MARS ALGORĐTMASINDA TIKHONOV DÜZENLEMESĐ VE ÇOK AMAÇLI OPTĐMĐZASYON KULLANIMI *

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "MARS ALGORĐTMASINDA TIKHONOV DÜZENLEMESĐ VE ÇOK AMAÇLI OPTĐMĐZASYON KULLANIMI *"

Transkript

1 MARS ALGORĐTMASINDA TIKHONOV DÜZENLEMESĐ VE ÇOK AMAÇLI OPTĐMĐZASYON KULLANIMI * Fata Yerlkaya Gerhard-Wlhe Weber Pakze Taylan Uygulaalı Mateatk Uygulaalı Mateatk Mateatk Bölüü, Ensttüsü, ODTÜ Ensttüsü, ODTÜ Dcle Ünverstes fatayerlkaya@gal.co gweber@etu.edu.tr ptaylan@dcle.edu.tr Đnc Bataz Đstatstk Bölüü, ODTÜ bataz@etu.edu.tr Gülser Köksal Endüstr Mühendslğ Bölüü, ODTÜ koksal@e.etu.edu.tr ÖZET Fredan (99) tarafından gelştrlen çok değşkenl uyarlanablr regresyon eğrler (MARS) algortası k aşaadan oluşaktadır. Đlk aşaada kullanılan lerye doğru adı algortasıyla elde edlen odel stenlenden daha karaşık br yapıya sahp olduğundan dolayı knc aşaada gerye doğru adı algortası le odeldek teel fonksyonlar sırasıyla elenerek optu odele ulaşılaktadır. Bu çalışada MARS algortasının knc aşaası çn yen br yaklaşı gelştrlştr. Bu yaklaşı le Tkhonov düzenlees şekln alan MARS odel knc dereceden konk karesel progralaa (CQP) problene dönüştürülüştür. Bu optzasyon problendek sınırların çok aaçlı optzasyon yaklaşıı kullanarak belrlenesyle çok sayıda seçenek çözü elde edleblektedr. Böylece kullanıcının aacına en uygun çözüe ulaşası hedeflenektedr. Çalışada ayrıca MARS algortası ve düzenlenş MARS (RMARS) algortası br problee uygulanarak, k yaklaşıın başarıları çeştl ölçüler kullanılarak karşılaştırılıştır. Sonuç olarak RMARS algortasının başarıının MARS algortasından daha y olduğu söyleneblr. Anahtar Sözcükler: Çok değşkenl uyarlanablr regresyon eğrler (MARS); Tkhonov düzenlees; Çok aaçlı optzasyon; Konk karesel progralaa. GĐRĐŞ Bu çalışada statstksel öğrene, ters probleler, sürekl ve çok aaçlı optzasyon teorler kullanarak çok değşkenl uyarlanablr regresyon eğrler (MARS) odelleesne yen br yaklaşı gelştrlştr. MARS algortası k aşaadan eydana gelektedr. Đlk aşaada kullanılan lerye doğru adı algortasıyla elde edlen odel stenlenden daha karaşık br yapıya sahp olduğundan dolayı knc aşaada gerye doğru adı algortası le odeldek teel fonksyonlar sırasıyla elenerek optu odele ulaşılaktadır. Bu çalışada MARS algortasının knc aşaası çn Tkhonov düzenlees ve knc dereceden konk karesel progralaa (CQP) kullanılıştır. Bu optzasyon problendek sınırların çok aaçlı optzasyon yaklaşıı (Steuer, 986) kullanarak belrlenesyle çok sayıda seçenek çözü elde edleblektedr. Böylece kullanıcının aacına en uygun çözüe ulaşası hedeflenektedr. Çalışada ayrıca MARS algortası ve düzenlenş MARS (RMARS) algortası br problee uygulanarak, k yaklaşıın başarıları çeştl ölçüler kullanılarak karşılaştırılıştır. * Bu çalışa 05M38 nuaralı TÜBĐTAK Proes tarafından desteklenektedr.

2 . MARS ALGORĐTMASI Çok değşkenl uyarlanablr regresyon eğrler (MARS) algortası ler ve ger doğru olak üzere k adıdan oluşaktadır. Đler doğru adıda teel fonksyonlar ve/veya bu fonksyonların çarpıları en büyük (karaşık) odele ulaşılıncaya dek eklenr. Burada teel fonksyonlar bağısız değşkenler en uygun düğü noktalarıyla aralıklara bölen parçalı doğrusal regresyon eğrlerdr. Bu eğrler : = {( X τ ),( τ X ) τ { x,, x,,..., xn, }, {,,..., p } () küesnden seçlekte olup yapıları aşağıdak gbdr: ( x, τ ) = ( x τ ) ( x, τ) = ( x τ) q : ax 0, q c [ ] c [ ] [ ] { } = () Burada ayrıca X ler değşkenler; x ler gözlenen değerler; ve N topla gözle sayısını gösterektedr. Burada τ teel fonksyonların düğüünü gösterrken, [q] eştlklern yanlızca poztf değerlernn gözönünde bulundurulduğunu vurgulaaktadır. Đler doğru adı algortası sonucunda elde edlen MARS odel M Y = θ 0 θ ψ ( X) ε (3) = şeklnde gösterleblr. Burada M değer verye uygun olan aksu teel fonksyon sayısıdır. Eldek ver kües ( x, y ) ( =,,..., N ) ne göre MARS odelnn. teel fonksyonu K ψ ( x) : = s.( x τ ) (4) κ κ κ = olarak fade edleblr. Burada K. teel fonksyonda çarpılan doğrusal fonksyon sayısını; s veya - ;. teel fonksyondak. değşken gösterektedr. Bu x κ teel fonksyonlar ya tek değşkenl ya da çok değşkenl etkleş terlernden oluşaktadır. Đler doğru adı algortasının her aşaasında kullanılablecek en uygun düğü noktalarını ve teel fonksyonları belrleek aacı le aşağıda tanılanan genelleştrlş çapraz doğrulaa (GCV) ölçüsü kullanılaktadır: GCV = : N N = ( y fˆ α ( x )) ( M ( α ) / N ) Burada M(α )=udk; N: örnekle genşlğ; u: bağısız teel fonksyonların sayısı; K: seçlen düğü sayısı; d: teel fonksyonların alyetdr. GCV nn payı hata kareler toplaını, paydası se odeln karaşıklığını hesaplaaktadır. MARS algortasının lk adıında oluşturulan en büyük odeln yorulanası ve kullanıı kolay oladığından dolayı knc adıda en büyük odel budanarak, yan önel bağısız değşkenler ve bu değşkenlern etkleşler belrlenerek, GCV ölçüsü en küçük olan odel elde edlr. 3. TIKHONOV DÜZENLEMESĐ Bu çalışaızda MARS algortasının knc aşaası olan gerye doğru adı algortası çn yen br yaklaşı gelştrlştr. Bu yaklaşıda hata kareler toplaına (5)

3 (RSS) ceza paraetres eklenerek he odeln doğruluğu (RSS) he de karaşıklığı kontrol altına alınaya çalışılaktadır. Buna göre RSS ye ceza eklenerek elde edlen cezalı hata kareler toplaı (PRSS) aşağıdak gbdr: N M ax : = ( ( )) α PRSS y f x λ θ D ψ ( t ) dt (6) = Burada V ( ) : { K =,,..., K } = α = α = ( α, α ) r < s r, s V ( ) [ ] T = ; t : = ( t, t,..., t K ) ; α = ( α, ) α ; α : = α α α α α r α s α α 0, ; D ψ ( t ) : = ( ψ / t t )( t ). Dğer br deyşle V(),., where { } r, s teel fonksyonunda bulunan lgl bağısız değşkenler fade derken; t,. teel fonksyonundak bağısız değşken vektörünü gösterektedr. Đntegral çersnde kares alınan türev se yne. teel fonksyonunda bulunan bağısız değşkenlern kıs türevlerdr. Oluşturulan PRSS ölçütü odeln doğruluğu le karaşıklığı arasında br terche dayanaktadır. Bu terch yukarıdak PRSS denklende kullanılan ceza paraetres λ le sağlanaktadır. Yukarıdak eştlkte yeralan yüksek boyutlu ntegraln bazı fonksyonlar çn hesaplanası güç olduğundan dolayı bu ntegral keskl hale getrerek PRSS yaklaşık olarak elde edlr. Böylece PRSS aşağıdak gb fade edleblr: PRSS Burada ( d ): ( ψ( d ),..., ( ) ) T ψ ψ = ve L : M ax ( N ) ( d ) θ λ Lθ = = = y ψ (7) d N = α = α = ( α, α r ), < s r s V ( ) [ D ( xˆ )] K r, s / α ˆ r, sψ x (8) (7) de herbr türev çn ayrı ceza paraetres yerne br tek ceza paraetres λ = λ (: = ϕ ) kullanılarak PRSS aşağıdak gb yazılablr: PRSS = y ψ ( d ) θ λ L θ (9) Burada L, (M aks ) x (M aks ) boyutlarında br atrstr. Yukarıda br Tkhonov düzenlees (Aster ve dğerler, 004) problene dönüştürdüğüüz MARS odeln çözek çn br sürekl optzasyon yönte olan knc dereceden konk karesel progralaa (CQP) (Nerovsk, 00; Taylan ve dğerler, 007) kullanılaktadır. Bu aaçla yukarıdak PRSS denkle aşağıda fade edldğ gb br CQP problene dönüştürüleblr: n t, t, θ ψ ( d ) θ y t, (0) Lθ M. 3

4 (0) dak M değer odel bağısız veya odele dayalı yöntelerden bryle belrleneblr. Dışbükey optzasyon problelernden br olan CQP problelern çözüünde ç nokta yönte kullanılaktadır. 4. UYGULAMA Bu çalışada MARS algortası Salford Syste yazılıı kullanarak, RMARS algortası da çok aaçlı optzasyon yaklaşıı le MATLAB ve MOSEK prograları kullanılarak beş bağısız değşkenl br problee (Mayers ve Montgoery, 00, s. 7) uygulanıştır. Uygulaa sonucunda Salford Syste n sunduğu en y odel k teel foksyon çerrken, RMARS algortası herbr beş teel fonksyon çeren brçok çözü önerektedr. Đk yönte karşılaştırak aacı le bu çözülerden üç tanes (S, S, S3) tesl olarak seçlştr. Burada S, PRSS y enyleyen çözüken (λ=.4), S en küçük L θ yı, S3 se en küçük RSS norunu verektedr. Sonuçlar GCV ölçüsüne göre MARS algortasının (bkz. Şekl ), PRSS ölçüsüne göre RMARS algortasının (bkz. Şekl 3) başarıının yüksek olduğunu gösterektedr. Bu nedenle yönteler ayrıca daha genel başarı ölçüler de kullanılarak karşılaştırılaya çalışılıştır hata kareler topla noru S COZUMU S COZUMU MARSIN EN IYI ÇOZUMU S3 COZUMU GCV Payda Şekl. GCV nn paydasına karşı RSS nn noru (o: MARS çözüler; *: RMARS çözüler) 0.9 S ÇÖZÜMÜ GCV S ÇÖZÜMÜ S3 ÇÖZÜMÜ MARSIN EN IYI ÇÖZÜMÜ nor LTheta Şekl 3. Nor Lθ ya karşı RSS nn noru (o: MARS çözüler; *: RMARS çözüler) 4

5 5. KARŞILAŞTIRMA Çalışaızda MARS ve RMARS yöntelernn odelden bağısız ölçülerle karşılaştırablek aacı le çapraz doğrulaa yönte kullanılarak ver kües rasgele olarak eğt (ver küesnn %75 ) ve sınaa (ver küesnn %5 ) küeler olak üzere kye bölünüştür. Eğt vers le MARS ve RMARS odeller gelştrldkten sonra he eğt he de sınaa vers kullanılarak başarı ölçüler ve bu ölçülern kararlılıkları hesaplanıştır (bkz. Tablo ). Bu sonuçlara göre: A. Eğt vers çn: MAE, MAPE, MSE, RMSE, korelasyon katsayısı ve R ye göre S3 çözüü; R _düz, Mallow s Cp, ve 3 sga çn PWI ye göre MARS çözüü; PRESS ve R (tahn) çn S çözüü en y; B. Sınaa vers çn: MAE, MSE, RMSE, korelasyon katsayısı ve R ye göre S3; R _düz, Mallow s Cp, ve 3 sga çn PWI a göre MARS; MAPE ye göre S; PRESS ve R (tahn) e göre S çözüü en ydr. Modeller ölçülern kararlılığı açısından karşılaştırıldığında: R _düz, ve 3 sga çn PWI ye göre MARS; MAE, MAPE, MSE, RMSE ve Mallow s Cp göre RMARS; Korelasyon katsayısı, R ve PRESS e göre S3 çözüü daha kararlıdır. 6. SONUÇ Karşılaştıra sonuçları RMARS çözülernn MARS a göre brçok ölçü bakıından başarıının yüksek olduğunu gösterektedr. Ayrıca RMARS yöntenn ölçülern kararlılığı yüksek çözüler sunduğu söyleneblr. Bu çalışa değşken sayısı ve örnek genşlğ daha fazla olan gerçek hayat verlerne uygulanarak, RMARS ın karaşık sstelerdek başarıı ncelenecektr. KAYNAKÇA Aster, A., Borchers, B., and Thurber, C., 004. Paraeter Estaton and Inverse Probles, Akadek Baskı. Fredan, J.H., 99. Multvarate adaptve regresson splnes, The Annals of Statstcs 9,, -4. Myers, R.H., Montgoery, D.C., 00. Response Surface Methodology: Process and Product Optzaton Usng Desgned Experents,New York: Wley. Nerovsk, A., 00. Lectures on odern convex optzaton, Israel Insttute Technology, Steuer, R.E., 986. Multple Crtera Optzaton: Theory,Coputaton and Applcaton, NY: Wley. Salford Systes, Acadec MARS.0, Taylan, P., Weber, G.-W., and Beck, A., 007. New approaches to regresson by generalzed addtve odels and contnuous optzaton for odern applcatons nfnance, scence and technology. Optzaton 56, 5 6, 4. 5

6 Tablo. MARS ve RMARS algortalarının değşk ölçülere göre başarıları EĞĐTĐM MARS S S S 3 MAE MAPE MSE RMSE Korelasyon Katsayısı R R -düz Mallows Cp PRESS R (tahn) sga çn PWI sga çn PWI SINAMA MARS S S S 3 MAE MAPE MSE RMSE Korelasyon Katsayısı R R -düz Mallows Cp PRESS R (tahn) sga çn PWI sga çn PWI KARARLILIK MARS S S S 3 MAE MAPE MSE RMSE Korelasyon Katsayısı R R -düz Mallows Cp PRESS R (tahn) sga çn PWI sga çn PWI MAE:Ortalaa utlak hata; MAPE:Ortalaa utlak hata yüzdes; MSE:Hata kareler toplaı; PRESS:Tahn hata kareler toplaı; PWI:Kullanıcının tanı aralığındak yanıt yüzdes; RMSE:Hata kareler toplaının karekökü 6

İSTATİSTİK DERS NOTLARI

İSTATİSTİK DERS NOTLARI Balıkesr Ünverstes İnşaat Mühendslğ Bölüü uutokkan@balkesr.edu.tr İSTATİSTİK DERS OTLARI Yrd. Doç. Dr. Uut OKKA Hdrolk Anabl Dalı Balıkesr Ünverstes Balıkesr Ünverstes İnşaat Mühendslğ Bölüü İnşaat Mühendslğ

Detaylı

ÇOKLU REGRESYON MODELİ, ANOVA TABLOSU, MATRİSLERLE REGRESYON ÇÖZÜMLEMESİ,REGRES-YON KATSAYILARININ YORUMU

ÇOKLU 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

Detaylı

Rasgele Değişken Üretme Teknikleri

Rasgele 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

Detaylı

BÖLÜM 5 İKİ VEYA DAHA YÜKSEK BOYUTLU RASGELE DEĞİŞKENLER İki Boyutlu Rasgele Değişkenler

BÖLÜM 5 İKİ VEYA DAHA YÜKSEK BOYUTLU RASGELE DEĞİŞKENLER İki Boyutlu Rasgele Değişkenler BÖLÜM 5 İKİ VEYA DAHA YÜKSEK BOYUTLU RASGELE DEĞİŞKENLER 5.. İk Boyutlu Rasgele Değşkenler Br deney yapıldığında, aynı deneyle lgl brçok rasgele değşkenn aynı andak durumunu düşünmek gerekeblr. Böyle durumlarda

Detaylı

GM-220 MÜH. ÇALIŞ. İSTATİSTİKSEL. Frekans Dağılımı Oluşturma Adımları VERİLERİN SUNUMU. Verilerin Özetlenmesi ve Grafikle Gösterilmesi

GM-220 MÜH. ÇALIŞ. İSTATİSTİKSEL. Frekans Dağılımı Oluşturma Adımları VERİLERİN SUNUMU. Verilerin Özetlenmesi ve Grafikle Gösterilmesi VERİLERİN SUNUMU GM-0 MÜH. ÇALIŞ. İSTATİSTİKSEL YÖNTEMLER Br çalışadan elde edlen verler ha ver ntelğndedr. Ha verlerden blg ednek zor ve zaan alıcıdır. Ha verler çok karaşık durudadır. Verlern düzenlenes

Detaylı

Sürekli Olasılık Dağılım (Birikimli- Kümülatif)Fonksiyonu. Yrd. Doç. Dr. Tijen ÖVER ÖZÇELİK

Sürekli Olasılık Dağılım (Birikimli- Kümülatif)Fonksiyonu. Yrd. Doç. Dr. Tijen ÖVER ÖZÇELİK Sürekl Olasılık Dağılım Brkml- KümülatFonksyonu Yrd. Doç. Dr. Tjen ÖVER ÖZÇELİK tover@sakarya.edu.tr Sürekl olasılık onksyonları X değşken - ;+ aralığında tanımlanmış br sürekl rassal değşken olsun. Aşağıdak

Detaylı

RIDGE TAHMİNİNE DAYALI YANLI TAHMİN EDİCİ İÇİN BİR TEST İSTATİSTİĞİ A TEST STATISTIC FOR BIASED ESTIMATOR BASED ON RIDGE ESTIMATOR

RIDGE TAHMİNİNE DAYALI YANLI TAHMİN EDİCİ İÇİN BİR TEST İSTATİSTİĞİ A TEST STATISTIC FOR BIASED ESTIMATOR BASED ON RIDGE ESTIMATOR SAÜ Fen Edebyat Dergs (009-II) M.EBEGİL RIDGE TAHMİNİNE DAYALI YANLI TAHMİN EDİCİ ÖZET İÇİN BİR TEST İSTATİSTİĞİ Meral EBEGİL Gaz Ünverstes, Fen Edebyat Fakültes, İstatstk Bölüü, 06500, ANKARA derel@gaz.edu.tr

Detaylı

dir. Bir başka deyişle bir olayın olasılığı, uygun sonuçların sayısının örnek uzaydaki tüm sonuçların sayısına oranıdır.

dir. Bir başka deyişle bir olayın olasılığı, uygun sonuçların sayısının örnek uzaydaki tüm sonuçların sayısına oranıdır. BÖLÜM 3 OLASILIK HESABI 3.. Br Olayın Olasılığı Tanım 3... Br olayın brbrnden ayrık ve ortaya çıkma şansı eşt n mümkün sonucundan m tanes br A olayına uygun se, A olayının P(A) le gösterlen olasılığı P(A)

Detaylı

5.3. Tekne Yüzeylerinin Matematiksel Temsili

5.3. Tekne Yüzeylerinin Matematiksel Temsili 5.3. Tekne Yüzeylernn atematksel Temsl atematksel yüzey temslnde lk öneml çalışmalar Coons (53) tarafından gerçekleştrlmştr. Ferguson yüzeylernn gelştrlmş hal olan Coons yüzeylernde tüm sınır eğrler çn

Detaylı

Makine Öğrenmesi 10. hafta

Makine Öğrenmesi 10. hafta Makne Öğrenmes 0. hafta Lagrange Optmzasonu Destek Vektör Maknes (SVM) Karesel (Quadratc) Programlama Optmzason Blmsel term olarak dlmze geçmş olsa da bazen en leme termle karşılık bulur. Matematktek en

Detaylı

Adi Diferansiyel Denklemler NÜMERİK ANALİZ. Adi Diferansiyel Denklemler. Adi Diferansiyel Denklemler

Adi Diferansiyel Denklemler NÜMERİK ANALİZ. Adi Diferansiyel Denklemler. Adi Diferansiyel Denklemler 6.4.7 NÜMERİK ANALİZ Yrd. Doç. Dr. Hatce ÇITAKOĞLU 6 Müendslk sstemlernn analznde ve ugulamalı dsplnlerde türev çeren dferansel denklemlern analtk çözümü büük öneme saptr. Sınır değer ve/vea başlangıç

Detaylı

PARÇALI DOĞRUSAL REGRESYON

PARÇALI 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

Detaylı

Sıklık Tabloları ve Tek Değişkenli Grafikler

Sıklık Tabloları ve Tek Değişkenli Grafikler Sıklık Tabloları ve Tek Değşkenl Grafkler Sıklık Tablosu Ver dzsnde yer alan değerlern tekrarlama sayılarını çeren tabloya sıklık tablosu denr. Sıklık Tabloları tek değşken çn marjnal tablo olarak adlandırılır.

Detaylı

Korelasyon ve Regresyon

Korelasyon ve Regresyon Korelasyon ve Regresyon 1 Korelasyon Analz İk değşken arasında lşk olup olmadığını belrlemek çn yapılan analze korelasyon analz denr. Korelasyon; doğrusal yada doğrusal olmayan dye kye ayrılır. Korelasyon

Detaylı

Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi. Pamukkale University Journal of Engineering Sciences

Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi. Pamukkale University Journal of Engineering Sciences Paukkale Üverstes ühedslk Bller Ders, Clt 9, Sayı, 0, Sayfalar 6-6 Paukkale Üverstes ühedslk Bller Ders Paukkale Uversty Joural of Eeerg Sceces BULANIK KARAR VERE SİSTELERİNDE PARALEL HESAPLAA PARALLEL

Detaylı

X, R, p, np, c, u ve diğer kontrol diyagramları istatistiksel kalite kontrol diyagramlarının

X, 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

Detaylı

kadar ( i. kaynağın gölge fiyatı kadar) olmalıdır.

kadar ( 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

Detaylı

Kİ-KARE TESTLERİ A) Kİ-KARE DAĞILIMI VE ÖZELLİKLERİ

Kİ-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

Detaylı

HAFTA 13. kadın profesörlerin ortalama maaşı E( Y D 1) erkek profesörlerin ortalama maaşı. Kestirim denklemi D : t :

HAFTA 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

Detaylı

ESNEK İMALAT SİSTEMLERİ NDE PARÇA SEÇİMİ VE MAKİNA YÜKLEME PROBLEMİ İÇİN BİR TAVLAMA BENZETİMİ ALGORİTMASI

ESNEK İMALAT SİSTEMLERİ NDE PARÇA SEÇİMİ VE MAKİNA YÜKLEME PROBLEMİ İÇİN BİR TAVLAMA BENZETİMİ ALGORİTMASI V. Ulusal Üret Araştıraları Sepozyuu, İstanbul Tcaret Ünverstes, 25-27 Kası 2005 ESNEK İMALAT SİSTEMLERİ NDE PARÇA SEÇİMİ VE MAKİNA YÜKLEME PROBLEMİ İÇİN BİR TAVLAMA BENZETİMİ ALGORİTMAS Murat ARKAN Gaz

Detaylı

Kİ KARE ANALİZİ. Doç. Dr. Mehmet AKSARAYLI Ki-Kare Analizleri

Kİ 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.

Detaylı

bir yol oluşturmaktadır. Yine i 2 , de bir yol oluşturmaktadır. Şekil.DT.1. Temel terimlerin incelenmesi için örnek devre

bir yol oluşturmaktadır. Yine i 2 , de bir yol oluşturmaktadır. Şekil.DT.1. Temel terimlerin incelenmesi için örnek devre Devre Analz Teknkler DEE AAĐZ TEKĐKEĐ Bu zamana kadar kullandığımız Krchoffun kanunları ve Ohm kanunu devre problemlern çözmek çn gerekl ve yeterl olan eştlkler sağladılar. Fakat bu kanunları kullanarak

Detaylı

ESNEK İMALAT SİSTEMLERİNDE PARÇA SEÇİMİ VE MAKİNA YÜKLEME İÇİN UZUN DÖNEM HAFIZALI BİR TABU ARAMA ALGORİTMASI

ESNEK İMALAT SİSTEMLERİNDE PARÇA SEÇİMİ VE MAKİNA YÜKLEME İÇİN UZUN DÖNEM HAFIZALI BİR TABU ARAMA ALGORİTMASI Gaz Ünv. Müh. M. Fak. Der. J. Fac. Eng. Arch. Gaz Unv. Clt 25, No 2, 311-319, 2010 Vol 25, No 2, 311-319, 2010 ESNEK İMALAT SİSTEMLERİNDE PARÇA SEÇİMİ VE MAKİNA YÜKLEME İÇİN UZUN DÖNEM HAFZAL BİR TABU

Detaylı

A İSTATİSTİK. 4. X kesikli rasgele (random) değişkenin moment çıkaran. C) 4 9 Buna göre, X in beklenen değeri kaçtır?

A 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

Detaylı

Deney No: 2. Sıvı Seviye Kontrol Deneyi. SAKARYA ÜNİVERSİTESİ Dijital Kontrol Laboratuvar Deney Föyü Deneyin Amacı

Deney No: 2. Sıvı Seviye Kontrol Deneyi. SAKARYA ÜNİVERSİTESİ Dijital Kontrol Laboratuvar Deney Föyü Deneyin Amacı SRY ÜNİVERSİESİ Djtal ontrol Laboratuvar Deney Föyü Deney No: 2 Sıvı Sevye ontrol Deney 2.. Deneyn macı Bu deneyn amacı, doğrusal olmayan sıvı sevye sstemnn belrlenen br çalışma noktası cvarında doğrusallaştırılmış

Detaylı

PARAMETRİK OLMAYAN HİPOTEZ TESTLERİ Kİ-KARE TESTLERİ

PARAMETRİK OLMAYAN HİPOTEZ TESTLERİ Kİ-KARE TESTLERİ PARAMETRİK OLMAYAN HİPOTEZ TESTLERİ Kİ-KARE TESTLERİ 1 Populasyonun nceledğmz br özellğnn dağılışı blenen dağılışlardan brsne, Normal Dağılış, t Dağılışı, F Dağılışı, gb br dağılışa uygun olduğu durumlarda

Detaylı

MANYETİK OLARAK STABİLİZE EDİLMİŞ AKIŞKAN YATAKLARDA KÜTLE AKTARIM KATSAYILARININ İNCELENMESİ

MANYETİK OLARAK STABİLİZE EDİLMİŞ AKIŞKAN YATAKLARDA KÜTLE AKTARIM KATSAYILARININ İNCELENMESİ MANYETİK OLAAK STABİLİZE EDİLMİŞ AKIŞKAN YATAKLADA KÜTLE AKTAIM KATSAYILAININ İNCELENMESİ Metn ŞENGÜL, Ahet. ÖZDUAL* Şeker Enttüü Etegut/ANKAA; *H.Ü. Kya Mühendlğ Bölüü Beytepe/ANKAA ÖZET Bu çalışanın

Detaylı

BAZI YARIGRUP AİLELERİ ve YAPILARI İÇİN SONLULUK KOŞULLARI ve ETKİNLİK *

BAZI YARIGRUP AİLELERİ ve YAPILARI İÇİN SONLULUK KOŞULLARI ve ETKİNLİK * BAZI YARIGRUP AİLELERİ ve YAPILARI İÇİN SONLULUK KOŞULLARI ve ETKİNLİK * Fteess Codtos For Soe Segroup Fales ad Costructos ad Effcecy Basr ÇALIŞKAN Mateatk Aabl Dalı Hayrullah AYIK Mateatk Aabl Dalı ÖZET

Detaylı

MIT Açık Ders Malzemeleri Bu materyallerden alıntı yapmak veya Kullanım Koşulları hakkında bilgi almak için

MIT Açık Ders Malzemeleri   Bu materyallerden alıntı yapmak veya Kullanım Koşulları hakkında bilgi almak için MIT Açık Ders Malzemeler http://ocm.mt.edu Bu materyallerden alıntı yapmak veya Kullanım Koşulları hakkında blg almak çn http://ocm.mt.edu/terms veya http://tuba.açık ders.org.tr adresn zyaret ednz. 18.102

Detaylı

Kİ-KARE TESTLERİ. şeklinde karesi alındığında, Z i. değerlerinin dağılımı ki-kare dağılımına dönüşür.

Kİ-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

Detaylı

ARAŞTIRMA MAKALESİ/RESEARCH ARTICLE

ARAŞTIRMA MAKALESİ/RESEARCH ARTICLE ANADOLU ÜNİVESİTESİ BİLİ VE TEKNOLOJİ DEGİSİ ANADOLU UNIVESITY JOUNAL OF SCIENCE AND TECHNOLOGY Clt/Vol.:7 Saı/No: : 9-6 (006) AAŞTIA AKALESİ/ESEACH ATICLE İL VE İLÇELEDE YAILACAK KAUOYU AAŞTIALAI İÇİN

Detaylı

Regresyon ve Korelasyon Analizi. Regresyon Analizi

Regresyon ve Korelasyon Analizi. Regresyon Analizi Regresyo ve Korelasyo Aalz Regresyo Aalz Regresyo Aalz Regresyo aalz, aralarıda sebep-souç lşks bulua k veya daha fazla değşke arasıdak lşky belrlemek ve bu lşky kullaarak o kou le lgl tahmler (estmato)

Detaylı

Doğrusal Korelasyon ve Regresyon

Doğrusal 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

Detaylı

Farklı Varyans. Var(u i X i ) = Var(u i ) = E(u i2 ) = σ i2. Eşit Varyans. Hata. Zaman

Farklı 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

Detaylı

Fen ve Mühendislik için Fizik 1 Ders Notları: Doç.Dr. Ahmet CANSIZ

Fen ve Mühendislik için Fizik 1 Ders Notları: Doç.Dr. Ahmet CANSIZ 9. ÇİZGİSEL (OĞRUSAL) OENTU VE ÇARPIŞALAR 9. Kütle erkez Ssten kütle erkeznn yern ssten ortalaa konuu olarak düşüneblrz. y Δ Δ x x + x = + Teraz antığı le düşünürsek aşağıdak bağıntıyı yazablrz: Δ= x e

Detaylı

Asimetri ve Basıklık Ölçüleri Ortalamalara dayanan (Pearson) Kartillere dayanan (Bowley) Momentlere dayanan asimetri ve basıklık ölçüleri

Asimetri ve Basıklık Ölçüleri Ortalamalara dayanan (Pearson) Kartillere dayanan (Bowley) Momentlere dayanan asimetri ve basıklık ölçüleri Asmetr ve Basıklık Ölçüler Ortalamalara dayanan (Pearson) Kartllere dayanan (Bowley) omentlere dayanan asmetr ve basıklık ölçüler Yrd. Doç. Dr. Tjen ÖVER ÖZÇELİK tover@sakarya.edu.tr III. Asmetr ve Basıklık

Detaylı

SAYISAL ANALİZ. Doç.Dr. Cüneyt BAYILMIŞ. Sayısal Analiz. Doç.Dr. Cüneyt BAYILMIŞ

SAYISAL ANALİZ. Doç.Dr. Cüneyt BAYILMIŞ. Sayısal Analiz. Doç.Dr. Cüneyt BAYILMIŞ SAYISAL ANALİZ Doç.Dr. Cüneyt BAYILMIŞ Doç.Dr. Cüneyt BAYILMIŞ Sayısal Analz SAYISAL ANALİZ SAYISAL TÜREV Numercal Derentaton Doç.Dr. Cüneyt BAYILMIŞ Sayısal Analz İÇİNDEKİLER Sayısal Türev Ger Farklar

Detaylı

SEK Tahmincilerinin Arzulanan Özellikleri. SEK Tahmincilerinin Arzulanan Özellikleri. Ekonometri 1 Konu 9 Sürüm 2,0 (Ekim 2011)

SEK 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

Detaylı

T.C. İSTANBUL TEKNİK ÜNİVERSİTESİ Fen Bilimleri Enstitüsü Bilgisayar Mühendisliği Anabilim Dalı. AĞ GÜVENLİĞİ Prof. Dr.

T.C. İSTANBUL TEKNİK ÜNİVERSİTESİ Fen Bilimleri Enstitüsü Bilgisayar Mühendisliği Anabilim Dalı. AĞ GÜVENLİĞİ Prof. Dr. .C. İANBL ENİ ÜNİERİEİ Fen Bller Ensttüsü Blgsayar Mühendslğ Anabl Dalı AĞ GÜENLİĞİ Prof. Dr. Bülent ÖRENCİ Mateatksel rptoanalz Müh. Ferhat arakoç 0009 İçndekler Mateatksel rptoanalz... İçndekler... GİRİŞ...

Detaylı

ENDÜSTRİNİN DEĞİŞİK İŞ KOLLARINDA İHTİYAÇ DUYULAN ELEMANLARIN YÜKSEK TEKNİK EĞİTİM MEZUNLARINDAN SAĞLANMASINDAKİ BEKLENTİLERİN SINANMASI

ENDÜSTRİNİN 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

Detaylı

Makine Öğrenmesi 6. hafta

Makine Öğrenmesi 6. hafta Makne Öğrenmes 6. hafta Yapay Snr Ağlarına Grş Tek katmanlı YSA lar Algılayıcı (Perceptron) Aalne (Aaptve Lnear Elemen Byolojk Snr Hücres Byolojk snrler ört ana bölümen oluşmaktaır. Bunlar: Denrt, Akson,

Detaylı

2.a: (Zorunlu Değil):

2.a: (Zorunlu Değil): Uygulaa 5-7:.7 6 7 Baar Yarıyılı Jeodezk Ağlar e Uygulaaları UYGULAMA FÖYÜ,..7.a: (Zorunlu Değl: Yanına arılaayan br kule yükeklğnn trgonoetrk yükeklk belrlee yönteyle eaplanaı UYGULAMA.b : (Zorunlu C3

Detaylı

Polinom Filtresi ile Görüntü Stabilizasyonu

Polinom Filtresi ile Görüntü Stabilizasyonu Polno Fltres le Görüntü Stablzasonu Fata Özbek, Sarp Ertürk Kocael Ünverstes Elektronk ve ab. Müendslğ Bölüü İzt, Kocael fozbek@kou.edu.tr, serturk@kou.edu.tr Özetçe Bu bldrde vdeo görüntü dznnde steneen

Detaylı

ALGILANAN HİZMET KALİTESİ VE LOJİSTİK REGRESYON ANALİZİ İLE HİZMET TERCİHİNE ETKİSİNİN BELİRLENMESİ. Özet

ALGILANAN HİZMET KALİTESİ VE LOJİSTİK REGRESYON ANALİZİ İLE HİZMET TERCİHİNE ETKİSİNİN BELİRLENMESİ. Özet Dokuz Eylül Ünverstes Sosyal Blmler Ensttüsü Dergs Yayın Gelş Tarh: 18.02.2011 Clt: 13, Sayı: 1, Yıl: 2011, Sayfa: 21-37 Yayına Kabul Tarh: 17.03.2011 ISSN: 1302-3284 ALGILANAN HİZMET KALİTESİ VE LOJİSTİK

Detaylı

Küresel Harmoniklerin Tekrarlama Bağıntıları İle Hesaplanması. Recursive Relations Of The Spherical Harmonics And Their Calculations

Küresel Harmoniklerin Tekrarlama Bağıntıları İle Hesaplanması. Recursive Relations Of The Spherical Harmonics And Their Calculations S.Ü. Fen-Edebiyat Fakültesi Fen Dergisi Sayı (00) -6, KONA Küresel Haroniklerin Tekrarlaa Bağıntıları İle Hesaplanası Erhan AKIN, Atilla GÜLEÇ, Hüseyin ÜKSEL ÖZET: Bu çalışada atoik ve oleküler hesaplaalarda

Detaylı

VEKTÖRLER Koordinat Sistemleri. KONULAR: Koordinat sistemleri Vektör ve skaler nicelikler Bir vektörün bileşenleri Birim vektörler

VEKTÖRLER Koordinat Sistemleri. KONULAR: Koordinat sistemleri Vektör ve skaler nicelikler Bir vektörün bileşenleri Birim vektörler 11.10.011 VEKTÖRLER KONULR: Koordnat ssteler Vektör ve skaler ncelkler r vektörün bleşenler r vektörler Koordnat Ssteler Karteen (dk koordnatlar: r noktaı tesl etenn en ugun olduğu koordnat ssten kullanırı.

Detaylı

PARÇALI LİNEER ÜYELİK FONKSİYONLARINI KULLANARAK ÇOK AMAÇLI LİNEER KESİRLİ TAŞIMA PROBLEM (ÇALKTP) ÇÖZÜMÜNE BULANIK PROGRAMLAMA YAKLAŞIMI

PARÇALI LİNEER ÜYELİK FONKSİYONLARINI KULLANARAK ÇOK AMAÇLI LİNEER KESİRLİ TAŞIMA PROBLEM (ÇALKTP) ÇÖZÜMÜNE BULANIK PROGRAMLAMA YAKLAŞIMI Journal of Naval Science and Engineering 2009, Vol. 5, No.2, pp. 55-74 PARÇALI LİNEER ÜYELİK FONKSİYONLARINI KULLANARAK ÇOK AMAÇLI LİNEER KESİRLİ TAŞIMA PROBLEM (ÇALKTP) ÇÖZÜMÜNE BULANIK PROGRAMLAMA YAKLAŞIMI

Detaylı

a IIR süzgeç katsayıları ve N ( M) de = s 1 (3) 3. GÜRÜLTÜ GİDERİMİ UYGULAMASI

a 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

Detaylı

UYUM 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. 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

Detaylı

İSTANBUL TİCARET ÜNİVERSİTESİ FEN BİLİMLERİ DERGİSİ ISTANBUL COMMERCE UNIVERSITY JOURNAL OF SCIENCE. Yıl:7 Sayı: /2 GÜZ

İSTANBUL TİCARET ÜNİVERSİTESİ FEN BİLİMLERİ DERGİSİ ISTANBUL COMMERCE UNIVERSITY JOURNAL OF SCIENCE. Yıl:7 Sayı: /2 GÜZ İSTANBUL TİCARET ÜNİVERSİTESİ FEN BİLİMLERİ DERGİSİ ISTANBUL COMMERCE UNIVERSITY JOURNAL OF SCIENCE Yıl:7 Sayı:4 2008/2 GÜZ Sahb İstanbul Tcaret Ünverstes Adına Rektör Prof. Dr. Ateş VURAN Yayın Kurulu

Detaylı

SAYISAL ÇÖZÜMLEME. Sayısal Çözümleme

SAYISAL ÇÖZÜMLEME. Sayısal Çözümleme SAYISAL ÇÖZÜMLEME Syısl Çözümleme SAYISAL ÇÖZÜMLEME 7. Hft LİNEER DENKLEM SİSTEMLERİ (Devm) Syısl Çözümleme İÇİNDEKİLER Doğrusl Denklem Sstemlernn Çözümü İtertf Yöntemler Jcob Yöntem Guss-Sedel Yöntem

Detaylı

PROJE SEÇİMİ VE KAYNAK PLANLAMASI İÇİN BİR ALGORİTMA AN ALGORITHM FOR PROJECT SELECTION AND RESOURCE PLANNING

PROJE 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

Detaylı

TÜRKİYE DE TURİZM GELİRLERİ İLE EKONOMİK BÜYÜME ARASINDAKİ İLİŞKİ ( )

TÜRKİYE DE TURİZM GELİRLERİ İLE EKONOMİK BÜYÜME ARASINDAKİ İLİŞKİ ( ) SÜ İİBF Sosyal ve Ekonoik Araştıralar Dergisi 63 TÜRKİYE DE TURİZM GELİRLERİ İLE EKONOMİK BÜYÜME ARASINDAKİ İLİŞKİ (992-23) Doğan UYSAL * Savaş ERDOĞAN ** Mehet MUCUK *** Özet Bu çalışa turiz gelirleri

Detaylı

MAK 744 KÜTLE TRANSFERİ

MAK 744 KÜTLE TRANSFERİ ZKÜ Fen Blmler Ensttüsü Makne Mühendslğ Anablm alı MAK 744 KÜTLE TRANSFERİ TERMOİNAMİK ve TRANSPORT BÜYÜKLÜKLERİNİN HESAPLANMASI İÇİN FORMÜLLER VE TABLOLAR Mustafa EYRİBOYUN ZONGULAK - 007 1. TERMOİNAMİK

Detaylı

VEKTÖRLER VE VEKTÖREL IŞLEMLER

VEKTÖRLER VE VEKTÖREL IŞLEMLER VEKTÖRLER VE VEKTÖREL IŞLEMLER 1 2.1 Tanımlar Skaler büyüklük: Sadece şddet bulunan büyüklükler (örn: uzunluk, zaman, kütle, hacm, enerj, yoğunluk) Br harf le sembolze edleblr. (örn: kütle: m) Şddet :

Detaylı

DEMİRYOLU TRAFİK KONTROLÜ PROBLEMİNİN GENETİK ALGORİTMALARLA ÇÖZÜMÜ

DEMİRYOLU TRAFİK KONTROLÜ PROBLEMİNİN GENETİK ALGORİTMALARLA ÇÖZÜMÜ YILDIZ TEKNİK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ DEMİRYOLU TRAFİK KONTROLÜ PROBLEMİNİN GENETİK ALGORİTMALARLA ÇÖZÜMÜ İnşaat Yüksek Mühends Sel DÜNDAR FBE İnşaat Mühendslğ Anabl Dalı Ulaştıra Prograında

Detaylı

Journal of Engineering and Natural Sciences Mühendislik ve Fen Bilimleri Dergisi THE FUZZY ANALYTIC HIERARCHY PROCESS FOR SOFTWARE SELECTION PROBLEMS

Journal of Engineering and Natural Sciences Mühendislik ve Fen Bilimleri Dergisi THE FUZZY ANALYTIC HIERARCHY PROCESS FOR SOFTWARE SELECTION PROBLEMS Journal of Engineering and Natural Sciences Mühendislik ve Fen Bilileri Dergisi Siga 2005/3 THE FUZZY ANALYTIC HIERARCHY PROCESS FOR SOFTWARE SELECTION PROBLEMS Hüseyin BAŞLIGİL * Yıldız Teknik Üniversitesi,

Detaylı

ENDÜSTRİYEL BİR ATIK SUYUN BİYOLOJİK ARITIMI VE ARITIM KİNETİĞİNİN İNCELENMESİ

ENDÜSTRİYEL BİR ATIK SUYUN BİYOLOJİK ARITIMI VE ARITIM KİNETİĞİNİN İNCELENMESİ ENDÜSTRİYEL BİR ATIK SUYUN BİYOLOJİK ARITIMI VE ARITIM KİNETİĞİNİN İNCELENMESİ Emel KOCADAYI EGE ÜNİVERSİTESİ MÜH. FAK., KİMYA MÜH. BÖLÜMÜ, 35100-BORNOVA-İZMİR ÖZET Bu projede, Afyon Alkalot Fabrkasından

Detaylı

Sayfa 1. GİRİŞ TEMEL KAVRAMLAR... 2

Sayfa 1. GİRİŞ TEMEL KAVRAMLAR... 2 . ĠÇĠNDEKĠLER Sayfa. GİRİŞ.... TEMEL KAVRAMLAR.... Olasılık.... Rasgele Değşken..... Keskl Rasgele Değşken... 3.. Sürekl Rasgele Değşken... 4.3 Olasılık Fonksyonu... 4.3. Keskl Rasgele Değşkenn Olasılık

Detaylı

KARMAŞIK SAYILAR. Derse giriş için tıklayın...

KARMAŞIK SAYILAR. Derse giriş için tıklayın... KARMAŞIK SAYILAR Derse grş çn tıklayın A Tanım B nn Kuvvetler C İk Karmaşık Sayının Eştlğ D Br Karmaşık Sayının Eşlenğ E Karmaşık Sayılarda Dört İşlem Toplama - Çıkarma Çarpma Bölme F Karmaşık Dülem ve

Detaylı

SEK Yönteminin Güvenilirliği Sayısal Bir Örnek. Ekonometri 1 Konu 11 Sürüm 2,0 (Ekim 2011)

SEK 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)

Detaylı

4.5. SOĞUTMA KULELERİNİN BOYUTLANDIRILMASI İÇİN BİR ANALIZ

4.5. SOĞUTMA KULELERİNİN BOYUTLANDIRILMASI İÇİN BİR ANALIZ Ünsal M.; Varol, A.: Soğutma Kulelernn Boyutlandırılması İçn Br Kuramsal 8 Mayıs 990, S: 8-85, Adana 4.5. SOĞUTMA KULELERİNİN BOYUTLANDIRILMASI İÇİN BİR ANALIZ Asaf Varol Fırat Ünverstes, Teknk Eğtm Fakültes,

Detaylı

Türk Dilinin Biçimbilim Yapısından Yararlanarak Türkçe Metinlerin Farklı İmgelere Ayrılarak Kodlanması ve Sıkıştırılması

Türk Dilinin Biçimbilim Yapısından Yararlanarak Türkçe Metinlerin Farklı İmgelere Ayrılarak Kodlanması ve Sıkıştırılması Türk Dlnn Bçmblm Yapısından Yararlanarak Türkçe Metnlern Farklı İmgelere Ayrılarak Kodlanması ve Sıkıştırılması Banu DİRİ, M.Yahya KARSLIGİL Yıldız Teknk Ünverstes Elektrk Elektronk Fakültes - Blgsayar

Detaylı

YAŞAM ÇÖZÜMLEMESİNDE AYKIRI DEĞERLER OUTLIERS IN SURVIVAL ANALYSIS

YAŞAM ÇÖZÜMLEMESİNDE AYKIRI DEĞERLER OUTLIERS IN SURVIVAL ANALYSIS YAŞAM ÇÖZÜMLEMESİNDE AYKIRI DEĞERLER OUTLIERS IN SURVIVAL ANALYSIS NURAY TUNCER PROF. DR. DURDU KARASOY Tez Danışmanı Hacettepe Ünverstes Lsansüstü Eğtm-Öğretm Yönetmelğnn İstatstk Anablm Dalı İçn Öngördüğü

Detaylı

BUZDOLABI KABĠN ĠÇĠ SICAKLIK SALINIMLARININ MODELLENMESĠ

BUZDOLABI KABĠN ĠÇĠ SICAKLIK SALINIMLARININ MODELLENMESĠ ESKON 205 / ERMODĠNAMĠK SEMPOZYUMU Bu br MMO yayınıdır MMO bu yayındak fadelerden, fkrlerden, toplantıda çıkan sonuçlardan, teknk blg ve bası hatalarından sorulu değldr. BUZDOLABI KABĠN ĠÇĠ SICAKLIK SALINIMLARININ

Detaylı

İÇME SUYU ŞEBEKELERİNİN GÜVENİLİRLİĞİ

İÇME SUYU ŞEBEKELERİNİN GÜVENİLİRLİĞİ Türkye İnşaat Mühendslğ, XVII. Teknk Kongre, İstanbul, 2004 İÇME SUYU ŞEBEKELERİNİN GÜVENİLİRLİĞİ Nur MERZİ 1, Metn NOHUTCU, Evren YILDIZ 1 Orta Doğu Teknk Ünverstes, İnşaat Mühendslğ Bölümü, 06531 Ankara

Detaylı

ZKÜ Mühendislik Fakültesi - Makine Mühendisliği Bölümü ISI VE TERMODİNAMİK LABORATUVARI Sudan Suya Türbülanslı Akış Isı Değiştirgeci Deney Föyü

ZKÜ Mühendislik Fakültesi - Makine Mühendisliği Bölümü ISI VE TERMODİNAMİK LABORATUVARI Sudan Suya Türbülanslı Akış Isı Değiştirgeci Deney Föyü ZKÜ Müendslk Fakültes - Makne Müendslğ Bölümü Sudan Suya Türbülanslı Akış Isı Değştrge Deney Föyü Şekl. Sudan suya türbülanslı akış ısı değştrge (H950 Deneyn adı : Boru çnde sudan suya türbülanslı akışta

Detaylı

DENEY 4: SERİ VE PARALEL DEVRELER,VOLTAJ VE AKIM BÖLÜCÜ KURALLARI, KIRCHOFF KANUNLARI

DENEY 4: SERİ VE PARALEL DEVRELER,VOLTAJ VE AKIM BÖLÜCÜ KURALLARI, KIRCHOFF KANUNLARI A. DNYİN AMACI : Bast ser ve bast paralel drenç devrelern analz edp kavramak. Voltaj ve akım bölücü kurallarını kavramak. Krchoff kanunlarını deneysel olarak uygulamak. B. KULLANILACAK AAÇ V MALZML : 1.

Detaylı

Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi Pamukkale University Journal of Engineering Sciences

Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi Pamukkale University Journal of Engineering Sciences Pamukkale Ünverstes Mühendslk Blmler Dergs, Clt 0, Sayı 3, 04, Sayfalar 85-9 Pamukkale Ünverstes Mühendslk Blmler Dergs Pamukkale Unversty Journal of Engneerng Scences PREFABRİK ENDÜSTRİ YAPIARININ ARMONİ

Detaylı

ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ ÇOKLU İÇ İLİŞKİ VE EKOLOJİK REGRESYON İSTATİSTİK ANABİLİM DALI

ÇUKUROVA 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

Detaylı

biçiminde standart halde tanımlı olsun. Bu probleme ilişkin simpleks tablosu aşağıdaki gibidir

biçiminde standart halde tanımlı olsun. Bu probleme ilişkin simpleks tablosu aşağıdaki gibidir KONU 6: DOĞRUSAL PROGRAMLAMA MODELİ İÇİN ÇÖZÜM YÖNTEMLERİ III 6 Siples Tablo Siples algoritasında en ii çözü, verilen dpp için bir teel ugun çözüden başlanara, ardışı saısal işlelerle araştırılır Bu işleler,

Detaylı

Sıfır Ağırlıklı Sayma ile Elde Edilen Veriler İçin Çok Seviyeli ZIP Regresyon * Multilevel ZIP Regression for Zero-Inflated Count Data

Sıfır Ağırlıklı Sayma ile Elde Edilen Veriler İçin Çok Seviyeli ZIP Regresyon * Multilevel ZIP Regression for Zero-Inflated Count Data Yüzüncü Yıl Ünverstes Fen Blmler Ensttüsü Dergs/ Journal of The Insttute of Natural & Appled Scences 18 (1-):01-08, 013 Araştırma Makales/Research Artcle Sıfır Ağırlıklı Sayma le Elde Edlen Verler İçn

Detaylı

Şekil 1. Bir oda ısıtma sisteminin basitleştirilmiş blok diyagram gösterimi. 1. Kontrol Sistemlerindeki Blok Diyagramlarının Temel Elemanları:

Şekil 1. Bir oda ısıtma sisteminin basitleştirilmiş blok diyagram gösterimi. 1. Kontrol Sistemlerindeki Blok Diyagramlarının Temel Elemanları: Blok yaraları: araşık teler, rok alt ten rrne uyun şeklde ağlanaından oluşur. Blok dyaraları, her r alt te araındak karşılıklı ağlantıyı öterek n kullanılır. Blok dyaralarında her r alt ten fonkyonu ve

Detaylı

2.7 Bezier eğrileri, B-spline eğrileri

2.7 Bezier eğrileri, B-spline eğrileri .7 Bezer eğrler, B-splne eğrler Bezer eğrler ve B-splne eğrler blgsaar grafklernde ve Blgsaar Destekl Tasarım (CAD) ugulamalarında çok kullanılmaktadır.. B-splne eğrler sadece br grup ver noktası çn tanımlanan

Detaylı

u ( )z, ) başlangıç durumdaki yerdeğiştirme vektörünün radyal ve eksenel doğrultuda bileşenlerini, λ k

u ( )z, ) başlangıç durumdaki yerdeğiştirme vektörünün radyal ve eksenel doğrultuda bileşenlerini, λ k SÜREKSİZ TEMAS KOŞULLARININ ÖNGERİLMELİ İKİ KATLI İÇİ BOŞ SİLİNDİRLERDE EKSENEL SİMETRİK BOYUNA DALGA YAYILIMINA ETKİSİ(DIŞ SİLİNDİR İÇ SİLİNDİRE ORANLA DAHA RİJİT) (*) Surkay AKBAROV, (**) Cengiz İPEK

Detaylı

NİTEL TERCİH MODELLERİ

NİTEL 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:

Detaylı

İki veri setinin yapısının karşılaştırılması

İki veri setinin yapısının karşılaştırılması İk ver set yapısıı karşılaştırılması Dağılım: 6,6,6 Ortalama: 6 Medya: 6 Mod: 6 td. apma: 0 Dağılım: 0,6,1 Ortalama: 6 Medya: 6 Mod: çoklu mod td: apma: 6 Amaç: Görüe Ötese Bakablmek Verler değşkelk durumuu

Detaylı

Tanımlayıcı İstatistikler (Descriptive Statistics) Dr. Musa KILIÇ

Tanımlayıcı İstatistikler (Descriptive Statistics) Dr. Musa KILIÇ Taımlayıcı İstatstkler (Descrptve Statstcs) Dr. Musa KILIÇ TANIMLAYICI ÖRNEK İSTATİSTİKLERİ YER ÖLÇÜLERİ (Frekas dağılışıı abss eksedek durumuu belrtr.) DEĞİŞİM ÖLÇÜLERİ ( Frekas dağılışıı şekl belrtr.).

Detaylı

Sabit Varyans. Var(u i X i ) = Var(u i ) = E(u i2 ) = s 2

Sabit Varyans. Var(u i X i ) = Var(u i ) = E(u i2 ) = s 2 X Sabt Varyans Y Var(u X ) = Var(u ) = E(u ) = s Eşt Varyans EKKY nn varsayımlarından br anakütle regresyon fonksyonu u lern eşt varyanslı olmasıdır Her hata term varyansı bağımsız değşkenlern verlen değerlerne

Detaylı

TÜRKYE'DE TRAFK KAZALARININ MODELLENMES K. Selçuk ÖÜT A. Faik YNAM ÖZET

TÜRKYE'DE TRAFK KAZALARININ MODELLENMES K. Selçuk ÖÜT A. Faik YNAM ÖZET TÜRKYE'DE TRAFK KAZALARININ MODELLENMES K. Selçuk ÖÜT A. Fak YNAM stanbul Teknk Ünverstes stanbul Teknk Ünverstes ÖZET Trafk kazaları, ülkemz gündemn sürekl olarak gal eden konularıdan brdr. Üzernde çok

Detaylı

BEKLENEN DEĞER VE VARYANS

BEKLENEN DEĞER VE VARYANS BEKLEE DEĞER VE VARYAS.1. İadel ve adesz öreklemede tüm mümkü örekler.. Beklee değer.3. Varyas.4. İk değşke ortak dağılımı.5. İstatstksel bağımsızlık.6. Tesadüf değşkeler doğrusal kombasyolarıı beklee

Detaylı

TÜRKİYE DEKİ 380 kv LUK 14 BARALI GÜÇ SİSTEMİNDE EKONOMİK YÜKLENME ANALİZİ

TÜRKİYE DEKİ 380 kv LUK 14 BARALI GÜÇ SİSTEMİNDE EKONOMİK YÜKLENME ANALİZİ TÜRİYE DEİ 38 kv LU 4 BARALI GÜÇ SİSTEMİDE EOOMİ YÜLEME AALİZİ Mehmet URBA Ümmühan BAŞARA 2,2 Elektrk-Elektronk Mühendslğ Bölümü Mühendslk-Mmarlık Fakültes Anadolu Ünverstes İk Eylül ampüsü, 2647, ESİŞEHİR

Detaylı

Cebir Notları. Karmaşık Sayılar Testi z = 1 2i karmaşık sayısının çarpmaya göre tersinin eşleniğinin sanal kısmı kaçtır?

Cebir Notları. Karmaşık Sayılar Testi z = 1 2i karmaşık sayısının çarpmaya göre tersinin eşleniğinin sanal kısmı kaçtır? Cebr Ntları Karmaşık Sayılar Test. + se Re() + Im()?. ( x y) + + ( x+ y ) se x + y tplamı kaçtır?. x + y ( x ) ve se y kaçtır?. ve se y x kaçtır?. sayısı kaça eşttr?. sayısı kaça eşttr? 7. x+ + ( y ) y

Detaylı

BULANIK ÇOK AMAÇLI LİNEER KESİRLİ TAŞIMA PROBLEMİNE ÇÖZÜM ÖNERİSİ

BULANIK ÇOK AMAÇLI LİNEER KESİRLİ TAŞIMA PROBLEMİNE ÇÖZÜM ÖNERİSİ YILDIZ TEKNİK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ BULANIK ÇOK AMAÇLI LİNEER KESİRLİ TAŞIMA PROBLEMİNE ÇÖZÜM ÖNERİSİ Mateatkç Nurda ÇETİN F.B.E.Mateatk Aabl Dalıda Mateatk Prograıda Hazırlaa DOKTORA TEZİ

Detaylı

2005 Gazi Üniversitesi Endüstriyel Sanatlar Eğitim Fakültesi Dergisi Sayı:16, s31-46

2005 Gazi Üniversitesi Endüstriyel Sanatlar Eğitim Fakültesi Dergisi Sayı:16, s31-46 2005 Gaz Ünverstes Endüstryel Sanatlar Eğtm Fakültes Dergs Sayı:16, s31-46 ÖZET BANKALARDA MALİ BAŞARISIZLIĞIN ÖNGÖRÜLMESİ LOJİSTİK REGRESYON VE YAPAY SİNİR AĞI KARŞILAŞTIRMASI 31 Yasemn KESKİN BENLİ 1

Detaylı

Sistemde kullanılan baralar, klasik anlamda üç ana grupta toplanabilir :

Sistemde 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.

Detaylı

AC (ALTERNATİF AKIM)

AC (ALTERNATİF AKIM) AC (ALERNAİF AKIM) AC akı daii olarak pozitif ve negatif aksiu değerler arasında değişi gösterir. Pozitif ve negatif değerler arasındaki farka tepe-tepe değer, V p-p adı verilir. 9.03.013 1 AC (ALERNAİF

Detaylı

KUŞADASI YÖRESİ RÜZGAR VERİLERİNİN DENİZ YAPILARININ TASARIMINA YÖNELİK DEĞERLENDİRİLMESİ

KUŞADASI YÖRESİ RÜZGAR VERİLERİNİN DENİZ YAPILARININ TASARIMINA YÖNELİK DEĞERLENDİRİLMESİ KUŞADASI YÖRESİ RÜZGAR VERİLERİNİN DENİZ YAPILARININ TASARIMINA YÖNELİK DEĞERLENDİRİLMESİ Gündüz GÜRHAN Dokuz Eylül Üniversitesi, Deniz Bilileri ve Teknolojisi Enstitüsü İnciraltı/İzir E-Posta:gunduz.gurhan@deu.edu.tr

Detaylı

7 Transformatörler. Transformatör Yapıları

7 Transformatörler. Transformatör Yapıları Transforatör Yapıları 1 Transforatör Yapıları Transforatör Yapıları 3 Transforatör Yapıları 4 Transforatör Yapıları 1. hell Transforatör hell tür transforatörde, düşük gerll sargı çe yüksek gerll sargı

Detaylı

Finansal Varlık Fiyatlama Modelleri Çerçevesinde Piyasa Risklerinin Hesaplanması: Parametrik Olmayan Yaklaşım

Finansal Varlık Fiyatlama Modelleri Çerçevesinde Piyasa Risklerinin Hesaplanması: Parametrik Olmayan Yaklaşım Bankacılar Dergisi, Sayı 6, 007 Finansal Varlık Fiyatlaa Modelleri Çerçevesinde Piyasa Risklerinin Hesaplanası: Paraetrik Olayan Yaklaşı Yrd. Doç. Dr. Kutluk Kağan Süer Aycan Hepsağ Bu çalışada, 05/01/000

Detaylı

KIRMIZI, TAVUK VE BEYAZ ET TALEBİNİN TAM TALEP SİSTEMİ YAKLAŞIMIYLA ANALİZİ

KIRMIZI, 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

Detaylı

Şiddet-Süre-Frekans Bağıntısının Genetik Algoritma ile Belirlenmesi: GAP Örneği *

Şiddet-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)

Detaylı

FEN VE MÜHENDİSLİKTE MATEMATİK METOTLAR 10. KİTAP DİFERANSİYEL DENKLEMLER III DD III

FEN VE MÜHENDİSLİKTE MATEMATİK METOTLAR 10. KİTAP DİFERANSİYEL DENKLEMLER III DD III FEN VE MÜHENDİSİKTE MATEMATİK METOTAR 0. KİTAP DİFERANSİYE DENKEMER III DD III 8 İÇİNDEKİER I. SO() ve KÜRESE HARMONİKER A) SO Spektruu B) Diferansiyel Operatör Tesilleri C) Uzay Tersinesi D) Küresel Haronikler

Detaylı

Merkezi Eğilim (Yer) Ölçüleri

Merkezi Eğilim (Yer) Ölçüleri Merkez Eğlm (Yer) Ölçüler Ver setn tanımlamak üzere kullanılan ve genellkle tüm elemanları dkkate alarak ver setn özetlemek çn kullanılan ölçülerdr. Ver setndek tüm elemanları temsl edeblecek merkez noktasına

Detaylı

BİRİKİMLİ HASAR TEORİLERİ VE YORULMA ÇATLAĞINA GÖRE ÖMÜR DEĞERLENDİRMELERİ

BİRİKİMLİ HASAR TEORİLERİ VE YORULMA ÇATLAĞINA GÖRE ÖMÜR DEĞERLENDİRMELERİ Brkl Hasar Teorler ve Yorula Çatlağına Göre Öür Değerlendreler HAVACILIK VE UZAY TEKOLOJİLERİ DERGİSİ TEMMUZ 00 CİLT SAYI (-9) BİRİKİMLİ HASAR TEORİLERİ VE YORULMA ÇATLAĞIA GÖRE ÖMÜR DEĞERLEDİRMELERİ Gökhan

Detaylı

İstatistikçiler Dergisi

İstatistikçiler Dergisi www.statstcler.org İstatstçler Dergs (2008 23-32 İstatstçler Dergs YOL AZA ORANLARININ BAYESCİ YALAŞIMLA ANALİZİ Uğur ARABEY Hacettepe Ünverstes Atüerya Bller Bölüü 06800-Beytepe, Anara, Türye uarabey@hacettepe.edu.tr

Detaylı

FREKANS ATLAMALI DİZİLER KÜBRA BAYRAKTAR YÜKSEK LİSANS TEZİ MATEMATİK ANABİLİM DALI TOBB EKONOMİ VE TEKNOLOJİ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ

FREKANS ATLAMALI DİZİLER KÜBRA BAYRAKTAR YÜKSEK LİSANS TEZİ MATEMATİK ANABİLİM DALI TOBB EKONOMİ VE TEKNOLOJİ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ FREKANS ATLAMALI DİZİLER KÜBRA BAYRAKTAR YÜKSEK LİSANS TEZİ MATEMATİK ANABİLİM DALI TOBB EKONOMİ VE TEKNOLOJİ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ ARALIK 010 ANKARA Fen Bller Ensttü onayı Prof. Dr. Ünver

Detaylı

REGRESYONDA ETKİLİ GÖZLEMLERİ BELİRLEME YÖNTEMLERİ VE KARŞILAŞTIRMALARI. Can DARICA YÜKSEK LİSANS TEZİ İSTATİSTİK

REGRESYONDA ETKİLİ GÖZLEMLERİ BELİRLEME YÖNTEMLERİ VE KARŞILAŞTIRMALARI. Can DARICA YÜKSEK LİSANS TEZİ İSTATİSTİK REGRESYONDA ETKİLİ GÖZLEMLERİ BELİRLEME YÖNTEMLERİ VE KARŞILAŞTIRMALARI Can DARICA YÜKSEK LİSANS TEZİ İSTATİSTİK GAZİ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ ŞUBAT 014 ANKARA Can DARICA tarafından hazırlanan

Detaylı

11. z = 1 2i karmaşık sayısının çarpmaya göre tersinin eşleniğinin sanal kısmı kaçtır? 14. eşitliğini sağlayan z karmaşık sayısı kaçtır? 15.

11. z = 1 2i karmaşık sayısının çarpmaya göre tersinin eşleniğinin sanal kısmı kaçtır? 14. eşitliğini sağlayan z karmaşık sayısı kaçtır? 15. GD. + se Re() + Im()? www.gkhandemr.rg, 007 Cebr Ntları Gökhan DEMĐR, gdemr@yah.cm.tr Karmaşık sayılar 9. + + sayısı kaça eşttr? 7 890. ( x y) + + ( x + y) se x + y tplamı kaçtır?. x + y ( x) ve se y kaçtır?.

Detaylı

RANKI İKİ OLAN SERBEST METABELYEN LİE CEBİRLERİ İÇİN BİR KOMUTATÖR TESTİ

RANKI İKİ OLAN SERBEST METABELYEN LİE CEBİRLERİ İÇİN BİR KOMUTATÖR TESTİ ANKI İKİ OLAN SEBEST METABELYEN LİE CEBİLEİ İÇİN Bİ KOMUTATÖ TESTİ Zerrn ESMELİGİL Çukurova Ünverstes, Matematk Bölümü, Adana, 033386084-45, 033386070, e-zerrn@cu.edu.tr ÖZET. Bu çalışmada rankı k olan

Detaylı