 (3) 3. GÜRÜLTÜ GİDERİMİ UYGULAMASI
Fırat Ünverstes-Elazığ MİTRAL KAPAK İŞARETİ ÜZERİNDEKİ ANATOMİK VE ELEKTRONİK GÜRÜLTÜLERİN ABC ALGORİTMASI İLE TASARLANAN IIR SÜZGEÇLERLE SÜZÜLMESİ N. Karaboğa 1, E. Uzunhsarcıklı, F.Latfoğlu 3, T. Koza
DetaylıBÖLÜM 5 İNCE PROFİLLER İÇİN SAYISAL UYGULAMALAR
BÖLÜM 5 İE PROFİLLER İÇİ SAYISAL UYGULAMALAR 5. Grş 5. İne profl teors 5.. Analt çözümler 5.. Kamburlu eğrsne polnom şelnde eğr uydurulması 5.. Fourer ntegrallernn sayısal hesabı 5. Kümelenmş-grdaplar
DetaylıObtaining Classical Reliability Terms from Item Response Theory in Multiple Choice Tests
Ankara Unversty, Journal of Faculty of Educatonal Scences, year: 26, vol: 39, no: 2, 27-44 Obtanng Classcal Relablty Terms from Item Response Theory n Multple Choce Tests Hall Yurdugül * ABSTRACT: The
DetaylıŞiddet-Süre-Frekans Bağıntısının Genetik Algoritma ile Belirlenmesi: GAP Örneği *
İMO Teknk Derg, 28 4393-447, Yazı 29 Şddet-Süre-Frekans Bağıntısının Genetk Algortma le Belrlenmes: GAP Örneğ * Hall KARAHAN* M. Tamer AYVAZ** Gürhan GÜRARSLAN*** ÖZ Bu çalışmada, Genetk Algortma (GA)
DetaylıDÜŞÜK ÇÖZÜNÜRLÜKLÜ GÖRÜNTÜLERDEN AYKIRI DEĞER AYIKLAMASI KULLANARAK GÜRBÜZ YÜKSEK ÇÖZÜNÜRLÜKLÜ GÖRÜNTÜ ELDE ETME YÖNTEMİ
DÜŞÜK ÇÖZÜNÜRLÜKLÜ GÖRÜNTÜLERDEN AYKIRI DEĞER AYIKLAMASI KULLANARAK GÜRBÜZ YÜKSEK ÇÖZÜNÜRLÜKLÜ GÖRÜNTÜ ELDE ETME YÖNTEMİ Kemal ÖZKAN Erol SEKE e-posta : ozan@ogu.edu.tr e-posta : esee@ogu.edu.tr, Esşehr
DetaylıROBİNSON PROJEKSİYONU
ROBİNSON PROJEKSİYONU Cengzhan İPBÜKER ÖZET Tüm yerkürey kapsayan dünya hartalarının yapımı çn, kartografk lteratürde özel br öneme sahp olan Robnson projeksyonu dk koordnatlarının hesabı brçok araştırmacı
DetaylıSESSION 1B: Büyüme ve Gelişme 279
SESSION 1B: Büyüme ve Gelşme 279 Türkye de Hanehalkı Tüketm Harcamaları: Pseudo Panel Ver le Talep Sstemnn Tahmn The Consumpton Expendture of Households n Turkey: Demand System Estmaton wth Pseudo Panel
Detaylı6. Uygulama. dx < olduğunda ( )
. Uygulama Hatırlatma: Rasgele Değşelerde Belee Değer Kavramı br rasgele değşe ve g : R R br osyo olma üzere, ) esl ve g ) ) < olduğuda D ) sürel ve g ) ) d < olduğuda g belee değer der. c R ve br doğal
DetaylıFARKLI VERİ YAPILARINDA KULLANILABİLECEK REGRESYON YÖNTEMLERİ
Anadolu Tarım Blm. Derg., 203,28(3):68-74 Anadolu J Agr Sc, 203,28(3):68-74 do: 0.76/anaas.203.28.3.68 URL: htt://dx.do.org/0.76/anaas.203.28.3.68 Derleme Revew FARKLI VERİ YAPILARINDA KULLANILABİLECEK
DetaylıÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ
ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ Savaş OKUR PARAMETRİK VE PARAMETRİK OLMAYAN BASİT DOĞRUSAL REGRESYON ANALİZ YÖNTEMLERİNİN KARŞILAŞTIRMALI OLARAK İNCELENMESİ ZOOTEKNİ ANABİLİM
DetaylıSistemde kullanılan baralar, klasik anlamda üç ana grupta toplanabilir :
5 9. BÖLÜM YÜK AKIŞI (GÜÇ AKIŞI) 9.. Grş İletm sstemlernn analzlernde, bara sayısı arttıkça artan karmaşıklıkları yenmek çn sstemn matematksel modellenmesnde kolaylık getrc bazı yöntemler gelştrlmştr.
DetaylıÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ
ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ Gülesen ÜSTÜNDAĞ BAZI PARAMETRİK OLMAYAN İSTATİSTİKSEL YÖNTEMLERİN İNCELENMESİ İSTATİSTİK ANABİLİM DALI ADANA, 005 ÇUKUROVA ÜNİVERSİTESİ
Detaylı) ile algoritma başlatılır.
GRADYANT YÖNTEMLER Bütün ısıtsız optimizasyon problemlerinde olduğu gibi, bir başlangıç notasından başlayara ardışı bir şeilde en iyi çözüme ulaşılır. Kısıtsız problemlerin çözümü aşağıdai algoritma izlenere
DetaylıFLYBACK DÖNÜŞTÜRÜCÜ TASARIMI VE ANALİZİ
FLYBACK DÖNÜŞTÜRÜCÜ TASARIMI VE ANALİZİ 1 Nasır Çoruh, Tarık Erfdan, 3 Satılmış Ürgün, 4 Semra Öztürk 1,,4 Kocael Ünverstes Elektrk Mühendslğ Bölümü 3 Kocael Ünverstes Svl Havacılık Yüksekokulu ncoruh@kocael.edu.tr,
DetaylıTÜKETĠCĠLERĠN FĠYAT BĠLĠNCĠ ÜZERĠNDE ETKĠLĠ OLAN FAKTÖRLERE ĠLĠġKĠN BĠR ĠNCELEME
Ġstanbul Ünverstes Ġktsat Fakültes Malye AraĢtırma Merkez Konferansları 46. Ser / Yıl 2004 Prof. Dr. Salh Turhan'a Armağan TÜKETĠCĠLERĠN FĠYAT BĠLĠNCĠ ÜZERĠNDE ETKĠLĠ OLAN FAKTÖRLERE ĠLĠġKĠN BĠR ĠNCELEME
Detaylı) ( k = 0,1,2,... ) iterasyon formülü kullanılarak sabit
Karadez Te Üverstes Blgsayar Mühedslğ Bölümü 5-6 Güz Yarıyılı Sayısal Çözümleme Ara Sıav Soruları Tarh: Kasım 5 Perşembe Süre: daa. f ( ( + a e fosyouu sabt otası olmadığı bldğe göre, a 'ı alableceğ e
DetaylıFAKTÖR A ALĐZ SKORLARI KULLA ILARAK KARAYAKA KUZULARI DA CA LI AĞIRLIK TAHMĐ Đ
Anadolu Tarım Blm. Derg., 2009,24(2):98-102 Anadolu J. Agrc. Sc., 2009,24(2):98-102 Araştırma Research FAKTÖR A ALĐZ SKORLARI KULLA ILARAK KARAYAKA KUZULARI DA CA LI AĞIRLIK TAHMĐ Đ Soner ÇA KAYA* Aydın
DetaylıRasgele Değişken Üretme Teknikleri
Rasgele Değşken Üretme Teknkler Amaç Smülasyon modelnn grdlern oluşturacak örneklern üretlmes Yaygın olarak kullanılan ayrık veya sürekl dağılımların örneklenmes sürecn anlamak Yaygın olarak kullanılan
DetaylıTRANSPORT PROBLEMI için GELIsTIRILMIs VAM YÖNTEMI
Yönetm, Yl 9, Say 28, Ekm - 1997,5.20-25 TRANSPORT PROBLEMI ÇIN GELIsTIRILMIs VAM YÖNTEMI Dr. Erhan ÖZDEMIR I.Ü. Teknk Blmler M.Y.O. L.GIRIs V AM transport problemlerne en düsük malyetl baslangç çözüm
DetaylıENDÜSTRİNİN DEĞİŞİK İŞ KOLLARINDA İHTİYAÇ DUYULAN ELEMANLARIN YÜKSEK TEKNİK EĞİTİM MEZUNLARINDAN SAĞLANMASINDAKİ BEKLENTİLERİN SINANMASI
V. Ulusal Üretm Araştırmaları Sempozyumu, İstanbul Tcaret Ünverstes, 5-7 Kasım 5 ENDÜSTRİNİN DEĞİŞİK İŞ KOLLARINDA İHTİYAÇ DUYULAN ELEMANLARIN YÜKSEK TEKNİK EĞİTİM MEZUNLARINDAN SAĞLANMASINDAKİ BEKLENTİLERİN
DetaylıSİTE İÇERİSİNDEKİ DAİRE FİYATLARINI ETKİLEYEN UNSURLARIN SEMİPARAMETRİK REGRESYON ANALİZİ İLE BELİRLENMESİ
İstanbul Ticaret Üniversitesi Sosyal Bilimler Dergisi Yıl: 11 Sayı: 21 Bahar 2012 / 1 s.383-402 SİTE İÇERİSİNDEKİ DAİRE FİYATLARINI ETKİLEYEN UNSURLARIN SEMİPARAMETRİK REGRESYON ANALİZİ İLE BELİRLENMESİ
DetaylıGenel Doğrusal Karışık Modellerde Farklı Kovaryans Yapıları ve Tahmin Yöntemlerinin Performanslarının Karşılaştırılması 1
Hayvansal Üretm 54(): 8-3, 03 Araştırma Makales Genel Doğrusal Karışık Modellerde Farklı Kovaryans Yapıları ve Tahmn Yöntemlernn Performanslarının Karşılaştırılması Gazel Ser *, Barış Kak, Abdullah Yeşlova,
DetaylıSEK Tahmincilerinin Arzulanan Özellikleri. SEK Tahmincilerinin Arzulanan Özellikleri. Ekonometri 1 Konu 9 Sürüm 2,0 (Ekim 2011)
SEK Tahmnclernn Arzulanan Özellkler İk Değşkenl Bağlanım Model SEK Tahmnclernn Arzulanan Özellkler Ekonometr 1 Konu 9 Sürüm 2,0 (Ekm 2011) http://www.ackders.org.tr SEK Tahmnclernn Arzulanan Özellkler
Detaylı30 %30iskonto oranı bulunur.
Örne 9: 900 TL re eğerl ve 80 gün vael br senen peşn eğer, ç soo üzernen 8000 TL olara hesaplanığına göre uygulanan soo oranı ner? çözü:.yol: =900 TL n=80 gün P 8000TL t=? P..900 8000 80t 8000( 80t).900
DetaylıHİSSE SENETLERİNİN BEKLENEN GETİRİ VE RİSKLERİNİN TAHMİNİNDE ALTERNATİF MODELLER
İstanbul Ünverstes İktsat Fakültes Malye Araştırma Merkez Konferansları 47. Ser / Yıl 005 Prof. Dr. Türkan Öncel e Armağan HİSSE SENETLERİNİN BEKLENEN GETİRİ VE RİSKLERİNİN TAHMİNİNDE ALTERNATİF MODELLER
DetaylıEKONOMETRİYE GİRİŞ II ÖDEV 4 ÇÖZÜM
EKONOMETRİYE GİRİŞ II ÖDEV 4 ÇÖZÜM (Örgün e İknc Öğretm çn) 1. 754 hanehalkına at DOMerset sml Excel dosyasında yer alan erler kullanarak tahmnlenen DOM sonuçları: Dependent Varable: CALISANKADIN Sample:
DetaylıFarklı Varyans. Var(u i X i ) = Var(u i ) = E(u i2 ) = s 2 Eşit Varyans
Farklı Varyans Var(u X ) = Var(u ) = E(u ) = s Eşt Varyans Y X 1 Farklı Varyans Hata Var(u X ) = Var(u ) = E(u ) = s Farklı Varyans Zaman EKKY nn varsayımlarından br anakütle regresyon fonksyonu u lern
DetaylıBağımlı Kukla Değişkenler
Bağımlı Kukla Değşkenler Bağımlı değşken özünde k değer alablyorsa yan br özellğn varlığı ya da yokluğu söz konusu se bu durumda bağımlı kukla değşkenler söz konusudur. Bu durumdak modeller tahmn etmek
DetaylıKENTSEL ALANDA ET TALEP ANALİZİ: BATI AKDENİZ BÖLGESİ ÖRNEĞİ. Dr. Ali Rıza AKTAŞ 1 Dr. Selim Adem HATIRLI 2
Journal of Yasar Unversty 2010 3294-3319 KENTSEL ALANDA ET TALEP ANALİZİ: BATI AKDENİZ BÖLGESİ ÖRNEĞİ Dr. Al Rıza AKTAŞ 1 Dr. Selm Adem HATIRLI 2 ÖZET Bu çalışmada, Batı Akdenz Bölges kent merkezlernde
DetaylıHİDROJEN-METAN KARIŞIM YANMASINDA YANMA MODEL SABİTİNİN DEĞERLENDİRİLMESİ
Isı Blm ve Tenğ Dergs, 3, 1, 45-57, 21 J. of Thermal Scence and Technology 21 TIBTD Prnted n Turey ISSN 13-3615 HİDROJEN-METAN KARIŞIM YANMASINDA YANMA MODEL SABİTİNİN DEĞERLENDİRİLMESİ İler YILMAZ *,
DetaylıRayleigh ve Weibull Dağılımları Kullanılarak Osmaniye Bölgesinde Rüzgar Enerjisinin Değerlendirilmesi
Süleyman Demrel Ünverstes Raylegh Fen Blmler ve Webull Ensttüsü Dağılımları Dergs Kullanılara Osmanye Bölgesnde Rüzgar Enerjsnn Değerlendrlmes Clt 20, Sayı 1, 62-71, 2016 Süleyman Demrel Unversty Journal
DetaylıADJUSTED DURBIN RANK TEST FOR SENSITIVITY ANALYSIS IN BALANCED INCOMPLETE BLOCK DESIGN
SAÜ Fen Edebyat Dergs (2010-I) F.GÖKPINAR v.d. DENGELİ TAMAMLANMAMIŞ BLOK TASARIMINDA, DUYUSAL ANALİZ İÇİN DÜZELTİLMİŞ DURBİN SIRA SAYILARI TESTİ Fkr GÖKPINAR*, Hülya BAYRAK, Dlşad YILDIZ ve Esra YİĞİT
DetaylıYAPILARIN ENERJİ ESASLI TASARIMI İÇİN BİR HESAP YÖNTEMİ
YAPILARI EERJİ ESASLI TASARIMI İÇİ BİR HESAP YÖTEMİ Araş. Gör. Onur MERTER Araş. Gör. Özgür BOZDAĞ Prof. Dr. Mustafa DÜZGÜ Dokuz Eylül Ünverstes Dokuz Eylül Ünverstes Dokuz Eylül Ünverstes Fen Blmler Ensttüsü
DetaylıPamukkale Üniversitesi Mühendislik Bilimleri Dergisi Pamukkale University Journal of Engineering Sciences
Pamuale Ünverstes Mühendsl Blmler Dergs Pamuale Unversty Journal of Engneerng Scences Kabul Edlmş Araştırma Maales (Düzenlenmemş Sürüm) Accepted Research Artcle (Uncorrected Verson) Maale Başlığı / Ttle
DetaylıÇOK DURUMLU AĞIRLIKLANDIRILMIŞ BİLEŞENLİ SİSTEMLERİN DİNAMİK GÜVENİLİRLİK ANALİZİ
T.C. KARA HARP OKULU SAVUNMA BİLİMLERİ ENSTİTÜSÜ HAREKÂT ARAŞTIRMASI ANA BİLİM DALI ÇOK DURUMLU AĞIRLIKLANDIRILMIŞ BİLEŞENLİ SİSTEMLERİN DİNAMİK GÜVENİLİRLİK ANALİZİ DOKTORA TEZİ Hazırlayan Al Rıza BOZBULUT
Detaylı