İSTANBUL TEKNİK ÜNİVERSİTESİ FEN EDEBİYAT FAKÜLTESİ MATEMATİK MÜHENDİSLİĞİ PROGRAMI

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "İSTANBUL TEKNİK ÜNİVERSİTESİ FEN EDEBİYAT FAKÜLTESİ MATEMATİK MÜHENDİSLİĞİ PROGRAMI"

Transkript

1 İSTANBUL TEKNİK ÜNİVERSİTESİ FEN EDEBİYAT FAKÜLTESİ MATEMATİK MÜHENDİSLİĞİ PROGRAMI ORACLE DATA MINER İLE BORSA ALANINDA TEKNİK ANALİZDE KULLANILAN GÖSTERGELER (INDICATORS) ÜZERİNE BİR VERİ MADENCİLİĞİ UYGULAMASI BİTİRME ÖDEVİ Tolga KAPAN Brgül AYAZ Tez Danışmanı: Yar. Doç. Dr. Ahmet KIRIŞ MAYIS 2012

2 ÖNSÖZ Bu çalışmayı hazırlamamızda bze yol gösteren, bzden yardımını ve desteğn hçbr zaman esrgemeyen Sayın Hocamız Yrd. Doç. Dr. Ahmet KIRIŞ a, geçmş yılların hsse sened fyat verlerne ulaşmamızda bze yardımcı olan FOREX şrket çalışanlarına, arkadaşlarımıza ve hayatımız boyunca bze sevg, güven ve her türlü desteğ veren alelermze en çten teşekkürlermz sunarız. Mayıs, 2012 Tolga KAPAN Brgül AYAZ MAYIS 2012

3 İÇİNDEKİLER Sayfa Error! No table of contents entres found.

4 ÖZET Borsada alım-satım kararı verlrken dkkate alınan teknk analz uygulamalarından göstergelern (ndcators), kar elde etmek çn alım ya da satım durumu le lşks üzerne br ver madenclğ uygulaması yapılmıştır. Bu uygulamada göstergeler yardımı le alım ya da satım kararlarının önceden tahmn edlmes ve daha kullanışlı br gösterge oluşturulması amaçlanmaktadır. Alım satım kararları önceden tahmn edlerek veya daha kullanışlı br gösterge oluşturularak kar elde edleblr veya zarar en aza ndrgeneblr. Bu amaçla FOREX şrketnden geçmş yıllara at hsse sened verler alınmış, bu verler düzenlenerek Excel dosyası oluşturulmuştur. Bu Excel dosyasındak verlerle göstergelern formüller oluşturularak gösterge değerler elde edlmştr. Gösterge değerler le hsse senetler fyatlarının günlük kapanış değerler kullanılarak tablolar oluşturulmuş ve hsse senetler alınmalı, satılmalı ya da şlem yapılmamalı olarak sınıflandırılıp problem ver madenclğ sınıflandırma modelne uygun hale getrlmştr. Bu problem çözmek çn sınıflandırma modelnn algortmalarından olan Navé Bayes ve Karar Ağaçları (Decson Tree) yöntemler kullanılmıştır. Ver madenclğ uygulamasını gerçekleştrmek çn Oracle vertabanının 11g sürümü ve üzerne Oracle Data Mner paket programı yüklenmştr. Daha sonra oluşturulan tablolar vertabanına aktarılmış ve gerekl modeller oluşturulmuştur. Bu modeller yardımıyla tahmnler elde edlmş ve sonuçlar yorumlanmıştır. 1

5 1. GİRİŞ Gelşen teknoloj ve tüm Dünya ülkelernde blgsayarın yaygın kullanılması elektronk ortamda saklanan ver mktarında büyük br artış meydana getrmştr. Blg mktarının her 20 ayda br k katına çıkması vertabanı sayısında hızlı br artışa neden olmaktadır. Brçok farklı blm dallarından toplanan verler, hava tahmn smülasyonu, sanay faalyet testler, süpermarket alışverş, banka kartları kullanımı, telefon aramaları gb verler, daha büyük vertabanlarında kayıt altına alınmaktadır. Ver tabanında kayıt altına alınan bu verlern tahmn edlemeyecek boyutta faydaları vardır. Bu verlerden elde edlecek blgler doğrultusunda fnansal alanda gelecek çn stratejler belrleneblr. Ver madenclğ uygulaması fnansal alanda kullanılarak, hsse sened alım satımında göz önünde bulundurulan göstergelern geçmş yılların hsse sened fyatlarına göre verdğ kararlar ve vermes gereken kararlar karşılaştırılmış ve model oluşturulmuştur. Bu model le hsse sened alım satım kararları test verler üzernden tahmn edlmeye çalışılmıştır. Btrme projes kapsamında da hsse senetlernn alım satım kararları değerlendrlrken kullanılan göstergeler le stratejler gelştrlmes ve yen göstergeler elde edlmes amaçlanmıştır. Alım-satım kararı verlrken göstergelern nasıl elde edldğ ve ver madenclğ uygulamasına neden gereksnm duyulduğu br süreç dâhlnde aşağıda fade edlmektedr. 2

6 2. GÖSTERGELER (INDICATORS) Teknk analz yapılırken göstergelern verdğ alım-satım snyaller göz önünde bulundurulmaktadır. Karar verme aşamasında kararların bu durumlarla uyum çnde olması önemldr. Oracle Data Mner le göstergelern geçmşte verdğ alım-satım kararlarının gerçek zamanlı sonuçlarla uyumluluğu değerlendrlp gelecekte verlecek kararların tahmn edlmes amaçlanmıştır. Hsse sened alım-satım kararı vermek çn öneml uygulamalardan brs teknk analzdr. Teknk analz yaparken, trendler belrlemek ve oluşumlarını çözümlemek zordur. Ayrıca bu tesptler yaparken, objektf olmak ve trend dönüşümlernn süresn ve büyüklüğünü tespt etmek güçtür. Bu güçlüğü aşmak, trend değşmlern oluştukları sırada belrlemek amacıyla fyat ve şlem hacm verler esas alınarak çeştl hesaplamalar yapılmaktadır. Grafk örneklere yardımcı olmak amacıyla fyat ve şlem hacm verlernden türetlen bu kurallara göstergeler adı verlmektedr. Btrme projes kapsamında alım-satım kararlarında kullanılan göstergeler ve açıklamaları aşağıdak gbdr. 2.1 Toplama- Dağıtım Endeks (Accumulaton- Dstrbuton Index, ADI) Toplama- Dağıtım Endeks şlem hacm ve fyatlardak hareketler brleştrerek fyatların trendnn sürüp sürmeyeceğ konusunda fkr veren br göstergedr. Her günkü şlem hacmnn bell br oranı br öncek günün kümülatf toplamına eklenr veya çıkarılır. Formülü aşağıdak gbdr: ADI C LH C H L V (2.1) 1 burada, C= Kapanış fyatı, (Close) H= Günün en yüksek fyatı, (Hgh) 3

7 L= Günün en düşük fyatı, (Low) V= İşlem hacm, (Volume) ADI= Accumulaton- Dstrbuton Index olarak verlmektedr. Buradak kısaltmalar, (C,H,L,V) çalışmanın ger kalan bölümlernde de aynı fadeler tanımlamaktadır. Eğer kapanış günün en yüksek fyatına yakınsa günlük şlem hacmnn hesaplanan oranı kadar br mktar br öncek günün ADI değerne eklenr. Kapanış günün en düşük fyatına daha yakınsa şlem hacmnn hesaplanan oranı kadar br mktar br öncek günün ADI değernden çıkartılır. Gösterge br dp yapıp yukarı dönerek yükselşe başlarsa alım, tepe yaptıktan sonra düşmeye başlarsa satım kararı verlr. 2.2 Mal Kanal Endeks (Commodty Channel Index, CCI) Mal Kanal Endeks(CCI)senet fyatının kend statstksel ortalamasından aşağı veya yukarı ne kadar saptığını gösterr le 100 lmt değerlerdr ün üzerne çıkması senedn aşırı alım sevyesnde olduğu,-100 ünaltında olması se aşırı satım bölgesnde olduğunu gösterr. Mal Kanal Endeks, Donald R.Lambert tarafından gelştrlen br fyat momentum göstergesdr. Pyasa trendnn başlangıç ve btşn bulmak çn dzayn edlmştr. Formülü aşağıdak gbdr: A B H L C , CCI D H L C 14 A B A B D (2.2) Burada CCI= Mal Kanal Endeksdr. Bu endeks 100 sevyesnn altından üstüne çıkıldığında alım, +100 sevyesnn üstünden altına düşüldüğünde satım yapılmalıdır. 2.3 Hareketl Ortalamaların Brleşmes-Ayrılması Gösterges(Movng Average Convergence Dvergence, MACD) 4

8 MACD (kesksz çzg) gösterges Tetk Çzgsn(keskl çzg) aşağıdan yukarı doğru kestğnde alım, yukarıdan aşağı doğru kestğnde satım sayesnde karar vermey kolaylaştırır. 12 günlük üssel hareketl ortalamadan 26 günlük üssel hareketl ortalama çıkartılınca MACD bulunur. Bu MACD formülünün ayrıca 9 günlük üssel hareketl ortalaması keskl çzglerle çzdrlr ve bu keskl çzgye tetk çzgs(trgger) adı verlr. MACD gösterges tetk çzgsn aşağıdan yukarı Kestğ zaman alım, yukarıdan aşağı kestğ zamanda satım kararı verlr. A C 1 A, n12 1 B C 1 B, n26 1 MACD A B T MACD 1 T, n9 1 2 n 1 (2.3) Burada n = Üssel hareketl ortalama çn seçlen gün sayısı MACD= Hareketl Ortalamaların Brleşmes-Ayrılması Gösterges T= Tetk Çzgs (trgger) MACD (kesksz çzg) gösterges olarak alınmıştır. Tetk Çzgsn(keskl çzg) aşağıdan yukarı doğru kestğnde alım, yukarıdan aşağı doğru kestğnde satım yapılır. 2.4 Aroon Oslatörü ( Aroon Oscllator ) Aroon Oslatörü, Tushar Chande tarafından gelştrlmştr. Aroon, şafağın lk ışıkları anlamına gelen Sanskrtçe br kelmedr. Trend yapan pyasadan yatay pyasaya geçşte, senet fyatındak değşmler önceden anlamaya olanak verr. Gösterge k göstergeden oluşmaktadır. İlk, belrlenen peryottak en yakın en yüksek fyatın görülmesnden bu yana geçen peryot sayısını gösteren Yukarı Aroon (Aroon Up) gösterges; kncs se, belrlenen peryottak en yakın en düşük fyatın görülmesnden bu yana geçen peryot sayısını gösteren Aşağı Aroon (Aroon Down) göstergesdr. Aroon Oscllator ü se Aroon Up ve Aroon Down göstergelernn 5

9 arasında fark olarak tanımlanablecek tek br çzg şeklndedr. Aroon Up ve Aroon Down göstergeler 0 le +100 arasında dalgalanırken, Aroon Oscllator ü -100 le +100 arasında dalgalanmaktadır. AroonUp n max 100 n mn L AroonDown 100 n AroonOsc AroonUp AroonDown n H Burada, n=hesaplama çn seçlen gün sayısı max mn H L = En yüksek günç yüksek değern gerçekleştğ günden bugüne süre (2.4) =En düşük günç düşük değern gerçekleştğ günden bugüne geçen süre olarak alınmıştır. Aroon Up ve Aroon Down çzgler, üst üste beraber hareket edyorlarsa, yatay pyasaya şarettr. Aroon Up çzgs, Aroon Down çzgsn aşağıdan yukarı aşarak kestğnde alım ve yukardan aşağı kestğnde satım snyal vermektedr. 2.5 Fyat Oslatörü ( Prce Oscllator, PO ) Fyat Oslatörü (Prce Oscllator), hsse sened fyatının k hareketl ortalaması arasındak farkı gösterr. Hareketl ortalamalar arasındak fark rakamsal veya yüzdesel olarak belrtleblr. Fyat oslatörü hesaplanırken çeştl hareketl ortalamalar kullanılablr. Formülü aşağıdak gbdr: KHVO POSC İ İ n C 1 1 UVHO n KHVOİ UVHO UVHO n n C İ 100 (2.5) Burada POSC=Fyat Oslatörü dür. Fyat Oslatörü göstergesnn 0 sevyesnn üzerne çıkması alım, altına düşmes satım snyal olarak kullanılablr. 6

10 2.6 Bollnger Bantları (Bollnger Bands) John Bollnger tarafından gelştrlmştr. Fyatlar bu bandın çnde hareket etme eğlmnde olup bandın daralması gelecekte muhtemel br fyat değşmne şaret etmektedr. Fyatlardak aşağı veya yukarı hareketllk arttıkça bandın genşlğ artarken, yatay ve durgun fyat hareket dönemlernde band daralacaktır. Formülü aşağıdak gbdr: n 2 Cİ Yİ C 1 1 Yİ n n Üstband Y d Ortaband Y Altband Y d n (2.6) Burada, =Standart Sapma Y=Bast Hareketl Ortalama d= Standart Sapma Çarpanı olarak alınmıştır. Fyatlar üst banda değdğnde kısa vadel satım, alt banda değdğnde kısa vadel alım yapılablr. Orta bandı aşarak yükselşn sürdüren hsse senedn tutmaya devam etmek doğru br yoldur. Orta bandı kırarak düşüşünü sürdüren hsse senednden alım yapmak çn br süre daha beklenmeldr. 2.7 Chakn Para Akım Gösterges ( Chakn Money Flow, CMF ) Chakn Para Akım Gösterges, Chakn Toplama- Dağıtım Oslatör ü temel alır. Toplama- Dağıtım ı (Accumulaton- Dstrbuton ) açıklarsak, sırasıyla, eğer hsse senednn o günkü kapanış fyatı o günün orta noktasının [ ( en yüksek + en düşük ) /2 ] üzernde olursa, o gün toplanma günüdür. Tam ters, o günkü kapanış fyatı o günün orta noktasının altında olursa, o gün dağılım günüdür. Chakn Para Akım Gösterges (CMF), 21 günlük A/D değerlernn toplamının 21 günlük şlem mktarı toplamına bölünmesyle elde edlr. Formülü aşağıdak gbdr: 7

11 1 Cİ LİHİ Cİ H L 21 A 1 İ İ 21 Aİ Bİ V CMFİ B İ V İ (2.7) CMF gösterges 0 çzgsnn üzerne çıktığında alım, altına düştüğünde satım yapılır. 2.8 Chande Momentum Oslatörü (Chande Momentum Oscllator, CMO ) Chande Momentum Oslatörü ( CMO), Tushar Chande tarafından gelştrlmştr. saf momentum u elde etmey amaçlamaktadır. +50 sevyesnn üzer aşırı alım, -50 sevyesnn aşağısı aşırı satım bölgesdr. Formülü aşağıdak gbdr. C C eger C C 0 14 İ İ1 İ 1 CU İ CMU İ CU 0 eger Cİ C eger Cİ C 1 0 CDİ CMDİ CU Cİ Cİ 1 eger Cİ C 1 0 (2.8) 1 CMO İ Burada, CMU CMU İ İ CMD İ CMD İ 100 CU=Yükselen Günlern Değer; CD=Düşen Günlern Değer; CMU=Yükselen Günlern Kümülatf Toplamı; CMD=Düşen Günlern Kümülatf Toplamı CMO=Chande Momentum Oslatörü olarak alınmıştır. -50 sevyesnden alım, +50 sevyesnden satım yapılır. Gösterge 0 çzgsnn üzerne çıktığında kesn alım, altına düştüğünde de kesn satım yapılmalıdır. 2.9 Doğrusal Regresyon Gösterges ( Lnear Regresson Indcator ) 8

12 Doğrusal Regresyon Gösterges, belrlenen süre boyunca hsse sened fyat trendn temel alır. En küçük kareler yöntemn kullanarak doğrusal ( lneer ) regresyon trend çzgs hesaplanır. Örneğn 14 günlük çzlen Doğrusal Regresyon trend çzgsnn son gün aldığı değer, 14 günlük Doğrusal Regresyon Gösterges (Lnear Regresson Indcator) nn değerne eşttr. Fyatlar göstergenn üzerne çıktığında alım, altına düştüğünde satım yapılır Momentum Gösterges Momentum gösterges, belrl br süre çnde fyatların yüzdesel değşmn gösterr. Referans çzgs 100 dür. Momentum belrl br zaman aralığı çn sürekl fyat değşmlernn aldığı değerle ölçülür. Formülü aşağıdak gbdr: MOM İ C 100 n 12 C n (2.9) Burada MOM= Momentum Gösterges dr. 100 referans çzgsnn üzerne çıktığında alım, altına düştüğünde satım yapılmalıdır Fyat Değşm Oranı ( Prce Rate of Change, P-ROC ) Fyat Değşm Oranı (Prce Rate of Change, P-ROC) gösterges fyatların belrl br süreye göre yüzdesel olarak ne kadar arttığını veya azaldığını gösterr. Momentum ndkatörüne benzemektedr, şu farkla, P-ROC yüzdesel değşm gösterr. Formülü aşağıdak gbdr: PROC İ C C Cn n 100 (2.10) Burada PROC=Fyat Değşm Oranı dır. 0 sevyesnn üzerne çıktığı zaman alım, altına düştüğü zaman satım yapılır Görecel Momentum Endeks (Relatve momentum Index, RMI) Görecel Momentum Endeks, Roger Altman tarafından gelştrlmştr. Görecel Güç Endeks (Relatve Strength Index, RSI) ın br varyasyonudur. RSI gb kapanıştan kapanışa artan ve azalan günler hesaplayacağına, RMI kapanıştan x gün 9

13 öncek kapanışa göre artan ve azalan günler hesaplar. İndkatörün k parametres bulunmaktadır. Süre (Tme Perods) ve Momentum. Süres 14 ve momentumu 1 olan RMI, 14 günlük RSI a eşttr. Formülü aşağıdak gbdr: C Cx C C 1 0 C C Aİ Bİ 0 C C 1 Cİ C C C m 1 x 1 A B 1 1 D1 D2 m m 0, D2 0 RM RM D1 RMI 100, D2 0 1 RM D2 m (2.11) Burada RMI= Görecel Momentum Endeks dr Görecel Güç Endeks (Relatve Strength Index, RSI) Görecel Güç Endeks (Relatve Strength Index, RSI) gösterges, k farklı hsse senedn karşılaştırmaz, tek br hsse senednn çsel gücünü ölçmektedr. RSI, 0 le 100 aralığında değerler alan ve fyat takp eden br göstergedr. Welles Wlder tarafından gelştrlmştr. Wlder, 14 günlük RSI hesaplamasını önermektedr. Ayrıca 9 ve 25 günlük RSI larda kullanılmaktadır. Hesaplamada kullanılan peryot azaldıkça, ndkatördek değşkenlk artmaktadır. Genellkle 0 le 30 aralığında dp, 70 le 100 aralığında tepe yapmaktadır. Genel olarak RSI grafk oluşumlarını tanımlamakta yararlı olması yanı sıra hsse sened fyatının kısa dönem çn pahalı ya da ucuz olduğu sevyey belrlemekte kullanılır. Ayrıca klask grafk metot ve şekller le görülmes zor olan destek ve drenç sevyelern çok defa daha önce ve daha belrgn olarak gösterr. En popüler yatay pyasa (ant-trend) göstergelernden olup aşırı alım-aşırı satım bölgelernn tanımlanması, tepe ve dplern tahmn edlmesnde kullanılır. Formülü aşağıdak gbdr: 10

14 PD İ C C, C C 0, 0,, ND C C 1 C C 1 C C 1 n n PD ND OPD OND RSI 100 n n OPD 1 OND C C (2.12) Burada RSI=Görecel Güç Endeks dr Stokastk Momentum Endeks (Stochastc Momentum Index, SMI) Stokastk Momentum Endeks (Stochastc Momentum Index, SMI) Wllam Blau tarafından gelştrlmştr. Stokastk Oslatör, hsse sened kapanış fyatıyla belrlenen süre çndek fyat aralığını karşılaştırırken; SMI, hsse sened kapanış fyatıyla belrlenen süre çndek fyat aralığının orta noktasını karşılaştırmaktadır. SMI, -100 le +100 aralığında hareket etmektedr. Kapanış, fyat aralığının orta noktasından büyükse, SMI poztftr. En genş artı değer kapanış değer yükseklern en yükseğne eşt olduğunda gerçekleşr. Ters durumda, SMI negatftr. En genş düşük değer kapanış değer düşüklern en düşüğüne eşt olduğu zaman gerçekleşr. Formülü aşağıdak gbdr: HHV max H, H, H,... H 1 2 n LLV mn L, L, L,... L 1 2 n UZ C MP 1 1 A UZ A 1 B A B D HHV LLV E D E 1 F E F 1 F B 2 G SMI G n1 (2.13) Burada n=üssel hareketl ortalama çn seçlen gün sayısıdır Stokastk Oslatörü (Stochastc Oscllator, SO) Stokastk Oslatörü, hsse senednn kapanış fyatını belrlenen süre çndek fyat 11

15 aralığı le karşılaştırmaktadır. Stokastk Oslatörü k eğr le gösterlr. Kesksz br çzg olarak gösterlen ana eğr %K olarak adlandırılırken, noktalı çzglerle gösterlen %D eğrs, %K nın hareketl ortalamasıdır. Alım satım kararları k şeklde verleblr: -Oslatör, 20 sevyesnn altına düşüp sonra üzerne çıktığı zaman alım, 80 sevyesnn üzerne çıkıp sonra altına düştüğü zaman satım kararı verlr. -Km zaman gösterge 20 ve 80 sevyelerne ulaşmadan ters yönlere hareket edeblmektedr. Bu durumlarda %K eğrs, hareketl ortalaması olan %D eğrsn aşağıdan yukarı kestğ zaman alım, yukarıdan aşağı kestğ zaman da satım kararı verlr. İndkatörün snyal sevyesn yukarı veya aşağı kesmesne göre alım veya satım yapılableceğ gb, 80 nn üzernden aşağı döndüğünde satım ve 20 nn altından yukarı döndüğünde de alım yapılmalıdır. Formülü aşağıdak gbdr: HHV max H, H, H,... H 1 2 n LLV mn L, L, L,... L 1 2 n A C LLV B HHV LLV m SUM1 A SUM 2 B 1 1 SUM1 STO 100 % D SUM 2 k 1 m STO k (2.14) Burada STO Stokastk Oslatör dür Wlder ın Düzeltme Gösterges (Wlder s Smoothng, WS) Wlder ın Düzeltme gösterges, adından da anlaşılacağı üzere, Welles Wlder tarafından gelştrlmştr. Wlder, bu düzeltme ndkatörünü dğer çalışmalarının br parçası gb kullanmaktadır. İndkatör, temel olarak üssel (exponental) metoda benzeyen br hareketl ortalama tpdr çünkü serdek bütün tarh vernn gttkçe azalan daha küçük br yüzdesn muhafaza etmektedr. Kapanış fyatları ndkatörün üstüne çıktığı yerlerde alım snyal ve altına düştüğü yerlerde satım snyal üretmektedr. 12

16 2.17 Wllams ın %R Gösterges (Wllams %R) Wllams ın %R gösterges aşırı alım ve aşırı satım sevyelern ölçen br momentum göstergesdr. Larry Wllams tarafından gelştrlmştr. Stokastk Oslatör e benzemekle brlkte gösterge 0 le 100 arasında dalgalanır. 0 le 20 aralığında aşırı alım, 80 le 100 aralığında se aşırı satım sevyelerne ulaşılmış demektr. Formülü aşağıdak gbdr: HHV max H, H, H,... H 1 2 n LLV mn L, L, L,... L 1 2 n HHV C WIL% R 100 HHV LLV (2.15) Burada WIL%R=Wllams ın %R Göstergesdr. WIL%R gösterges -80 sevyesnn altından yukarı doğru döndüğünde alım, -20 sevyesnn üzernden aşağı doğru döndüğünde de satım yapılmalıdır Wllams ın Toplama Dağıtım Gösterges(Wllams Accumulaton/ Dstrbuton) Wllams ın Toplama Dağıtım gösterges br fyat göstergesdr. Wllams a göre eğer hsse sened yen br tepe yaptığında gösterge yen br tepe yapıp düşerse, satım yapılmalıdır. Eğer senet yen br dp yaptığında gösterge yen br dp yapıp yükselrse, alım yapılmalıdır. Formülü aşağıdak gbdr: TRH max C, H TRL mn C, L 1 1 C TRL, C C AD 0, C C C TRH, C C 1 1 WILADI 1 AD 1 (2.16) Burada WILADI= Wllams ın Toplama Dağıtım Gösterges dr Pyasa Kolaylık Endeks (Market Facltaton ndex, MFI) Pyasa Kolaylık Endeks (Market Facltaton Index), Dr. Bll Wllams tarafından gelştrlmştr. Fyat hareket ve şlem hacmn brleştren br yöntemdr. Günlük şlem aralığının şlem hacmne bölünmesyle elde edlr. İşlem hacm başına fyat 13

17 hareket ölçerek fyat hareketnn etknlğn gösterr. Formülü aşağıdak gbdr: 1 eger MF MF H L MF MF 0 eger MF MF 1 V 1 eger MF MF 1 1 (2.17) Burada MFI= Pyasa Kolaylık Endeks dr İzdüşüm Oslatörü (Projecton Oscllator) İzdüşüm Oslatörü (Projecton Oscllator), yne Mel Wdner tarafından gelştrlmştr. Oslatör, 20 sevyesnn altına düşüp sonra bu sevyenn üstüne çıktığı zaman alım, 80 sevyesnn üstüne çıkıp sonra bu sevyenn altına düştüğü zaman satım yapılmalıdır. Yüksek değerler ( 80 n üstü) aşırı ymserlğ, düşük değerler ( 20 nn altı) aşırı kötümserlğ gösterr. Eğer pyasa trend yapmıyorsa, bu ndkatör aşırı alım ve aşırı satım gösterges olarak y sonuçlar verecektr. Eğer pyasa trend yapıyorsa, oslatör trendn yönünde şlemler yapmak çn kullanılablr Günç Momentum Endeks (Intraday Momentum Index, IMI ) Günç Momentum Endeks (Intraday Momentum Index, IMI), Tushar Chande tarafından gelştrlmştr. Görecel Güç Endeks (Relatve Strength Index, RSI) le mum grafkler analznn karışımıdır. IMI nın hesaplaması, RSI a benzemekle brlkte, burada günlük açılış fyatlarıyla kapanış fyatları arasındak lşk kullanılarak günün yükselş m yoksa düşüş mü yaptığı tanımlanır. Eğer kapanış, açılışın üstündeyse yükselş; altındaysa düşüş söz konusudur. Formülü aşağıdak gbdr: 0 n C O eger C O D1 SUM1 D1 0 eger C O eger C 0 n O D2 SUM2 D2 C O eger C O 0 1 (2.18) IMI SUM1 SUM1 SUM

18 2.22 Q-STICK Gösterges (Qstck Indcator) Q-Stck Gösterges, Tushar Chande tarafından gelştrlmştr. Q-Stck Gösterges, açılış ve kapanış fyatları arasındak farkın hareketl ortalamasıdır. Fyatlar ortalamanın üzerne çıktığında alım, altına düştüğünde satım yapılmalıdır. Formülü aşağıdak gbdr: QSTICK n 1 C n O (2.19) Burada QSTICK Q-Stck Göstergesdr. Göstergenn snyal sevyesn yukarı veya aşağı kesmesne göre alım veya satım yapılableceğ gb, +50 nn üzernden aşağı döndüğünde satım ve -50 nn altından yukarı döndüğünde de alım yapılablr. 15

19 3. VERİ MADENCİLİĞİ Günümüzde kullanılan ver tabanı yönetm sstemler eldek verlerden sınırlı çıkarımlar yaparken geleneksel çevrmç şlem sstemler (on-lne transacton processng systems) de blgye hızlı, güvenl erşm sağlamaktadır. Fakat ks de eldek verlerden analzler yapıp anlamlı blgler elde etme mkanını sağlamakta yetersz kalmışlardır. Verlern yığınla artması ve anlamlı çıkarımlar elde etme htyacı arttıkça uzmanlar Knowledge Dscovery n Databases (KDD) adı altında çalışmalarına hız kazandırmışlardır. Bu çalışmalar sonucunda da ver madenclğ (Data Mnng) kavramı doğmuştur. Ver madenclğnn temel amacı, çok büyük ver tabanlarındak ya da ver ambarlarındak verler arasında bulunan lşkler, örüntüler, değşklkler, sapma ve eğlmler, belrl yapılar gb blglern matematksel teorler ve blgsayar algortmaları kombnasyonları le ortaya çıkartılması ve bunların yorumlanarak değerl blglern elde edlmesdr. 3.1 Tanım İlşksel ver tabanı sstemleryle ulaşılan verler tek başına br anlam fade etmezken ver madenclğ teknolojs bu verlerden anlamlı blg üretlmede öncü rol oynamaktadır. Aşağıda bazı ver madenclğ tanımlarına yer verlmektedr. 1. Ver madenclğ; vertabanında blg keşf (KDD), eldek verlerden önceden blnmeyen fakat potansyel olarak yararlı olablecek blgler çıkarmaktır. Bu kümeleme, ver özetlemes, öğrenme sınıflama kuralları, değşklklern analz ve sapmaların tespt gb brçok farklı teknk bakış açısını çne alır. [2]. 2. Ver madenclğ, otomatk veya yarı otomatk çözüm araçları (tools) le büyük ölçeklerdek vernn anlamlı yapılar ve kurallar keşfetmek üzere araştırılması (exploraton) ve analz edlmesdr. [3]. 16

20 3. Ver madenclğ çok büyük tabanları çndek verler arasındak bağlantılar ve örüntüler araştırarak, gzl kalmış yararlı olablecek verlerden değerl blgnn çıkarılması sürecdr. [4]. 4. Ver Madenclğ, büyük ver ambarlarından daha önceden blnmeyen, doğru ve eyleme geçrleblr blgy ayrıştırma ve çok öneml kararların alınması aşamasında ayrıştırılan bu blgy kullanma sürecdr. [5]. Yukarıdak tanımları toplayıp ver madenclğ kavramına ek br tanım daha getrleblr. Ver madenclğ; matematksel yöntemler yardımıyla, brken ver yığınları çersnde bulunan dataların brbrleryle lşksn ortaya çıkartmak çn yapılan analz ve kurulan modeller sonucunda elde edlecek blg keşf sürecdr. Ver madenclğnn, dsplnler arası br teknoloj olarak dört ana başlıktan oluştuğu kabul edlmektedr. Bunlar sınıflama, kategor etme, tahmn etme ve görüntülemedr. Bu dört temel dışında statstk, makne blgs, vertabanları ve yüksek performanslı şlem gb temeller de çerr. 3.2 Tarhsel Gelşm Ver madenclğnn kavram olarak oluşması 1960 lı yıllara kadar dayanmaktadır. Bu dönemlerde ver taraması (data dredgng), ver yakalanması (data fshng) gb smler verlmş ve blgsayar yardımıyla gerekl sorgulama (query) yapıldığında stenlen blgnn elde edlebleceğ düşünülmüştür. Fakat 1990 lar geleneksel statstksel yöntemlernn yerne algortmk blgsayar modüller le ver analznn gerçekleştrlebleceğnn kabul edldğ yıllar olmuştur. Ver madenclğnn tarhsel sürec Tablo1.1 de gösterlmştr [6]. 17

21 Tablo 3.1: Ver madenclğnn tarhsel gelşm 3.3 Kullanım Alanları Tarhsel süreç, gelşen teknoloj le ver madenclğnn şlevlğn etkn br şeklde sürdürdüğünü göstermektedr. Verler çok hızlı br şeklde toplanablmekte, depolanablmekte, şleneblmekte ve blg olarak kurumların hzmetne sunulablmektedr. Günümüzde blgye hızlı erşm, frmaların sürekl yen stratejler gelştrp etkl kararlar almalarını sağlayablmektedr. Bu süreçte araştırmacılar, büyük hacml ve dağınık ver setler üzernde frmalara gerekl blg keşfn daha hızlı gerçekleştreblmeler çn ver madenclğ üzerne çalışmalar yapmışlardır. Tüm bu çalışmalar doğrultusunda ver madenclğ günümüzde yaygın br kullanım alanı bulmuştur. Kısaca ver madenclğnn kullanılableceğ alanlar aşağıdak gbdr. Perakende/ Pazarlama Bankacılık Sağlık hzmetler ve sgortacılık Tıp Ulaştırma 18

22 Eğtm Ekonom Güvenlk Elektronk tcaret 3.4 Ver Madenclğ Modeller IBM tarafından ver şleme operasyonları çn k çeşt model tanımlanmıştır Doğrulama model Doğrulama model kullanıcıdan br hpotez alarak testler yapar ve bu hpotezn geçerllğn araştırır Keşf model Sstem bu modelde öneml blgler gzl verden otomatk olarak elde eder. Ver başka hçbr aracıya htyaç duymadan yaygın olarak kullanılan modeller, genelleştrmeler le ayıklanır. 3.5 Ver Madenclğ Uygulamaları İçn Temel Adımlar Ver madenclğ uygulamalarında sırasıyla takp edlmes gereken temel aşamalar aşağıda sstematk bçmde verlmştr Uygulama alanının ortaya konulması Bu lk adımda ver madenclğnn hang alan ve hang amaç çn yapılacağı tespt edlr Hedef ver grubu seçm Belrlenen amaç doğrultusunda bazı krterler belrlenr. Bu krterler çerçevesnde aynı veya farklı vertabanlarından verler toplanarak hedef (target) ver grubu elde edlr. 19

23 3.5.3 Model seçm Ver madenclğ problemnn seçm datalar üzernden belrlenr. (Sınıflandırma, Kümeleme, Brlktelk Kuralları, Şablonların ve İlşklern Yorumlanması v.b.) Ön şleme Bu aşamada seçlen verler ayıklanarak slnr, eksk ver alanları üzerne stratejler gelştrlr. Verler tekrardan düzenlenp tutarlı br hale getrlr. Bu aşamada yapılan şlem data temzleme ve data brleştrme olarak blnen uyumlandırma şlemdr. Ver brleştrme (bütünleştrme), farklı ver tabanlarından ya da kaynaklarından elde edlen verlern brlkte değerlendrmeye alınablmes çn farklı türdek verlern tek türe dönüştürüleblmes demektr Ver ndrgeme Çözümleme şlem ver madenclğ uygulamalarında uzun süreblmektedr. İşlem yapılırken eksk ya da uygun olmayan verlern oluşturduğu tutarsız verlerle karşılaşılablr. Bu gb durumlarda vernn söz konusu sorunlardan arındırılması gerekmektedr. Çözümlemeden elde edlecek sonuçta br değşklk olmuyorsa ver sayısı ya da değşkenlern sayısında azaltmaya gdlr. Ver ndrgeme çeştl bçmlerde yapılablr. Very ndrrken bu verler çok boyutlu ver küpler bçmne dönüştürmek söz konusu olablr. Böylece çözümler sadece belrlenen boyutlara göre yapılır. Verler arasında seçme şlem yapılarak da ver tabanından verler slnp boyut azaltılması yapılır Ver dönüştürme Verler drekt ver madenclğ çözümlerne katmak çoğu zaman uygun olmayablr. Değşkenlern ortalama ve varyansları brbrlernden çok farklıysa büyük ortalama ve varyansa sahp değşkenlern dğer değşkenler üzerndek etks daha fazla olur. Bu nedenle br dönüşüm yöntem uygulanarak değşkenlern normalleştrlmes ya da standartlaşması uygun yoldur. 20

24 3.5.7 Algortmanın belrlenmes Bu aşamada ndrgenmş verye ve kullanılacak modele hang algortmanın uygulanacağına karar verlr. Mümkünse bu algortmanın seçmne uygun ver madenclğ yazılımı seçlr değlse oluşturulan algortmaya uygun programlar yazılır Yorumlama ve doğrulama Uygulama sonucunda elde edlen verler üzerne yorumlama yapılır, bu yorumların test verler üzernden doğrulanması hedeflenr. Doğruluğu onaylanan bu yorumlar gzl blgye ulaşıldığını göstermektedr. Elde edlen bu blgler çoğu kez grafklerle desteklenr. 3.6 Temel Ver Madenclğ Problemler ve Çözüm Yöntemler Ver madenclğ uygulaması gerektren problemlerde, farklı ver madenclğ algortmaları le çözüme ulaşılmaktadır. Ver madenclğ görevler k başlık altında toplanmaktadır. - Eldek vernn genel özellklernn belrlenmesdr. - Kestrmc/Tahmn edc ver madenclğ görevler, ulaşılablr ver üzernde tahmnler aracılığıyla çıkarımlar elde etmek olarak tanımlanmıştır. Ver madenclğ algortmaları aşağıda açıklanmaktadır Karakterze etme (Characterzaton) Ver karakterzasyonu hedef sınıfındak verlern seçlmes, bu verlern genel özellklerne göre karakterstk kuralların oluşturulması olayıdır. Örnek: Perakende sektöründe faalyet gösteren, uluslararası ABC şrketnn bnlerce kurumsal müşters olsun. ABC şrketnn pazarlama brmnde, büyük kurumsal müşterlere yönelk kampanyalar çn her yıl düzenl olarak bu şrketten 10 mlyon TL ve üstü alım yapan kurumsal müşterler hedeflenmektedr. Vertabanından hedef grup belrlenerek genelleme yapılır ve genel kurallar oluşturulur. 21

25 3.6.2 Ayrımlaştırma (Dscrmnaton) Belrlenen hedef sınıfa karşıt olan sınıf elemanlarının özellkler arasında karşılaştırma yapılmasını sağlayan algortmadır. Karakterze etme metodundan farkı mukayese yöntemn kullanmasıdır. Örnek: ABC kurumsal müşterlernden her yıl 10 mlyon TL ve üstü alışverş yapan fakat ger ödeme konusunda rskl olan müşter grubunun belrlenmes Sınıflandırma (Classfcaton) Sınıflandırma, ver tabanlarındak gzl örüntüler ortaya çıkarablmek çn ver madenclğ uygulamalarında sıkça kullanılan br yöntemdr. Verlern sınıflandırılması çn belrl br süreç zlenr. Öncelkle var olan vertabanının br kısmı eğtm amaçlı kullanılarak sınıflandırma kurallarının oluşturulması sağlanır. Bu kurallar kullanılarak verler sınıflandırılır. Bu verler sınıflandırıldıktan sonra eklenecek verler bu sınıflardan karakterstk olarak uygun olan kısma atanır. Sınıflandırma problemler çn Oracle Data Mner (ODM) ın uyumlu olduğu çözüm yöntemler Navé Bayes (NB), Karar Destek Vektörler (SVM), Karar Ağaçları ve Adaptve Bayes Network(ABN) dr. Örnek: XYZ şrket müşterlernn alım durumlarını göz önünde bulundurarak, alım gücüne göre Yüksek, Orta, Düşük şeklnde sınıflandırır. Müşterlernn rsk durumlarını sınıflandırmak çn de Rsksz, Rskl, Çok Rskl şeklnde etketlerle sınıflandırılablr Tahmn etme (Predcton) Kayıt altında tutulan geçmş verlern analz sonucu elde edlen blgler gelecekte karşılaşılacak aynı tarz br durum çn tahmn ntelğ taşıyacaktır. Örneğn ABC şrket geçen yılın satışlarını bölge bazlı sınıflandırmış ve bu sene çn br trend analz yaparak her bölgede oluşacak taleb tahmn etmştr. Bu tür problemler çn ODM nn kullandığı regresyon analz yöntem SVM dr Brlktelk kuralları (Assocaton rules) Brlktelk kuralları gerek brbrn zleyen gerekse de eş zamanlı durumlarda araştırma yaparak, bu durumlar arasındak lşklern tanımlanmasında kullanılır. Bu modeln yaygın olarak Market Sepet Analz uygulamalarında kullanıldığı 22

26 blnmektedr. Örneğn br süpermarkette X ürününden alan müşterlern büyük br kısmı Y ürününden de almıştır. Brlktelk kuralı le bu durum ortaya çıkarılarak, süpermarketn X ve Y ürününü aynı veya yakın raflara koyması sağlanır. ODM bu problem sınıfı çn de Brlktelk Kuralları modeln kullanmaktadır Kümeleme (Clusterng) Yapı olarak sınıflandırmaya benzeyen kümeleme metodunda brbrne benzeyen ver grupları aynı tarafta toplanarak kümelenmes sağlanır. Sınıflandırma metodunda sınıfların kuralları, sınırları ve çerçeves bell ve datalar bu krterlere göre sınıflara atanırken kümeleme metodunda sınıflar arası br yapı mevcut olup, benzer özellkte olan verlerle yen gruplar oluşturmak asıl hedeftr. Verlern kend aralarındak benzerlklernn göz önüne alınarak gruplandırılması yöntemn pek çok alanda uygulanablmesn sağlamıştır. Örneğn, pazarlama araştırmalarında, desen tanımlama, resm şleme ve uzaysal harta verlernn analznde kullanılmaktadır. Tüm bu uygulama alanlarında kullanılması, ODM nn destekledğ K-means ve O-Cluster kümeleme yöntemler le mümkün kılınmıştır Aykırı değer analz (Outler analyss) İstsnalar veya sürprz olarak tespt edlen aykırı verler, br sınıf veya kümelemeye tab tutulamayan ver tplerdr. Aykırı değerler bazı uygulamalarda atılması gereken değerler olarak düşünülürken bazı durumlarda se çok öneml blgler olarak değerlendrleblmektedr. Örneğn markette müşterlern hep aynı ürünü ade etmes bu metodun araştırma konusu çne grer. ODM; temzleme, eksk değer, aykırı değer analz gb brçok yöntem ver hazırlama aşaması çne almakta ve desteklemektedr Zaman serler (Tme seres) Yapılan ver madenclğ uygulamalarında kullanılan verler çoğunlukla statk değldr ve zamana bağlı olarak değşmektedr. Bu metot le br veya daha fazla ntelğn belrl br zaman aralığında, eğlmndek değşm ve sapma durumlarını nceler. Belrlenen zaman aralığında ölçüleblr ve tahmn edlen/beklenen değerler karşılaştırmalı olarak nceler ve sapmaları tespt eder. 23

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

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

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

1. KEYNESÇİ PARA TALEBİ TEORİSİ

1. KEYNESÇİ PARA TALEBİ TEORİSİ DERS NOTU 07 KEYNESÇİ PARA TALEBİ TEORİSİ, LM EĞRİSİ VE PARA TALEBİ FAİZ ESNEKLİĞİ Bugünk dersn çerğ: 1. KEYNESÇİ PARA TALEBİ TEORİSİ... 1 1.1 İŞLEMLER (MUAMELELER) TALEBİ... 2 1.2 ÖNLEM (İHTİYAT) TALEBİ...

Detaylı

Metin Madenciliği ile Soru Cevaplama Sistemi

Metin Madenciliği ile Soru Cevaplama Sistemi Metn Madenclğ le Soru Cevaplama Sstem Sevnç İlhan 1, Nevchan Duru 2, Şenol Karagöz 3, Merve Sağır 4 1 Mühendslk Fakültes Blgsayar Mühendslğ Bölümü Kocael Ünverstes slhan@kocael.edu.tr, nduru@kocael.edu.tr,

Detaylı

Basel II Geçiş Süreci Sıkça Sorulan Sorular

Basel II Geçiş Süreci Sıkça Sorulan Sorular Basel II Geçş Sürec Sıkça Sorulan Sorular Soru No: 71 Cevaplanma Tarh: 06.03.2012 İlgl Hüküm: --- Konu: Gayrmenkul İpoteğyle Temnatlandırılmış Alacaklar İçn KR510AS Formunun Doldurulmasına İlşkn Örnek

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

Calculating the Index of Refraction of Air

Calculating the Index of Refraction of Air Ankara Unversty Faculty o Engneerng Optcs Lab IV Sprng 2009 Calculatng the Index o Reracton o Ar Lab Group: 1 Teoman Soygül Snan Tarakçı Seval Cbcel Muhammed Karakaya March 3, 2009 Havanın Kırılma Đndsnn

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

Fumonic 3 radio net kablosuz duman dedektörü. Kiracılar ve mülk sahipleri için bilgi

Fumonic 3 radio net kablosuz duman dedektörü. Kiracılar ve mülk sahipleri için bilgi Fumonc 3 rado net kablosuz duman dedektörü Kracılar ve mülk sahpler çn blg Tebrk ederz! Darenze akıllı fumonc 3 rado net duman dedektörler monte edlmştr. Bu şeklde ev sahbnz yasal donanım yükümlülüğünü

Detaylı

TEKLİF MEKTUBU SAĞLIK BAKANLIĞI_. '.. m

TEKLİF MEKTUBU SAĞLIK BAKANLIĞI_. '.. m SAĞLIK BAKANLIĞI TC Kayıt No: 133709 TURKIYE KAMU HASTANELERI KURUMU ı TRABZON ILI KAMU HASTANELERI BIRLIGI GENEL SEKRETERLIGI Kanun Eğtm Araştırma Hastanes TEKLİF MEKTUBU Sayı : 23618724 12.10.2015 Konu

Detaylı

Kİ-KARE VE KOLMOGOROV SMİRNOV UYGUNLUK TESTLERİNİN SİMULASYON İLE ELDE EDİLEN VERİLER ÜZERİNDE KARŞILAŞTIRILMASI

Kİ-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

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

Öğretim planındaki AKTS TASARIM STÜDYOSU IV 214058100001312 2 4 0 4 9

Öğretim planındaki AKTS TASARIM STÜDYOSU IV 214058100001312 2 4 0 4 9 Ders Kodu Teork Uygulama Lab. Ulusal Kred Öğretm planındak AKTS TASARIM STÜDYOSU IV 214058100001312 2 4 0 4 9 Ön Koşullar : Grafk İletşm I ve II, Tasarım Stüdyosu I, II, III derslern almış ve başarmış

Detaylı

DOĞRUSAL HEDEF PROGRAMLAMA İLE BÜTÇELEME. Hazırlayan: Ozan Kocadağlı Danışman: Prof. Dr. Nalan Cinemre

DOĞRUSAL HEDEF PROGRAMLAMA İLE BÜTÇELEME. Hazırlayan: Ozan Kocadağlı Danışman: Prof. Dr. Nalan Cinemre 1 DOĞRUSAL HEDEF PROGRAMLAMA İLE BÜTÇELEME Hazırlayan: Ozan Kocadağlı Danışman: Prof. Dr. Nalan Cnemre 2 BİRİNCİ BÖLÜM HEDEF PROGRAMLAMA 1.1 Grş Karar problemler amaç sayısına göre tek amaçlı ve çok amaçlı

Detaylı

ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ

ÇUKUROVA 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

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

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

MESLEK SEÇİMİ PROBLEMİNDE ÇOK ÖZELLİKLİ KARAR VERME VE ÇÖZÜME YÖNELİK GELİŞTİRİLEN BİREYSEL KARİYER PLANLAMA PROGRAMI

MESLEK SEÇİMİ PROBLEMİNDE ÇOK ÖZELLİKLİ KARAR VERME VE ÇÖZÜME YÖNELİK GELİŞTİRİLEN BİREYSEL KARİYER PLANLAMA PROGRAMI MESLEK SEÇİMİ PROBLEMİNDE ÇOK ÖZELLİKLİ KARAR VERME VE ÇÖZÜME YÖNELİK GELİŞTİRİLEN BİREYSEL KARİYER PLANLAMA PROGRAMI Fath ÇİL GAZİ ÜNİVERSİTESİ Mühendslk Mmarlık Fakültes Endüstr Mühendslğ Bölümü 4. Sınıf

Detaylı

ANE - AEGON EMEKLİLİK VE HAYAT A.Ş.DENGELİ EYF

ANE - AEGON EMEKLİLİK VE HAYAT A.Ş.DENGELİ EYF AEGON EMEKLİLİK VE HAYAT A.Ş. DENGELİ EMEKLİLİK YATIRIM FONU FON KURULU ÜÇÜNCÜ 3 AYLIK FAALİYET RAPORU Bu rapor AEGON Emekllk ve Hayat A.Ş Dengel Emekllk Yatırım Fonu nun 01.07.2011 30.09.2011 dönemne

Detaylı

OLASILIK. Bölüm 4. Temel Tanımlar ve Kavramlar-I. Olasılık

OLASILIK. Bölüm 4. Temel Tanımlar ve Kavramlar-I. Olasılık ölüm 4 Olasılık OLSILIK opulasyon hakkında blg sahb olmak amacı le alınan örneklerden elde edlen blgler bre br doğru olmayıp heps mutlaka br hata payı taşımaktadır. u hata payının ortaya çıkmasının sebeb

Detaylı

YÖNETİM VE EKONOMİ Yıl:2006 Cilt:13 Sayı:1 Celal Bayar Üniversitesi İ.İ.B.F. MANİSA

YÖNETİM VE EKONOMİ Yıl:2006 Cilt:13 Sayı:1 Celal Bayar Üniversitesi İ.İ.B.F. MANİSA YÖNETİM VE EKONOMİ Yıl:2006 Clt:3 Sayı: Celal Bayar Ünverstes İ.İ.B.F. MANİSA Bulanık Araç Rotalama Problemlerne Br Model Öners ve Br Uygulama Doç. Dr. İbrahm GÜNGÖR Süleyman Demrel Ünverstes, İ.İ.B.F.,

Detaylı

Bulanık Mantık ile Hesaplanan Geoid Yüksekliğine Nokta Yüksekliklerinin Etkisi

Bulanık Mantık ile Hesaplanan Geoid Yüksekliğine Nokta Yüksekliklerinin Etkisi Harta Teknolojler Elektronk Dergs Clt: 5, No: 1, 2013 (61-67) Electronc Journal of Map Technologes Vol: 5, No: 1, 2013 (61-67) TEKNOLOJİK ARAŞTIRMALAR www.teknolojkarastrmalar.com e-issn: 1309-3983 Makale

Detaylı

MADEN DEĞERLENDİRME. Ders Notları

MADEN DEĞERLENDİRME. Ders Notları MADEN DEĞERLENDİRME Ders Notları Doç.Dr. Kaan ERARSLAN 008 ĐÇĐNDEKĐLER. GĐRĐŞ... 3. REZERV SINIFLARI VE HESAPLAMALARI... 4. Görünür rezervler...4.. Muhtemel Rezervler...6.3 Mümkün Rezervler...7.4 Belrl

Detaylı

Muhasebe ve Finansman Dergisi

Muhasebe ve Finansman Dergisi Muhasebe ve Fnansman Dergs Ocak/2012 Farklı Muhasebe Düzenlemelerne Göre Hazırlanan Mal Tablolardan Elde Edlen Fnansal Oranlar İle Şrketlern Hsse Sened Getrler Ve Pyasa Değerler Arasındak İlşk Ahmet BÜYÜKŞALVARCI

Detaylı

Toplam Eşdeğer Deprem Yükünün Hesabı Bakımından 1975 Deprem Yönetmeliği İle 2006 Deprem Yönetmeliğinin Karşılaştırılması

Toplam Eşdeğer Deprem Yükünün Hesabı Bakımından 1975 Deprem Yönetmeliği İle 2006 Deprem Yönetmeliğinin Karşılaştırılması Fırat Ünv. Fen ve Müh. Bl. ergs Scence and Eng. J of Fırat Unv. 19 (2, 133-138, 2007 19 (2, 133-138, 2007 Toplam Eşdeğer eprem Yükünün Hesabı Bakımından 1975 eprem Yönetmelğ İle 2006 eprem Yönetmelğnn

Detaylı

TRAFİK İŞARETLERİNİN HOUGH DÖNÜŞÜMÜ VE DVM KULLANILARAK SINIFLANDIRILMASI TRAFFIC SIGN CLASSIFICATION USING HOUGH TRANSFORM AND SVM

TRAFİK İŞARETLERİNİN HOUGH DÖNÜŞÜMÜ VE DVM KULLANILARAK SINIFLANDIRILMASI TRAFFIC SIGN CLASSIFICATION USING HOUGH TRANSFORM AND SVM TRAFİK İŞARETLERİNİN HOUGH DÖNÜŞÜMÜ VE DVM KULLANILARAK SINIFLANDIRILMASI TRAFFIC SIGN CLASSIFICATION USING HOUGH TRANSFORM AND SVM Emrah ONAT SDT - Space & Defence Technologes A.Ş. emrahonat@yahoo.com

Detaylı

QKUIAN. SAĞLIK BAKANLIĞI_ KAMU HASTANELERİ KURUMU Trabzon Ili Kamu Hastaneleri Birliği Genel Sekreterliği Kanuni Eğitim ve Araştırma Hastanesi

QKUIAN. SAĞLIK BAKANLIĞI_ KAMU HASTANELERİ KURUMU Trabzon Ili Kamu Hastaneleri Birliği Genel Sekreterliği Kanuni Eğitim ve Araştırma Hastanesi V tsttşfaktör T.C. SAĞLIK BAKANLIĞI KAMU HASTANELERİ KURUMU Trabzon Il Kamu Hastaneler Brlğ Genel Sekreterlğ Kanun Eğtm ve Araştırma Hastanes Sayı ı 23618724/?ı C.. Y** 08/10/2015 Konu : Yaklaşık Malyet

Detaylı

TRANSPORT PROBLEMI için GELIsTIRILMIs VAM YÖNTEMI

TRANSPORT 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

Detaylı

AĞIR BİR NAKLİYE UÇAĞINA AİT BİR YAPISAL BİLEŞENİN TASARIMI VE ANALİZİ

AĞIR BİR NAKLİYE UÇAĞINA AİT BİR YAPISAL BİLEŞENİN TASARIMI VE ANALİZİ III. ULUSAL HAVACILIK VE UZAY KONFERANSI 16-18 Eylül 2010, ANADOLU ÜNİVERSİTESİ, Eskşehr AĞIR BİR NAKLİYE UÇAĞINA AİT BİR YAPISAL BİLEŞENİN TASARIMI VE ANALİZİ Davut ÇIKRIKCI * Yavuz YAMAN Murat SORGUÇ

Detaylı

YAYILI YÜK İLE YÜKLENMİŞ YAPI KİRİŞLERİNDE GÖÇME YÜKÜ HESABI. Perihan (Karakulak) EFE

YAYILI YÜK İLE YÜKLENMİŞ YAPI KİRİŞLERİNDE GÖÇME YÜKÜ HESABI. Perihan (Karakulak) EFE BAÜ Fen Bl. Enst. Dergs (6).8. YAYII YÜK İE YÜKENİŞ YAPI KİRİŞERİNDE GÖÇE YÜKÜ HESABI Perhan (Karakulak) EFE Balıkesr Ünverstes ühendslk marlık Fakültes İnşaat üh. Bölümü Balıkesr, TÜRKİYE ÖZET Yapılar

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

ANE-AEGON EMEKLİLİK VE HAYAT A.Ş.DENGELİ EYF

ANE-AEGON EMEKLİLİK VE HAYAT A.Ş.DENGELİ EYF AEGON EMEKLĐLĐK VE HAYAT A.Ş. DENGELĐ EMEKLĐLĐK YATIRIM FONU FON KURULU ÜÇÜNCÜ 3 AYLIK FAALĐYET RAPORU Bu rapor Aegon Emekllk ve Hayat A.Ş Dengel Emekllk Yatırım Fonu nun 01.07.2009 30.09.2009 dönemne

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

İl Özel İdareleri ve Belediyelerde Uygulanan Program Bütçe Sistemi ve Getirdiği Yenilikler

İl Özel İdareleri ve Belediyelerde Uygulanan Program Bütçe Sistemi ve Getirdiği Yenilikler İl Özel İdareler ve Beledyelerde Uygulanan Program Bütçe Sstem ve Getrdğ Yenlkler Hayrettn Güngör Mehmet Deınrtaş İlk 2 Mayıs 1990 gün ve 20506 sayılı, kncs 19 Şubat 1994 gün ve 2 ı 854 sayılı Resm Gazete'de

Detaylı

KIRIKKALE ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ ENDÜSTRİ MÜHENDİSLİĞİ ÇOK KRİTERLİ KARAR VERME YÖNTEMLERİNDEN AHP VE TOPSIS İLE KAMP YERİ SEÇİMİ

KIRIKKALE ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ ENDÜSTRİ MÜHENDİSLİĞİ ÇOK KRİTERLİ KARAR VERME YÖNTEMLERİNDEN AHP VE TOPSIS İLE KAMP YERİ SEÇİMİ KIRIKKALE ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ ENDÜSTRİ MÜHENDİSLİĞİ ÇOK KRİTERLİ KARAR VERME YÖNTEMLERİNDEN AHP VE TOPSIS İLE KAMP YERİ SEÇİMİ Burak KARAHAN Burak PEKEL Neşet BEDİR Cavt CAN Kırıkkale -2014-

Detaylı

TEMEL DEVRE KAVRAMLARI VE KANUNLARI

TEMEL DEVRE KAVRAMLARI VE KANUNLARI TDK Temel Devre Kavramları ve Kanunları /0 TEMEL DEVRE KAVRAMLARI VE KANUNLARI GĐRĐŞ: Devre analz gerçek hayatta var olan fzksel elemanların matematksel olarak modellenerek gerçekte olması gereken sonuçların

Detaylı

Tek Yönlü Varyans Analizi

Tek 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

Detaylı

TÜRKİYE CUMHURİYETİ ÇUKUROVA ÜNİVERSİTESİ SOSYAL BİLİMLER ENSTİTÜSÜ EKONOMETRİ ANABİLİM DALI OYUN KURAMININ EKONOMİDE UYGULANMASI

TÜRKİYE CUMHURİYETİ ÇUKUROVA ÜNİVERSİTESİ SOSYAL BİLİMLER ENSTİTÜSÜ EKONOMETRİ ANABİLİM DALI OYUN KURAMININ EKONOMİDE UYGULANMASI TÜRKİYE CUMHURİYETİ ÇUKUROVA ÜNİVERSİTESİ SOSYAL BİLİMLER ENSTİTÜSÜ EKONOMETRİ ANABİLİM DALI OYUN KURAMININ EKONOMİDE UYGULANMASI Hall İbrahm KESKİN YÜKSEK LİSANS TEZİ ADANA 009 TÜRKİYE CUMHURİYETİ ÇUKUROVA

Detaylı

ARAŞTIRMA MAKALESİ/RESEARCH ARTICLE TEK ÇARPIMSAL SİNİR HÜCRELİ YAPAY SİNİR AĞI MODELİNİN EĞİTİMİ İÇİN ABC VE BP YÖNTEMLERİNİN KARŞILAŞTIRILMASI ÖZ

ARAŞTIRMA 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,

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

ALTERNATİF AKIM DEVRE YÖNTEM VE TEOREMLER İLE ÇÖZÜMÜ

ALTERNATİF AKIM DEVRE YÖNTEM VE TEOREMLER İLE ÇÖZÜMÜ BÖLÜM 6 ALTERNATİF AKIM DEVRE ÖNTEM VE TEOREMLER İLE ÇÖZÜMÜ 6. ÇEVRE AKIMLAR ÖNTEMİ 6. SÜPERPOZİSON TEOREMİ 6. DÜĞÜM GERİLİMLER ÖNTEMİ 6.4 THEVENİN TEOREMİ 6.5 NORTON TEOREMİ Tpak GİRİŞ Alternatf akımın

Detaylı

MOBİPA MOBİLYA TEKSTİL İNŞAAT NAKLİYE PETROL ÜRÜNLERİ. SÜPERMARKET VE TuRİzM SANAYİ VE TİcARET ANONİM ŞİRKETİ

MOBİPA MOBİLYA TEKSTİL İNŞAAT NAKLİYE PETROL ÜRÜNLERİ. SÜPERMARKET VE TuRİzM SANAYİ VE TİcARET ANONİM ŞİRKETİ MOBİPA MOBİLYA TEKSTİL İNŞAAT NAKLİYE PETROL ÜRÜNLERİ SÜPERMARKET VE TuRİzM SANAYİ VE TİcARET ANONİM ŞİRKETİ 2011-2012-2013 MALİ yılına İLİşKİN YÖNETİM KURULU FAALİYET RAPORU ("Şrket") 01012011-31 ı22013

Detaylı

TEKNOLOJĐK ARAŞTIRMALAR

TEKNOLOJĐK ARAŞTIRMALAR www.teknolojkarastrmalar.com ISSN:134-4141 Makne Teknolojler Elektronk Dergs 28 (1) 61-68 TEKNOLOJĐK ARAŞTIRMALAR Kısa Makale Tabakalı Br Dskn Termal Gerlme Analz Hasan ÇALLIOĞLU 1, Şükrü KARAKAYA 2 1

Detaylı

TÜKETİCİ TATMİNİ VERİLERİNİN ANALİZİ: YAPAY SİNİR AĞLARI ve REGRESYON ANALİZİ KARŞILAŞTIRMASI

TÜKETİCİ TATMİNİ VERİLERİNİN ANALİZİ: YAPAY SİNİR AĞLARI ve REGRESYON ANALİZİ KARŞILAŞTIRMASI 1 TÜKETİCİ TATMİNİ VERİLERİNİN ANALİZİ: YAPAY SİNİR AĞLARI ve REGRESYON ANALİZİ KARŞILAŞTIRMASI Metehan TOLON Nuray GÜNERİ TOSUNOĞLU Özet Tüketc tatmn araştırmaları özelde pazarlama yönetclernn, genelde

Detaylı

PÜRÜZLÜ AÇIK KANAL AKIMLARINDA DEBİ HESABI İÇİN ENTROPY YÖNTEMİNİN KULLANILMASI

PÜRÜZLÜ AÇIK KANAL AKIMLARINDA DEBİ HESABI İÇİN ENTROPY YÖNTEMİNİN KULLANILMASI PÜRÜZLÜ AÇIK KANAL AKIMLARINDA DEBİ HESABI İÇİN ENTROPY YÖNTEMİNİN KULLANILMASI Mehmet ARDIÇLIOĞLU *, Galp Seçkn ** ve Özgür Öztürk * * Ercyes Ünverstes, Mühendslk Fakültes, İnşaat Mühendslğ Bölümü Kayser

Detaylı

ÇOK BĐLEŞENLĐ DAMITMA KOLONU TASARIMI PROF. DR. SÜLEYMAN KARACAN

ÇOK BĐLEŞENLĐ DAMITMA KOLONU TASARIMI PROF. DR. SÜLEYMAN KARACAN ÇOK BĐLEŞENLĐ DAMITMA KOLONU TASARIMI PROF. DR. SÜLEYMAN KARACAN 1 DAMITMA KOLONU Kmya ve buna bağlı endüstrlerde en çok kullanılan ayırma proses dstlasyondur. Uygulama alanı antk çağda yapılan alkol rektfkasyonundan

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

BÖLÜM II D. YENİ YIĞMA BİNALARIN TASARIM, DEĞERLENDİRME VE GÜÇLENDİRME ÖRNEKLERİ ÖRNEK 20 İKİ KATLI YIĞMA KONUT BİNASININ TASARIMI

BÖLÜM II D. YENİ YIĞMA BİNALARIN TASARIM, DEĞERLENDİRME VE GÜÇLENDİRME ÖRNEKLERİ ÖRNEK 20 İKİ KATLI YIĞMA KONUT BİNASININ TASARIMI BÖLÜM II D ÖRNEK 0 BÖLÜM II D. YENİ YIĞMA BİNALARIN TASARIM, DEĞERLENDİRME VE GÜÇLENDİRME ÖRNEKLERİ ÖRNEK 0 İKİ KATLI YIĞMA KONUT BİNASININ TASARIMI 0.1. BİNANIN GENEL ÖZELLİKLERİ...II.0/ 0.. TAŞIYICI

Detaylı

2. STEGANOGRAFİ 1. GİRİŞ

2. STEGANOGRAFİ 1. GİRİŞ 1. GİRİŞ Bu çalışmada, steganograf sstemnn FPGA üzernde tasarımı ve gerçeklenmes sağlanmıştır. Esk Yunancada gzlenmş yazı anlamına gelen steganograf, blgnn görünürlüğünü gzleme blmne verlen smdr. Günümüzde

Detaylı

Biyomedikal Amaçlı Basınç Ölçüm Cihazı Tasarımı

Biyomedikal Amaçlı Basınç Ölçüm Cihazı Tasarımı Byomedkal Amaçlı Basınç Ölçüm Chazı Tasarımı Barış Çoruh 1 Onur Koçak 2 Arf Koçoğlu 3 İ. Cengz Koçum 4 1 Ayra Medkal Yatırımlar Ltd. Şt, Ankara 2,4 Byomedkal Mühendslğ Bölümü, Başkent Ünverstes, Ankara,

Detaylı

KENTSEL ALANDA ET TALEP ANALİZİ: BATI AKDENİZ BÖLGESİ ÖRNEĞİ. Dr. Ali Rıza AKTAŞ 1 Dr. Selim Adem HATIRLI 2

KENTSEL 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

Detaylı

FARKLI REGRESYON YÖNTEMLERİ İLE BETA KATSAYISI ANALİZİ

FARKLI REGRESYON YÖNTEMLERİ İLE BETA KATSAYISI ANALİZİ FARKLI REGRESYON YÖNTEMLERİ İLE BETA KATSAYISI ANALİZİ M.Ensar YEŞİLYURT (*) Flz YEŞİLYURT (**) Özet: Özellkle uzak verlere sahp ver setlernn analz edlmesnde en küçük kareler tahmnclernn kullanılması sapmalı

Detaylı

OLİGOPOLLER VE OYUN KURAMI 2

OLİGOPOLLER VE OYUN KURAMI 2 OLİGOPOLLER VE OYUN KURAMI. OLİGOPOL OYUN KURALLARI. OLİGOPOL OYUN STRATEJİLERİ 3. OLİGOPOL OYUNUNDA SKORLAR 3 4. MAHKUMLAR ÇIKMAZI 3 5. BİR DUOPOL OYUNU 6 5.. MALİYET VE TALEP KOŞULLARI 6 5.. KAR MAKSİMİZASYONU

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

04.10.2012 SU İHTİYAÇLARININ BELİRLENMESİ. Suİhtiyacı. Proje Süresi. Birim Su Sarfiyatı. Proje Süresi Sonundaki Nüfus

04.10.2012 SU İHTİYAÇLARININ BELİRLENMESİ. Suİhtiyacı. Proje Süresi. Birim Su Sarfiyatı. Proje Süresi Sonundaki Nüfus SU İHTİYAÇLARII BELİRLEMESİ Suİhtyacı Proje Süres Brm Su Sarfyatı Proje Süres Sonundak üfus Su ayrım çzs İsale Hattı Su Tasfye Tess Terf Merkez, Pompa İstasyonu Baraj Gölü (Hazne) Kaptaj Su Alma Yapısı

Detaylı

Laser Distancer LD 420. Kullanma kılavuzu

Laser Distancer LD 420. Kullanma kılavuzu Laser Dstancer LD 40 tr Kullanma kılavuzu İçndekler Chazın Kurulumu - - - - - - - - - - - - - - - - - - - - - - - Grş - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - Genel bakış

Detaylı

PROJE PLANLAMASINDA BULANIK HEDEF PROGRAMLAMA YAKLAŞIMI. Müh. Ramadan VATANSEVER

PROJE PLANLAMASINDA BULANIK HEDEF PROGRAMLAMA YAKLAŞIMI. Müh. Ramadan VATANSEVER İSTANBUL TEKNİK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ PROJE PLANLAMASINDA BULANIK HEDEF PROGRAMLAMA YAKLAŞIMI YÜKSEK LİSANS TEZİ Müh. Ramadan VATANSEVER Anablm Dalı: İşletme Mühendslğ Programı: İşletme

Detaylı

Dersin Yürütülmesi Hakkında. (Örgün / Yüz Yüze Eğitim için) (Harmanlanmış Eğitim için) (Uzaktan Eğitim için)

Dersin Yürütülmesi Hakkında. (Örgün / Yüz Yüze Eğitim için) (Harmanlanmış Eğitim için) (Uzaktan Eğitim için) Ders Kodu Teork Uygulama Lab. Uluslararası Muhasebe ve Fnansal Raporlama Standartları Ulusal Kred Öğretm planındak AKTS 344000000000510 3 0 0 3 6 Ön Koşullar : Bu dersn ön koşulu ya da yan koşulu bulunmamaktadır.

Detaylı

TEKNOLOJĐK ARAŞTIRMALAR

TEKNOLOJĐK ARAŞTIRMALAR www.teknolojkarastrmalar.com ISSN:305-63X Yapı Teknolojler Elektronk Dergs 008 () - TEKNOLOJĐK ARAŞTIRMALAR Makale Başlığın Boru Hattı Etrafındak Akıma Etks Ahmet Alper ÖNER Aksaray Ünverstes, Mühendslk

Detaylı

İstanbul Ünverstes İşletme Fakültes Dergs Istanbul Unversty Journal of the School of Busness Admnstraton Clt/Vol:39, Sayı/No:2,, 310-334 ISSN: 1303-1732 www.fdergs.org Stokastk envanter model kullanılarak

Detaylı

TEKNOLOJİK ARAŞTIRMALAR

TEKNOLOJİK ARAŞTIRMALAR wwwteknolojkarastrmalarcom ISSN:1304-4141 Makne eknolojler Elektronk Dergs 00 (4 1-14 EKNOLOJİK ARAŞIRMALAR Makale Klask Eş Eksenl (Merkezl İç İçe Borulu Isı Değştrcsnde Isı ransfer ve Basınç Kaybının

Detaylı

Standart Model (SM) Lagrange Yoğunluğu. u, d, c, s, t, b. e,, Şimdilik nötrinoları kütlesiz Kabul edeceğiz. Kuark çiftlerini gösterelim.

Standart Model (SM) Lagrange Yoğunluğu. u, d, c, s, t, b. e,, Şimdilik nötrinoları kütlesiz Kabul edeceğiz. Kuark çiftlerini gösterelim. SM de yer alacak fermyonlar Standart Model (SM) agrange Yoğunluğu u s t d c b u, d, c, s, t, b e e e,, Şmdlk nötrnoları kütlesz Kabul edeceğz. Kuark çftlern gösterelm. u, c ve t y u (=1,,) olarak gösterelm.

Detaylı

ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ BULANIK HEDONİK REGRESYON. Gökalp Kadri YENTÜR İSTATİSTİK ANABİLİM DALI ANKARA 2011

ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ BULANIK HEDONİK REGRESYON. Gökalp Kadri YENTÜR İSTATİSTİK ANABİLİM DALI ANKARA 2011 ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ BULANIK HEDONİK REGRESYON Gökalp Kadr YENTÜR İSTATİSTİK ANABİLİM DALI ANKARA 011 Her hakkı saklıdır ÖZET Yüksek Lsans Tez BULANIK HEDONİK

Detaylı

Finansal Riskten Korunma Muhasebesinde Etkinliğin Ölçülmesi

Finansal Riskten Korunma Muhasebesinde Etkinliğin Ölçülmesi Fnansal Rskten Korunma Muhasebesnde Etknlğn Ölçülmes Dr. Fahreddn OKUDAN * Fath Ünverstes, İİBF. Özet Bu makalenn amacı, etknlk test yöntemlernn ncelenmesdr. TMS 39, rskten korunma muhasebes uygulanablmes

Detaylı

Aerodinamik Akışların Modellenmesinde Döngülü Olan ve Olmayan 7 Yaklaşımın Uygulanması

Aerodinamik Akışların Modellenmesinde Döngülü Olan ve Olmayan 7 Yaklaşımın Uygulanması Aerodnamk Akışların Modellenmesnde Döngülü Olan ve Olmayan 7 Yaklaşımın Uygulanması Mehmet Önder Efe, Marco Debas, Peng Yan, Htay Özbay 4, Mohammad Sammy 5 Elektrk ve Elektronk Mühendslğ Bölümü TOBB Ekonom

Detaylı

Veride etiket bilgisi yok Denetimsiz öğrenme (unsupervised learning) Neden gereklidir?

Veride etiket bilgisi yok Denetimsiz öğrenme (unsupervised learning) Neden gereklidir? MEH535 Örünü Tanıma 7. Kümeleme (Cluserng) Doç.Dr. M. Kemal GÜLLÜ Elekronk ve Haberleşme Mühendslğ Bölümü web: hp://akademkpersonel.kocael.edu.r/kemalg/ E-posa: kemalg@kocael.edu.r Verde eke blgs yok Denemsz

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

TEİAŞ Türkiye Elektrik İletim Anonim Şirketi. İletim Sistemi Sistem Kullanım ve Sistem İşletim Tarifelerini Hesaplama ve Uygulama Yöntem Bildirimi

TEİAŞ Türkiye Elektrik İletim Anonim Şirketi. İletim Sistemi Sistem Kullanım ve Sistem İşletim Tarifelerini Hesaplama ve Uygulama Yöntem Bildirimi İletm Sstem Sstem Kullanım ve Sstem İşletm Tarfelern Hesaplama ve Uygulama Yöntem Bldrm EK-1 TEİAŞ Türkye Elektrk İletm Anonm Şrket İletm Sstem Sstem Kullanım ve Sstem İşletm Tarfelern Hesaplama ve Uygulama

Detaylı

K-Ortalamalar Yöntemi ile Yıllık Yağışların Sınıflandırılması ve Homojen Bölgelerin Belirlenmesi *

K-Ortalamalar Yöntemi ile Yıllık Yağışların Sınıflandırılması ve Homojen Bölgelerin Belirlenmesi * İMO Teknk Derg, 2012 6037-6050, Yazı 383 K-Ortalamalar Yöntem le Yıllık Yağışların Sınıflandırılması ve Homojen Bölgelern Belrlenmes * Mahmut FIAT* Fath DİKBAŞ** Abdullah Cem KOÇ*** Mahmud GÜGÖ**** ÖZ

Detaylı

OLASILIK KURAMI. Temel Tanımlar ve Kavramlar-III. Temel Tanımlar ve Kavramlar-II. Temel Tanımlar ve Kavramlar-I OLASILIK

OLASILIK KURAMI. Temel Tanımlar ve Kavramlar-III. Temel Tanımlar ve Kavramlar-II. Temel Tanımlar ve Kavramlar-I OLASILIK Dr. Mehmet KSRYLI OLSILIK OLSILIK KURMI Dokuz Eylül Ünverstes Ekonometr Böl. www.mehmetaksarayl.com Populasyon hakkında blg sahb olmak amacı le alınan örneklerden elde edlen blgler bre br doğru olmayıp

Detaylı

HİSSE SENETLERİNİN BEKLENEN GETİRİ VE RİSKLERİNİN TAHMİNİNDE ALTERNATİF MODELLER

HİSSE 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

Detaylı

TEKNOLOJİ BAĞIMLI YAŞAMIN MATEMATİKSEL DESENLERİ-I

TEKNOLOJİ BAĞIMLI YAŞAMIN MATEMATİKSEL DESENLERİ-I TEKNOLOJİ BAĞIMLI YAŞAMIN MATEMATİKSEL DESENLERİ-I Fevz ÜNLÜ *, Esra DALAN YILDIRIM **,Şule AYAR *** ÖZET: Evren her an nano-önces, nano, mkro, normal, makro ve makro-ötes gözler le gözlemlermze açıktır.

Detaylı

YER ÖLÇÜLERİ. Yer ölçüleri, verilerin merkezini veya yığılma noktasını belirleyen istatistiklerdir.

YER ÖLÇÜLERİ. Yer ölçüleri, verilerin merkezini veya yığılma noktasını belirleyen istatistiklerdir. YER ÖLÇÜLERİ Yer ölçüler, verler merkez veya yığılma oktasıı belrleye statstklerdr. Grafkler bze verler yığılma oktaları hakkıda ö blg vermede yardımcı olurlar. Acak bu değerler gerçek değerler değldr,

Detaylı

PRODUCTION PLANNING BASED ON GOAL PROGRAMMING FOR MASS CUSTOMIZATION IN A COMPANY

PRODUCTION PLANNING BASED ON GOAL PROGRAMMING FOR MASS CUSTOMIZATION IN A COMPANY BİR İŞLETMEDE KİTLESEL ÖZEL ÜRETİME YÖNELİK HEDEF PROGRAMLAMA TABANLI ÜRETİM PLANLAMA PRODUCTION PLANNING BASED ON GOAL PROGRAMMING FOR MASS CUSTOMIZATION IN A COMPANY ESRA AKBAL Başkent Ünverstes Lsansüstü

Detaylı

Resmi Gazetenin 29.12.2012 tarih ve 28512 sayılı ile yayınlanmıştır. TEİAŞ Türkiye Elektrik İletim Anonim Şirketi

Resmi Gazetenin 29.12.2012 tarih ve 28512 sayılı ile yayınlanmıştır. TEİAŞ Türkiye Elektrik İletim Anonim Şirketi İletm Sstem Sstem Kullanım ve Sstem İşletm Tarfelern Hesaplama ve Uygulama Yöntem Bldrm Resm Gazetenn 29.12.2012 tarh ve 28512 sayılı le yayınlanmıştır. TEİAŞ Türkye Elektrk İletm Anonm Şrket Bu Doküman

Detaylı

BOYUT ÖLÇÜMÜ VE ANALİZİ

BOYUT ÖLÇÜMÜ VE ANALİZİ BOYUT ÖLÇÜMÜ VE ANALİZİ.AMAÇ Br csmn uzunluğu, sıcaklığı, ağırlığı veya reng gb çeştl fzksel özellklernn belrlenme şlemler ancak ölçme teknğ le mümkündür. Br ürünün stenlen özellklere sahp olup olmadığı

Detaylı

BEYKENT ÜNİVERSİTESİ - DERS İZLENCESİ - Sürüm 2. Öğretim planındaki AKTS 581058202101319 2 1 0 3 5

BEYKENT ÜNİVERSİTESİ - DERS İZLENCESİ - Sürüm 2. Öğretim planındaki AKTS 581058202101319 2 1 0 3 5 BEYKENT ÜNİVERSİTESİ - DERS İZLENCESİ - Sürüm 2 Ders Kodu Teork Uygulama Lab. YAPI ARAŞTIRMASI VE DOKÜMANTASYON Ulusal Kred Öğretm planındak AKTS 581058202101319 2 1 0 3 5 Ön Koşullar : Önerlen Dersler

Detaylı

Konular. VERİ MADENCİLİĞİ Temel Sınıflandırma Yöntemleri. Sınıflandırma. Sınıflandırma. Konular. Gözetimli & Gözetimsiz Sınıflandırma

Konular. VERİ MADENCİLİĞİ Temel Sınıflandırma Yöntemleri. Sınıflandırma. Sınıflandırma. Konular. Gözetimli & Gözetimsiz Sınıflandırma Konular VERİ MADENCİLİĞİ Temel Sınıflandırma Yöntemler Yrd. Doç. Dr. Şule Gündüz Öğüdücü www.cs.tu.edu.tr/~gunduz/courses/vermaden/ Sınıflandırma şlem Sınıflandırma yöntemler Yapay snr ağları Sınıflandırma

Detaylı

EK-1 01 OCAK 2014 TARİHLİ VE 28869 SATILI RESMİ GAZETEDE YAYINLANMIŞTIR.

EK-1 01 OCAK 2014 TARİHLİ VE 28869 SATILI RESMİ GAZETEDE YAYINLANMIŞTIR. EK-1 01 OCAK 2014 TARİHLİ VE 28869 SATL RESMİ GAETEDE YAYNLANMŞTR. Bu Doküman Hakkında TEİAŞ Türkye Elektrk İletm Anonm Şrket İletm Sstem Sstem Kullanım ve Sstem İşletm Tarfelern Hesaplama ve Uygulama

Detaylı

EMG İşaretlerinin K-Ortalama Algoritması Kullanılarak Öbekleştirilmesi. EMG Signal Analysis Using K-Means Clustering

EMG İşaretlerinin K-Ortalama Algoritması Kullanılarak Öbekleştirilmesi. EMG Signal Analysis Using K-Means Clustering KSÜ Mühendslk Blmler Dergs, (), 9 5 KSU Journal of Engneerng Scences, (), 9 EMG İşaretlernn K-Ortalama Algortması Kullanılarak Öbekleştrlmes Mücahd Günay, Ahmet ALKA, KSÜ Mühendslk-Mmarlık Fakültes Elektrk-Elektronk

Detaylı

PARAMETRİK OLMAYAN HİPOTEZ TESTLERİ. χ 2 Kİ- KARE TESTLERİ. Doç.Dr. Ali Kemal ŞEHİRLİOĞLU Araş.Gör. Efe SARIBAY

PARAMETRİK 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,

Detaylı

DEĞİŞKEN DÖVİZ KURLARI ORTAMINDA GLOBAL BİR ŞİRKETTEKİ ESNEKLİĞİN DEĞERİ VE OPTİMUM KULLANIMI

DEĞİŞKEN DÖVİZ KURLARI ORTAMINDA GLOBAL BİR ŞİRKETTEKİ ESNEKLİĞİN DEĞERİ VE OPTİMUM KULLANIMI DEĞİŞKEN DÖVİZ KURLARI ORTAMINDA GLOBAL BİR ŞİRKETTEKİ ESNEKLİĞİN DEĞERİ VE OPTİMUM KULLANIMI Mehmet Aktan Atatürk Ünverstes, Endüstr Mühendslğ Bölümü, 25240, Erzurum. Özet: Dövz kurlarındak değşmler,

Detaylı

Hasar sıklıkları için sıfır yığılmalı kesikli modeller

Hasar 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

Detaylı

ERGONOMİK KOŞULLAR ALTINDA MONTAJ HATTI DENGELEME

ERGONOMİK KOŞULLAR ALTINDA MONTAJ HATTI DENGELEME ERGONOMİK KOŞULLAR ALTINDA MONTAJ HATTI DENGELEME Pamukkale Ünverstes Fen Blmler Ensttüsü Yüksek Lsans Tez Endüstr Mühendslğ Anablm Dalı Elf ÖZGÖRMÜŞ Danışman: Yrd. Doç. Dr. Özcan MUTLU Ağustos, 2007 DENİZLİ

Detaylı

AEGON EMEKLİLİK VE HAYAT A.Ş. DENGELİ EMEKLİLİK YATIRIM FONU

AEGON EMEKLİLİK VE HAYAT A.Ş. DENGELİ EMEKLİLİK YATIRIM FONU AEGON EMEKLİLİK VE HAYAT A.Ş. DENGELİ EMEKLİLİK YATIRIM FONU FON KURULU ÜÇÜNCÜ 3 AYLIK FAALİYET RAPORU Bu rapor AEGON Emekllk ve Hayat A.Ş. Dengel Emekllk Yatırım Fonu nun 01.07.2012-30.09.2012 dönemne

Detaylı

TÜKETĠCĠLERĠN FĠYAT BĠLĠNCĠ ÜZERĠNDE ETKĠLĠ OLAN FAKTÖRLERE ĠLĠġKĠN BĠR ĠNCELEME

TÜKETĠCĠLERĠN 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

YARIPARAMETRİK KISMİ DOĞRUSAL PANEL VERİ MODELLERİYLE ULUSLAR ARASI GÖÇ

YARIPARAMETRİK 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

Detaylı

Communication Theory

Communication Theory Communcaton Theory ENFORMASYON TEORİSİ KODLAMA Doç. Dr. Hakan Doğan ENFORMASYON DEYİMİ NEDEN KULLANILMIŞ? Kaynaklarn, kanalların,alıcıların blg karakterstklern ncelemek. Blgnn letmn optmze etmek çn İletmn

Detaylı

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

Farklı 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

Detaylı

Atatürk Üniversitesi İktisadi ve İdari Bilimler Dergisi, Cilt: 25, Sayı: 1, 2011 225

Atatürk Üniversitesi İktisadi ve İdari Bilimler Dergisi, Cilt: 25, Sayı: 1, 2011 225 Atatürk Ünverstes İktsad ve İdar Blmler Dergs, Clt: 25, Sayı:, 20 225 FİNANSAL ANALİZDE KULLANILAN ORANLAR VE HİSSE SENEDİ GETİRİLERİ ARASINDAKİ İLİŞKİ: EKONOMİK KRİZ DÖNEMLERİ İÇİN İMKB İMALAT SANAYİ

Detaylı

Kısa Vadeli Sermaye Girişi Modellemesi: Türkiye Örneği

Kısa Vadeli Sermaye Girişi Modellemesi: Türkiye Örneği Dokuz Eylül Ünverstes İktsad ve İdar Blmler Fakültes Dergs, Clt:24, Sayı:1, Yıl:2009, ss.105-122. Kısa Vadel Sermaye Grş Modellemes: Türkye Örneğ Mehmet AKSARAYLI 1 Özhan TUNCAY 2 Alınma Tarh: 04-2008,

Detaylı

KAFES SİSTEMLERİN UYGULAMAYA YÖNELİK OPTİMUM TASARIMI

KAFES SİSTEMLERİN UYGULAMAYA YÖNELİK OPTİMUM TASARIMI PAMUKKALE ÜNİ VERSİ TESİ MÜHENDİ SLİ K FAKÜLTESİ PAMUKKALE UNIVERSITY ENGINEERING COLLEGE MÜHENDİ SLİ K BİLİMLERİ DERGİ S İ JOURNAL OF ENGINEERING SCIENCES YIL CİLT SAYI SAYFA : 1999 : 5 : 1 : 951-957

Detaylı

T. C. GÜMÜŞHANE ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ MAKİNE MÜHENDİSLİĞİ BÖLÜMÜ MAKİNE MÜHENDİSLİĞİ DENEYLER 1 ÇOKLU ISI DEĞİŞTİRİCİSİ DENEYİ

T. C. GÜMÜŞHANE ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ MAKİNE MÜHENDİSLİĞİ BÖLÜMÜ MAKİNE MÜHENDİSLİĞİ DENEYLER 1 ÇOKLU ISI DEĞİŞTİRİCİSİ DENEYİ T. C. GÜMÜŞHANE ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ MAKİNE MÜHENDİSLİĞİ BÖLÜMÜ MAKİNE MÜHENDİSLİĞİ DENEYLER ÇOKLU ISI DEĞİŞTİRİCİSİ DENEYİ ÖĞRENCİ NO: ADI SOYADI: DENEY SORUMLUSU: YRD. DOÇ. DR. BİROL ŞAHİN

Detaylı

TÜRKİYE DE YOKSULLUK PROFİLİ VE GELİR GRUPLARINA GÖRE GIDA TALEBİ

TÜRKİYE DE YOKSULLUK PROFİLİ VE GELİR GRUPLARINA GÖRE GIDA TALEBİ TÜRKİYE DE YOKSULLUK PROFİLİ VE GELİR GRUPLARINA GÖRE GIDA TALEBİ Yrd. Doç. Dr. Seda ŞENGÜL Çukurova Ünverstes İktsad Ve İdar Blmler Fakültes Ekonometr Bölümü Mart 2004 ANKARA YAYIN NO: 119 ISBN: 975-407-151-9

Detaylı

PORTFÖY OPTİMİZASYONU. Doç.Dr.Aydın ULUCAN

PORTFÖY OPTİMİZASYONU. Doç.Dr.Aydın ULUCAN PORTFÖY OPTİMİZASYOU Doç.Dr.Aydın ULUCA KARAR VERME Karar verme, ş dünyasının çalışmasını sağlayan temel unsurlardandır. Tüm yönetcler, bulundukları faalyet alanı ve kademelernden bağımsız olarak stratejk

Detaylı

İKİNCİ ÖĞRETİM KAMU TEZSİZ YÜKSEK LİSANS PROGRAMI

İKİNCİ ÖĞRETİM KAMU TEZSİZ YÜKSEK LİSANS PROGRAMI İKİNCİ ÖĞRETİM KAMU TEZSİZ YÜKSEK LİSANS PROGRAMI Anablm Dalı: Kamu PROGRAMIN TANIMI: Kamu Tezsz Yüksek Lsans Programı, kamu ve özel sektör sstem çersndek problemler ve htyaçları analz edeblecek, yorumlayacak,

Detaylı

ÇELİK UZAYSAL ÇERÇEVE YAPILARIN OPTİMUM TASARIMI

ÇELİK UZAYSAL ÇERÇEVE YAPILARIN OPTİMUM TASARIMI ÇELİK UZAYSAL ÇERÇEVE YAPILARIN OPTİMUM TASARIMI M. Sedat HAYALİOĞLU *, S. Özgür DEĞERTEKİN * * Dcle Ünverstes, Müh.-Mm. Fak., İnşaat Müh. Böl., Dyarbakır ÖZET Bu çalışmada çelk uzay çerçevelern, Amerkan

Detaylı

FARKLI VERİ YAPILARINDA KULLANILABİLECEK REGRESYON YÖNTEMLERİ

FARKLI 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

Detaylı

T.C. ULUDAĞ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ KONUŞMACI TANIMA YÖNTEMLERİNİN KARŞILAŞTIRMALI ANALİZİ. Cemal HANİLÇİ

T.C. ULUDAĞ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ KONUŞMACI TANIMA YÖNTEMLERİNİN KARŞILAŞTIRMALI ANALİZİ. Cemal HANİLÇİ T.C. ULUDAĞ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ KONUŞMACI TANIMA YÖNTEMLERİNİN KARŞILAŞTIRMALI ANALİZİ Cemal HANİLÇİ YÜKSEK LİSANS TEZİ ELEKTRONİK MÜHENDİSLİĞİ ANABİLİM DALI BURSA-2007 T.C. ULUDAĞ ÜNİVERSİTESİ

Detaylı