ÇİFTLİK HAYVANLARINDA MAJOR GENLERİN BELİRLENMESİ VE GENOTİP AYRIMI. Adnan Menderes Üniversitesi, Ziraat Fakültesi, Zootekni Bölümü, AYDIN

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "ÇİFTLİK HAYVANLARINDA MAJOR GENLERİN BELİRLENMESİ VE GENOTİP AYRIMI. Adnan Menderes Üniversitesi, Ziraat Fakültesi, Zootekni Bölümü, AYDIN"

Transkript

1 OMÜ Zr. Fak. Dergs, 006,():05-5 J. of Fac. of Agrc., OMU, 006,():05-5 ÇİFTLİK HAYVANLARINDA MAJOR GENLERİN BELİRLENMESİ VE GENOTİP AYRIMI İbrahm CEMAL Orhan KARACA Adnan Menderes Ünverstes, Zraat Fakültes, Zootekn Bölümü, AYDIN Gelş Tarh: ÖZET: B makalede, çftlk hayvanlarında major genlern belrlenmesne yönelk metotların detaylı br şeklde ortaya konması ve tartışılması amaçlanmıştır. Son zamanlarda statstk ve moleküler genetk alanında gerçekleşen gelşmeler çftlk hayvanlarının genetk ıslahında, büyük etkl kanttatf karakter lokslarından yararlanablme olanağını ortaya koymştr. Hayvan poplasyonlarında major genlern ortaya çıkartılması ve breylern major lokstak genotplernn belrlenmes çn çok bast (Major Gen İndeks, Bartlett Test, Skewness ve Krtoss Katsayıları gb) ve çok ayrıntılı statstk metotlar (segregasyon analz) ortaya konmştr. B bast metotlar, etkn olmamalarına karşın hesaplanmaları kolaydır ve b metotlar major gen varlığının ön belrleycs olarak sstematk br şeklde kllanılablr. Günümüzde, Segregasyon Analz en y major gen belrleme metod olarak göz önüne alınmaktadır. Genotplern belrlenmes çn moleküler genetk alanında brçok yglamaya grşlmştr. Yakın zamanlarda km genetk markörler le Booroola, Callpyge, Çft Kas, RN ve dğer major genler arasında bağlantı ortaya çıkartılmıştır. Major genler, çftlk hayvanlarında genetk değern hızlı br şeklde ıslahında büyük br potansyele sahptr. İstatstk metotlar major genlern belrlenmesnde ve genotp taynnde, genetk markör kllanımı gb moleküler genetk metotlar se çok daha doğr genotp taynnde kllanılablr. Anahtar Kelmeler: Major gen, belrleme, genotp tayn, çftlk hayvanları DETECTION AND GENOTYPING OF MAJOR GENES IN FARM ANIMALS ABSTRACT: The prpose of ths paper s to revew and dscss the methods of major gene detecton n farm anmals n detal. Recent developments n statstcs and moleclar genetcs have opened the possblty of explotng of qanttatve trat loc (QTL) wth large effects for the genetc mprovement of farm anmals. Many smple (Major Gene Index, Bartlatt Test, Skewness and Krtoss Coeffcents, etc) and more elaborate (eg. segregaton analyss) statstcal methods have been proposed for the detecton of major genes n anmal poplatons and for the determnaton of genotype of ndvdals at the major locs. These smple methods are not very robst bt easy to calclate, these methods cold be sed n a systematc way as frst ndcators of major gene segregaton. At ths tme, the segregaton analyss consdered as the best method for major gene detecton. Several approaches n moleclar genetcs area have been attempted to make the dentfcaton of genotypes. Recently lnkage between genetc markers and Booroola, Callpyge, Doble Msclng, RN and some of other major genes has been detected. In conclson, major genes have a great potental for the rapd mprovement of genetc mert n lvestock. The statstcal methods can be sed for major gene determnaton and genotype assgnment and the moleclar genetc methods sch as the se of genetc markers can be sed for more accrate genotype assgnment. Key Words: Major gene, determnaton, genotypng, farm anmals. GİRİŞ Kanttatf karakterlerde varyasyonn genetk temeln olştran genlern breysel etkler blnemedğ çn klask Mendel genetğ yöntemlern kllanarak b genler tek tek nceleyeblmek ş anda olası değldr. Genlern sayı ve breysel özellklerne lşkn blglern yoklğndan dolayı teork çalışmalar bazı varsayımlara dayanmaktadır. Temel varsayıma göre kanttatf br karakter, tüm lokslarda frekansları benzer, eklemel etkler ve domnans lşkler hemen hemen aynı olan çok sayıda gen etklemektedr (Roberts ve Smth, 98; Falconer ve Mackay, 996). Dğer br fadeyle, kanttatf karakterlern kalıtımı polgenk modele dayanmaktadır (Knghorn ve ark., 994). Breylere at genlern etkler drekt olarak gözlenemedğnden ncelenen karakterler genellkle kalıtım dereces gb özet statstk termler çnde tanımlanmaktadırlar. Breysel anlamda se genetk yapı veya ele alınan verm özellğ bakımından breyn sahp oldğ, ama özellkler blnmeyen, genlern bütününe lşkn blgler fenotpk performans ve pedgr blglernden tahmnlenmeye çalışılmaktadır (Montaldo ve Meza-Herrera, 998). Kanttatf karakterler et, süt, yapağı verm ölçütler gb ölçüme dayalı ve sürekllk gösterenler le sürekllk göstermeyen yan keskl olan döl verm ölçütler gb eşkl (threshold) karakterler olmak üzere k kısımdan olşmaktadır (Hoeschele, 988; Karaca ve ark., 99). Anılan b kanttatf karakterler, özellkle de eşkl karakterler, çevre etmenlernden çok daha yüksek derecede etklenmektedrler (Cemal ve ark, 996). Dolayısıyla genetk varyasyon genel varyasyon çnde ancak çok küçük değerler alarak tanımlanablmekte ve bna bağlı olarak damızlık seçmnde dyarlılık düşük düzeyde olmaktadır. Bnn sonc olarak, verm özellklernn ıslahında sağlanan yıllık genetk lerleme oranı ancak %-3 kadar olablmektedr (Smth, 985). Son yıllarda, ekonomk öneme sahp kanttatf karakterler üzerne, polgenlere laveten major genlern de (polgen + major gen) etk gösterdğ belrlenmştr. Dğer br fadeyle, karakter etkleyen çok sayıda gen (polgen) çersnde km genlern teksel etklernn belrgn derecede yüksek oldğ ortaya çıkmıştır. Major gen olarak adlandırılan büyük etkl kanttatf karakter loksları genelde br çft allel tarafından kontrol

2 Çftlk Hayvanlarında Major Genlern Belrlenmes ve Genotp Ayrımı edlmekte ve kalıtımları bast Mendel kalıtımına dayalı olmaktadır. Kalıtımları bast olmasına karşın, pratkte ortaya çıkartılıp kllanılmaları o derece kolay olmamaktadır (Smth, 985). Söz kons karakterlerde klask ıslah programlarıyla çok zn süreçler soncnda elde edleblecek genetk lerlemenn, major genlern devreye soklması le br veya brkaç generasyonda elde edlmes olasıdır. Bnn yanında major genlern gerye melezleme yglamalarıyla br ırktan dğer ırk veya soylara, arz edlmeyen özellkler transfer edlmeden, brkaç generasyonda kolayca aktarılablmes de büyük br avantaj sağlamaktadır. Aynı zamanda b genler, rekombnant gen transfer çn de en büyük aday konmndadırlar (Knghorn ve ark., 994; Cemal, 996; Karaca ve ark., 996). Özellkle son 0 yılda koyn, sığır, domz, keç ve tavkta başta döl ve et verm olmak üzere brçok ekonomk verm öneml ölçüde etkleyen major genler belrlenmştr. Koynlarda döl vermne etkl Booroola, Thoka, Inverdale ve Woodlands genler (Pper ve Bndon, 98; Jónmndsson ve ark., 99; Davs ve ark., 988; Davs ve ark., 00), koynlarda et vermne etkl Callpyge gen (Cockett ve ark., 993), sığırlarda et vermne etkl Çft Kas (Doble Msclng) gen (Hanset ve Mchax, 985a,b), domzlarda et verm ve kaltesne etkl Halothane Senstvty (Halothan gazına karşı hassasyet sağlayan) ve RN genler (Archbald ve Imlah, 985; Le Roy ve ark., 990), östrojen reseptör loks le lşkl ve batın genşlğ üzerne etkl br major gen (Rothschld ve ark., 996) ve tavklardak cücelk ve çıplak boyn genler (Merat, 990) bnlar arasında sayılablr. Ayrıca son yıllarda moleküler genetk alanında gerçekleşen büyük gelşmeler ve gen hartalarının çıkartılması yönündek çalışmalar kapsamında devreye gren genetk markörler le yapılan genom tarama ve gen bağlılığı çalışmalarıyla brçok kanttatf karakter loks (QTL=Qanttatve Trat Loc) ortaya çıkartılmıştır (Andersson ve ark., 994; Brascamp ve ark., 995; Mlan ve ark., 000; Rothschld ve ark., 996). Genetk markörlern devreye grmes varolan major gen belrleme yöntemlerne büyük güç katmıştır. Ancak b çalışmalar çn planlı melezlemelerle olştrlan büyük deneme poplasyonlarına ve DNA analzler çn gelşmş laboratar altyapısı le oldkça yüksek masraflara gereksnm dylması, b tür çalışmaların yaygınlaşablmes bakımından kısıtlayıcı olmaktadır. Major genler tarafından sağlanan verm artışından en üst düzeyde yararlanablmek çn öncelkle b genlern varlığının ve etk düzeylernn ortaya konması ve her br breyn söz kons lokstak genotpnn blnmes ve çftleşme planlarının bna göre yapılması gerekr (Cemal, 996). Çftlk hayvanlarında verm özellklerne etkl major genlern ortaya çıkartılması doğal olarak kanttatf teorye yen br boyt kazandırmıştır. B çerçevede, nsan, hayvan ve btklerde yer alan major genlern belrlenmes ve genotp ayrımları çn son dönemlerde km farklı statstk yöntemler ortaya konmştr (Elston ve Stewart, 97; Karln ve ark., 979; Kammerer ve ark., 984; Famla, 986; Hoeschele, 988; Le Roy, 989; Knott ve ark., 99; Le Roy ve Elsen, 99, 99; Szwaczkowsk, 993; Elsen ve Le Roy, 995). Daha etkl yöntemlern gelştrlmes yönünde çalışmalar se halen sürmektedr. B makalede major genlern belrlenmesne yönelk yöntemler lteratüre dayalı değerlendrlerek, dünyada büyük lg toplayan b konda, yapılacak araştırmalara ışık ttlması amaçlanmıştır. Öncelkle major genlern belrlenmesnde ve genotp ayrımlarında kllanılan statstk ve dğer yöntemler detaylı olarak ortaya konmş, daha sonra konnn ülkemz hayvan poplasyonları bakımından önem rdelenmştr.. MAJOR GEN BELİRLEME VE GENOTİP AYRIM YÖNTEMLERİ Major genlern belrlenmes amacıyla bgüne kadar brçok farklı yöntem önerlmş ve km yöntemler major gen etklern belrlemek amacıyla gerçek ver setlerne yglanmış, km yöntemlern se farklı major gen etkler bakımından güçler smülasyon çalışmaları le değerlendrlmştr. Brada, farklı major gen belrleme yöntemler ayrı ayrı başlıklar altında verlmştr... Normal dağılıştan sapmalar Kanttatf karakterlern polgenk kalıtımı, fenotpk değerlernn normal dağılımı le bağlantılıdır. Bna karşın major gen varlığı drmnda olşan genotp sınıflarının etksyle normal dağılıştan sapmalar olmaktadır. Ortalamalar arasındak farklara ve karışım nsrlarının oranlarına bağlı olarak fenotpk değerlern frekans dağılımları çok tepel (Çzelge ) veya bast eğr olarak sonçlanablr (Le Roy ve Elsen, 99; Szwaczkowsk, 993). Böylece major genlern açılımı hem eğrlğe (skewness) hem de dklğe (krtoss) neden olablmektedr. Ayrıca dklğn dereces gen sayısının tahmn edlmesnde kllanılablmektedr (Hll ve Knott, 990). Janss (996), etk düzey sırasıyla 4 ve 6 standart sapma olan domnant ve kodomnant etkl genlern varlığında, Falconer ve Mackay (996) se yaklaşık 3 standart sapmanın üzernde etkye sahp genlern varlığında çok tepel dağılışın gözleneceğn belrtmşlerdr. Bnnla brlkte, major gen belrlenmesnde yaygın olarak yglanan çok tepellk (mltmodalty) test blnmamaktadır. Ancak dağılış grafkler somt blgler ortaya koyablr. Hoeschele (988), yaptığı br çalışmada grafklere dayalı teknklern de major gen etklern belrlemek üzere kllanılableceğn ortaya koymştr. Le Roy ve ark. (990) ve Fernandez ve ark. (99) tarafından yapılan çalışmalarda, RN gennn açılım gösterdğ br domz poplasyonnda göz kası alanından alınan kas örneklernn glkoltk potansyel değerlernn dağılımının k tepel (bmodal) oldğ gözlenmştr. Genel olarak eğrlk (γ 3 ) ve dklk (γ 4 ) katsayıları, normal dağılıştan sapmaların ölçütü olarak kllanılmışlardır (Hanset ve Mchax, 985a). B parametrelern sıfıra eşt oldğnn 06

3 İ. Cemal, O. Karaca varsayıldığı H 0 hpoteznn red edlmes karaktern kalıtımında major gen varlığına şaret etmektedr. Ayrıca, Bowman ve Shenton (975) tarafından eğrlk ve dklk katsayılarının brlkte değerlendrlmesn kapsayan br test gelştrlmştr. Bnlar dışında, verlern normal dağılışa ymlarının belrlenmes çn Shapro-Wlk, Kolmogorov- Smrnov, Cramer-von Mses ve Anderson-Darlng normal dağılışa ym testler de kllanılmaktadır (SAS, 999). Ş ana kadar b testlern major gen belrleme güçler ortaya konmamış olmasına karşın eğrlk ve dklk katsayıları le Kolmogorov-Smrnov ve Shapro-Wlk testler major gen etks çeren verlere yglanmıştır (Hanset ve Mchax, 985a,b; Le Roy, 989). B yöntemler hçbr pedgr blgsne gereksnm göstermedklernden yglanmaları nspeten kolaydır. Bnnla brlkte, normal dağılıştan sapmaların tamamen polgen + major genden olşan karışık kalıtıma eşt olmadığı da br gerçektr. Km çevresel etmenlern normal dağılıştan ayrılışa sebep oldğ drmların major gen varlığı olarak değerlendrlmes hatalı sonçlar doğrablr. Bndan dolayı major loksların belrlenmesnde b testlern kllanılablrlğ sınırlı olmasına (Le Roy ve Elsen, 99) karşın dğer yöntemlere güç katablrler... Famlya ç dağılış heterojenlğ (Merat metod) Eğrlk ve dklk katsayılarının breysel pedgry çeren değerlendrmes Merat (968) tarafından yapılmıştır. B yöntem, famlyalarda br major gen en azından br heterozgot Aa ebeveyn le açılım gösterdğ zaman dklk katsayısının ( g ) negatf olacağı temel varsayımı le öz kardeş (veya üvey kardeş) grplarında dklğn heterojenlğ analzne dayanmaktadır. Dklk katsayısının asmptotk normaltes büyük famlya genşlğne htyaç gösterdğnden, Merat (968) yöntemn br modfkasyonn ortaya koymştr. B modfkasyon analz edlen tüm famlyaların, varyanslarının büyüklüğüne göre k grba ayrılmasını çermektedr. Ardından her k grp çn g 'nn negatflğne dar hpotez test ayrı ayrı yapılmaktadır. Le Roy ve Elsen (99), b modfkayon, zleyen formül le tanımlamışlardır: g g l h σg σ l g h brada: g l ve g h sırasıyla ortalama varyansın alt ve üstündek dağılış varyansına sahp famlyalara at dklk katsayılarını ve σ, g l σg h se standart sapmalarını fade etmektedr. Brada üzernde drlması gereken öneml br hss, famlya varyanslarına göre k grba bölme şlemnn oldkça keyf olarak yapılmasıdır. Yöntem kapsamında poplasyon özellğ hesaba katılmamakta ve böylece statstk soncn etknlğ ncelenen poplasyona bağlı olarak değşmektedr..3. Famlya ç varyans heterojenlğ Br major genn açılımı söz kons oldğnda, ebeveyn genotplerne bağlı olarak major gen bazı famlyalarda açılım gösterp bazılarında se açılım göstermeyeceğnden famlya ç varyans heterojenlğ drm ortaya çıkacaktır (Falconer ve Mackay, 996). B heterojenlğn düzey allel frekansına ve domnanslık derecesne bağlı olacaktır (Le Roy ve Elsen, 99). Brçok araştırıcı major genlern belrlenmes çn famlya ç varyans homojenlğ testlernn yglanablrlğne şaret etmşlerdr (Merat, 968; Hanset ve Mchax, 985b; Hll ve Knott, 990; Le Roy ve Elsen, 99). Çzelge. A ve a allelerne sahp br major genn açılım gösterdğ kanttatf br özellğn öz ve üvey kardeş famlyası ç dağılımları (Le Roy, 989) Ebeveyn genotpler Alenn frekansı a Ortalama b Varyans c Olası mod sayısı Öz-Kardeş Famlyası ç dağılım AA AA AA Aa AA aa Aa Aa Aa aa aa aa p 4 4p 3 q p q 4p q 4pq 3 q 4 µ (µ +µ )/ µ (µ +µ +µ 3 )/4 (µ +µ 3 )/ µ 3 σ σ +[(µ -µ )/] σ σ +[3(µ -µ 3 ) +4(µ -µ )(µ -µ 3 )]/6 σ +[(µ -µ 3 )/] Üvey-Kardeş Famlyası ç dağılım AA p pµ +qµ σ +pq(µ -µ ) Aa Aa pq q (pµ +µ +qµ 3 )/ pµ +qµ 3 σ +[p(µ -µ ) +pq(µ -µ 3 ) +q(µ -µ 3 ) ]/4 σ +pq(µ -µ 3 ) Hpotezler: Hardy-Wenberg denges; Genotp ç eşt varyans a p=-q: A allellnn frekansı b µ, µ ve µ 3 sırasıyla AA, Aa ve aa genotpl hayvanların ortalama değerler c σ =σ =σ 3 =σ; genotp ç varyanslar σ

4 Çftlk Hayvanlarında Major Genlern Belrlenmes ve Genotp Ayrımı B yaklaşıma göre, famlya ç varyans homojenlğ polgenk kalıtımı ve bna alternatf olarak famlya ç varyans heterojenlğ se karışık kalıtımı (Polgen + major gen) yan br major genn varlığını desteklemektedr. Grp ç varyansların br χ test olan Bartlett test km çalışmalarda yglanmıştır (Le Roy, 989; Le Roy ve Elsen, 99). Bnn dışında Levene, O Bren, Brown ve Forsythe ve Bartlett varyans homojenlğ testler de (SAS, 999) söz kons olmasına karşın ş ana kadar b testler major gen belrleme çerçevesnde değerlendrlmemştr. Km blnmeyen çevresel etklern de grp ç varyanslarda değşm yaratablmes olasıdır. Böyle drmlarda, varyans homojenlğ polgenk kalıtıma eşt olmayablr. Poplasyon ortalamasına benzer şeklde karakter ortalamasına sahp olan öz kardeşler çoğnlkla daha büyük varyans göstermektedrler. Bnnla beraber famlyalar başlıca homozgot breyler, örneğn AA veya aa, kapsadığı zaman öz kardeş grplarındak küçük varyans çoğnlkla ekstrem karakter ortalaması le kombne olmaktadır. Dolayısıyla b son drmda major br loksn belrlenmes çn varyans homojenlğ test elverşl br yöntem değldr (Szwaczkowsk, 993). Bartlett testnn blnen br ksr da dağılım normal olmadığı zaman etkn olmamasıdır (Le Roy ve Elsen, 99)..4. Famlya ç ortalama-varyans regresyon En azından br Aa ebeveyn le br major genn açılım gösterdğ famlyalar, ortalamaları büyük (poztf veya negatf) ve varyansları küçük olan AA AA veya aa aa ebeveynlern blndğ famlyalar le karşılaştırıldığında, orta düzeyde br ortalamaya ve büyük br varyansa sahp olrlar. Major genlern belrlenmes çn famlya ç ortalama (µ ) le varyans (σ ) arasında bükey doğr (crvlnear) br lşk test Fan tarafından önerlmştr (Le Roy, 989; Le Roy ve Elsen, 99). Bna lşkn model aşağıdak şekldedr. 3 Ε (logσ ) = α + βµ + β µ + β 3µ brada: logσ,. famlya varyansının logartması, α, regresyon sabt, µ,. famlyanın ortalaması, β, β, β 3, regresyon katsayılarıdır. B yöntem çoğnlkla nsan genetğne yönelk çalışmalarda kllanılmıştır. Bnnla brlkte, Le Roy ve Elsen (99) tarafından yapılan ncelemeler b yöntemn öz ve üvey kardeş famlyalarının her ks kllanılarak hayvan major lokslarının belrlenmesnde yglanablr oldğn ortaya koymştr..5. Ebeveyn-döl regresyon Belçka Beyaz ve Mav sığırlarında çft kaslılığı nceleyen Hanset ve Mchax (985b) br major genn varlığı drmnda yüksek br fenotpk değer gösteren döllern oranının baba veya ana fenotpnn keskl br fonksyon oldğn göstermşlerdr. B araştırıcılar baba veya ana fenotp üzerne çft kaslı bzağıların oranına lşkn regresyonn doğrsallığının test edlmesn önermşlerdr. Doğrsallıktan sapma polgenk nteraksyonların (örn., domnans ve epstas) ve bnlardan zyade major gen etksnn br sonc olarak zah edleblr (Szwaczkowsk, 993). Hanset ve Mchax (985b) n bldrdğne göre, R oranları arasındak toplam varyasyon (p ), (R-) serbestlk derecel br χ le ölçülmektedr. B oranların her br çn br skor (X ) oldğ kadar, X üzerne p nn ağırlıklı regresyon katsayısı hesaplanmaktadır. Doğrsal regresyon çn serbestlk derecel br χ elde edlmektedr. Ardından p nn X üzerne olan regresyonndan sapmaların test edlmes çn χ R- - χ farkı (R-) serbestlk derecel br χ y vermektedr..6. Km tanımlayıcı poplasyon parametrelerndek değşmler Poplasyonda br major gen k allel le açılım gösterdğnde genn etk bçmne bağlı olarak veya 3 fenotpe tekabül edecek şeklde veya 3 hayvan grb olşacaktır. B drmda toplam örnek üzernden hesaplanan tekrarlama dereces grplar arasındak sapmadan dolayı yapay olarak artacaktır, grp ç tekrarlama dereces se olağan düzeyde değer alacaktır. Böylece tekrarlama dereces çn her zamanknden yan olağan değerden daha büyük br değer gözlenmes, arzlanan allel düşük frekansta oldğ zaman ble, br major genn açılımını fade edeblr. Tekrarlama dereces major genlern belrlenmes çn güçlü br test statstğ olmasına rağmen tamamen etkn değldr. Herhang br blnmeyen çevresel etk br poplasyon alt grplara bölerek tekrarlama derecesnn artmasını sağlayablr. Böylece b parametre çn yüksek br değern gözlenmes karaktern tek genl kalıtımının br kanıtı olarak dkkate alınamaz, fakat tek gen kalıtımının br şaret olarak kllanılablr (Le Roy ve Elsen, 99). Tekrarlama derecesnde oldğ gb kalıtım dereces de br major gen açılım gösterdğ zaman öneml br artış göstermektedr. B sretle kalıtım dereces de major gen varlığının faydalı br ndkatörü olarak kllanılablr (Le Roy ve Elsen, 99). Ancak daha net yargıların ortaya konablmes çn major gen etklernn genetk parametrelerde yarattığı değşm düzeylernn tüm hatlarıyla blnmes gerekmektedr. Dğer taraftan, major gen varlığı drmnda anılan karakter çn hesaplanan varyasyon katsayısı da major gen etksnn büyüklüğüne bağlı olarak öneml artış göstermektedr. Merat (968), tarafından varyasyon katsayısı hesaplamaları çn aşağıdak formül verlmştr. p + q CV = k pq Brada: k, loks sayısını, p ve q (q=-p) se allel frekanslarını fade etmektedr. 08

5 İ. Cemal, O. Karaca Merat (968) tarafından ortaya konlan b formül dkkate alındığında allel frekansının 0.5 oldğ drmda,, 0, 00 ve 000 loks çn varyasyon katsayıları sırasıyla 0.7, 0.50, 0.4, 0.07 ve 0.03 olarak gerçekleşmektedr. En yüksek varyasyon katsayısı loks yan major loks çn elde edlmekte ve karakter belrleyen loks sayısı arttıkça b katsayının düzey düşmektedr. Ayrıca b katsayının büyüklüğü genn etk bçm ve büyüklüğüne göre değşmektedr. Ntekm daha öncede bahsedldğ gb döl vermne lşkn major gen belrlenen Creole (Mahe ve ark., 989) ve Cambrdge (Hanrahan ve Owen, 985) koyn ırklarında ovlasyon oranına at verler çn varyasyon katsayıları sırasıyla 0.4 ve 0.54 olarak elde edlmş, yan yüksek br fenotpk varyans göstermştr. Böylece ncelenen karakter çn tekrarlama ve kalıtım derecelernn veya varyasyon katsayısının yüksek çıktığı drmlarda ncelenen b poplasyonlarda br major genn varlığı bakımından kşk yaratacaktır..7. Yapılandırılmış Ver Arama Analz (SEDA= Strctred Exploratory Data Analyss) İnsanlarda bazı karakterlern kalıtım tarzının belrlenmes çn Karln ve ark. (979) tarafından SEDA olarak smlendrlen ve üç testten olşan bast ve tamamen farklı br yöntem gelştrlmştr. Testler major gen açılımının ndkatörü olarak kllanılmaktadır (Karln ve ark., 979, 98; Kammerer ve ark., 984; Le Roy, 989; Le Roy ve Elsen, 99; Famla, 986). Bnlar çnde en öneml yere sahp olan Major Gen İndeks (MGI) dr. B testler aşağıda ayrıntıları le tanımlanmıştır. MGI (k) a) Major Gen İndeks (MGI): Metodn esası, br major gen açılım gösterdğ zaman döl performansının ebeveyn ortalamasından sapmasının, her k ebeveynden ayrı ayrı sapmasından daha büyük olacağı varsayımına dayanmaktadır (Karln ve ark., 979; Hll ve Knott, 990; Le Roy, 989). B varsayım altında major gen ndeks aşağıdak şeklde formülze edlmştr. MGI (k) n = = n = [ O (S ( O S + D k / O ) / k D Brada; n, baba(ana)-döl çft sayısı, O,. dölün performansı, S,. dölün babasının performansı, D,. dölün anasının performansı, ve k, test edlen keyf br parametredr (k=/, veya ). Major Gen İndeks brden fazla famlya çn se ş şeklde hesaplanmaktadır; MGI (k) k k ( O (S + D)/ S (PX + MX)/ D k / k / k / k / ( O S O D ) ( S PX S MX ) n K = j= = n K K = j= K O j (S O S k / ] D ) / ) k O D k / Brada: K,. famlyanın büyüklüğünü fade etmektedr. (=,...,n). Karln et al. (979), üç generasyonn dkkate alındığı drmlar çn b ndeks ş şeklde genşletmştr. (P + M )/ ) k Y Y = k / k / ( D PY D MY Brada: D, dölün; B, babasının; A, anasının; P X ve M X babaya at büyük ebeveynlern ve P Y ve M Y anaya at büyük ebeveynlern performans değerlern fade etmektedr. B ndeksn normal performans değerlerne yglanması kolaydır. Uyglama çn ncelenen karakter bakımından döl, ebeveyn veya büyük ebeveynlere lşkn performans değerlerne gereksnm dylmaktadır. B değerlern varlığı drmnda b ndeks kolayca hesaplanablr. Fakat süt verm, döl verm ve benzer gb cnsyetle sınırlı karakterler veya kesmden sonra belrleneblen özellkler çn b ndeksn yglanması mümkün değldr. Major genlern belrlenmes çn MGI metodnn yglanması çoğnlkla cnsyet, yaş, sürü veya üretm mevsm gb etkler bakımından fenotplern düzeltlmesne htyaç göstermektedr. Doğrsal veya doğrsal olmayan regresyona veya oransal düzeltmeye dayanan klask düzeltme yöntemler yeterl derecede doğrlk serglemedklernden dolayı Famla (986), karışık modele dayanan BLUP değerlernn (Henderson, 985) MGI nde kllanılmasını önermştr. B yöntemle her br brey (ana, baba ve döl) çn tahmn edlen eklemel gen etklerne at değerler major gen ndeksnde yerne konarak ndeks değerler hesaplanmaktadır. Karışık model yöntemne dayanan ndeks daha öncede değnldğ gb cnsyetle sınırlı karakterler (babada ölçülemeyen) ve dölle sınırlı (kesmden sonra ölçüleblen) karakterlern ncelenmesne de olanak tanımaktadır. Ayrıca fenotpk değerlerle karşılaştırıldığı zaman, tahmn edlen genetk değerlern kllanımı, ndeks major genlern belrlenmes bakımından daha hassas kılmaktadır (Famla, 986; Scwaczkowsk, 993). Famla (986), major gen ndeksnden elde edlen değerlern üç drmnn major gen kalıtımına şaret edebleceğn savnmştr, bnlar: MGI(k) çn büyük değerlern (özellkle den büyük) gözlenmes, Farklı k değerler çn MGI(k) değerler arasında büyük farkların olması, Artan k değerler çn MGI(k) değerlernde artış drmlarıdır. 09

6 Çftlk Hayvanlarında Major Genlern Belrlenmes ve Genotp Ayrımı Tüm b drmlar br major genn varlığına şaret etmektedr. Polgenk kalıtımda se ndeks değerler n altında yan düşük değerler almakta ve k nın artan değerler karşısında hesaplanan ndeks değerlernde major gen varlığı drmnn aksne br düşme eğlm gözlenmektedr (Famla, 986). Famla (986), farelerde daha önceden belrlenen sütten kesm sonrası hızlı canlı ağırlık kazancı sağlayan br major genn açılım gösterdğ anne, baba ve 0 öz kardeş dölden olşan br famlyaya at cnsyete göre düzeltlmş fenotp değerlerne ve BLUP tahmnlerne MGI n yglamış ve k nın farklı düzeyler çn ndeks değerlern elde etmştr. Her k ver grb çn k nın farklı düzeylernde ndeks değerler hep den yüksek çıkmış ve k nın artışına paralel olarak ndeks değerler de artış göstermştr. B değerler br major genn açılım gösterdğn ortaya koymaktadır. Ayrıca MGI nn b genş hal Woolaston ve ark. (990) tarafından koynlarda parazt rezstansına etkl br major gen varolp olmadığının araştırılmasında ve Ede ve ark. (99) tarafından keçlerde dphtera toxod (DIF) e karşı antkor olşmn kontrol eden br major genn etkl olp olmadığının araştırılmasında kllanılmıştır. Yapılan her k çalışmada elde edlen MGI değerler o özellkler belrleyen major genlern var olmadığına şaret etmştr. Sonç olarak MGI, hatanın kontrolünün öneml br düzeyde mümkün olmamasından dolayı br test statstğ olarak dkkate alınamaz. Dğer taraftan b yöntem br major genn ayrımının ön belrleycs olarak kllanılablr (Le Roy, 989; Le Roy ve Elsen, 99; Scwaczkowsk, 993). b) Döl ebeveynler regresyon: OBP (The Offsprng Between Parents Regresson) olarak adlandırılan b yapı aşağıdak şeklde tanımlanmaktadır (Le Roy ve Elsen, 99): N K OBP( β) = Φ( Zj ) N = K j= brada: eğer Z X + Y j β X Y Φ( Zj) = 0 d ğ erdrmlarda şeklnde olmaktadır. B lmtler OBP(β) eğrlernn değerlendrlmes çn kılavz olarak kllanılmaktadır. B yöntemle elde edlen regresyon eğrlernde eğrnn k lmt hattı arasında olması, genel olarak kıvrımlı olması ve.0 noktasında keskn artış göstermes major gen kalıtımına şaret etmektedr. Yüksek eğr olması, genelde çbükey olması ve başlangıçta hızlı br artış göstermes se polgenk kalıtıma şaret etmektedr. c) Döl ebeveynler korelasyon katsayısı: MPCC (The Parwse Mdparental Correlaton Coeffcent) olarak adlandırılan b katsayı aşağıdak şeklde tanımlanmaktadır: MPCC = ( Zj Z.. ) j ( Z j j Z.. ) X + Y X. + Y. X + Y X. + Y. brada; Z.., X ve Y sırasıyla döl, baba ve analara at performanslardır. Formülden elde edlen değern 0.55 e eşt veya daha büyük olması (MPCC 0.55) polgenk kalıtımı ancak 0 le 0.7 değerler arasında veya b değerlere eşt olması (0 MPCC 0.7) major gen kalıtımını desteklemektedr (Karln ve ark., 98). Görüldüğü gb brada br ç çe geçme drm söz konsdr. Örneğn 0.65 gb br değern elde edlmes ykarıdak krterlere göre her k kalıtım tarzına şaret edeblmektedr. B gb nedenlerden dolayı b krtern yalnız başına değl de MGI ve OBP le brlkte kllanılması daha etkn olacaktır..8. Segregasyon Analz B yöntem Elston ve Stewart (97) tarafından ortaya konmş ve araştırıcılar b yöntem nsanlarda tek loks aktarım olasılıklarının Mendel beklenenleryle ymn test etmek amacıyla kllanmışlardır. Daha sonra Morton ve MacLean (974) tarafından segregasyon analz (SA) çn major loks yanında polgenk nsrların ve çevresel etklern de kapsanmasına dayanan yen br görüş ortaya konmştr. Elston ve Stewart (97) ve Morton ve MacLean (974) tarafından ortaya konlan b yaklaşımlar son zamanlarda çeştl araştırıcılar tarafından (Le Roy, 989; Le Roy ve ark., 990; Knott ve ark., 99) hayvan genetğ çn modfye edlerek kllanılmıştır. Segregasyon analz, genetk ve çevresel etkler çeren verlern farklı genetk modeller altında olablrlklernn karşılaştırılmasına dayanmaktadır. Major gen belrlenmes çn polgenk model altındak verlern olablrlkler maksmze edlmekte ve polgenk nsrlar le major gen etksn kapsayan karışık yan kombne model altındak verlern maksmm olablrlkler le karşılaştırılmaktadır. B yöntemde, gözlemlern olasılıklarını fade eden farklı parametrelere (genotp grpları ç ortalama ve hata varyansı, kalıtım dereces, genotp frekansları vb. gb) bağlı olarak tüm pedgr blgler br olablrlk fonksyonnda özetlenmektedr. B olablrlk fonksyonlarının brbrne oranı karışık kalıtımla lgl nha sorya cevap sağlamaktadır. Polgenk kalıtım tarzı çn doğrsal model eştlğ aşağıdak şekldedr. y jk = µ + + vj + ejk Brada: y jk, k. breye at gözlem, µ, özellğn genel ortalaması,,. babanın şansa bağlı etks ( ~ N(0, σ ) ), v j,. baba le çftleşen j. ananın şansa bağlı etks ( v j ~ N(0, σ v ) ), e, hata etks ( ejk ~ N(0, σ e ) ) olmaktadır. jk 0

7 İ. Cemal, O. Karaca Böylece b model genel ortalama ( µ ) ve ayrı ayrı varyans nsrları ( σ, σ v, σe ) olmak üzere dört parametreye bağlı olmakta ve H 0 (polgenk model) hpotezne karşılık gelmektedr. Alternatf modelde se polgenk modele br major gen etks lave edlmekte ve model ş şeklde olmaktadır. r y jk = µ r + + v j + ejk brada: µ r, dölün genotp r le ortalaması, r y jk,,vj, ejk, ykarıdak gb olmaktadır. Brada k alleln (örn., A ve a) açılım gösterdğ varsayılmış, böylece AA, Aa ve aa olmak üzere üç farklı genotp varolmştr (b nedenle r =,, 3 olmaktadır). Ayrıca, babalar p t olasılığı le s genotplerne (s =,, 3) sahptrler. B model se Μ, µ, µ 3, σ, σ v, σ e, p p (p3 p p ) µ ve = olmak üzere sekz ayrı parametreye bağlı olmaktadır. B modellere sabt etkler de eklendğnde hesaplanan parametre sayısı artmaktadır. İfade edldğ gb b test statstğ olmsz hpotezn ( polgenk kalıtım H 0 (M 0 )) genel hpoteze ( karışık kalıtım H (M )) oranıdır: Μ 0 χ = ln ~ χ Μ α,d brada: d, H 0 hpotez altında sabt değerl parametrelern sayısıdır (brada d= oldğndan merkez χ çn serbestlk dereces de dr). M 0 ve M se şöyle hesaplanmaktadır: Μ n m lj 0 = f ( ) g(vj) h0 (y /, v ) abcjk j j vj ve = = k= n l 3 m 3 j 3 = Ps f ( ) Pt j g(vj) jk r / s, t ) (h (y /, v ) v jk j rjk jk j P( R = = s j t j = = j = k= rjk = şeklnde olmaktadır. Bndan başka: S,. babanın genotp ve s onn gerçekleşmes; T j,. babann j. anasının genotp ve t j onn gerçekleşmes; R jk, j. ananın k. dölünün genotp ve r jk onn gerçekleşmesdr; P(R jk = r jk s, t j ) baba ve ana j nn s ve t j genotpler verldğnde r jk nın olasılığıdır; f, baba etks olan U nn dağılımıdır: f ( ) = πσ g, ana etks v j nn dağılımıdır: exp σ vj f ( v = j ) exp πσ v σ v ve h se ve v j verldğnde bağımlı değşkenn dağılımıdır: yjk µ r vj h = rjk(yjk /,vj) exp πσ σ e e Sonçta H 0 hpoteznn reddedlmes kalıtımda br major genn varlığını göstermektedr. Segregasyon analz daha önce bahsedlen yöntemler le karşılaştırıldığı zaman çok güçlü statstk br test olması yanında eldek tüm blglern değerlendrlmesn ve belrlenen major gene lşkn lave sonçlarında (örn., genotpk etkler, gen ve genotp frekansları, kalıtım dereces gb) elde edlmesn sağlamaktadır. Örneğn, segregasyon analz Bartlett testnden -4 kat daha güçlü br test olması (Elsen ve Le Roy, 989) yanında major gen hakkında sağladığı değşk blgler Bartlett testyle elde edlememektedr. Bna karşın, hesaplama bakımından göz önüne alınırsa oldkça zor ve zaman alıcı br yöntemdr. B analz yöntem baba başına az sayıda döl çn ble çok büyük blgsayar hafızasına gereksnm dydğndan hesaplamalar çok zor yapılmaktadır (Le Roy ve Elsen, 99). B zorlkların aşılması çn Segregasyon analznn bastleştrlmes yönünde çabalar çne grlmştr (Le Roy, 989; Le Roy ve Elsen, 99; Knott ve ark., 99) Segregasyon analz le major gen belrlemede ncelenen karaktern dağılımı le lgl problemler ortaya çıkablmektedr. Daha öncek kısımlarda değnldğ gb major genler açılım gösterdğ zaman dağılışta eğrlk beklenmektedr. Elsen ve Le Roy (989), eğrlk katsayısının 0. den büyük oldğ drmlarda soncn tamamen hatalı olableceğn göstermşlerdr. Böyle drmlarda logartmk veya Box-Cox gb ver transformasyonları yglanarak dağılışın eğrlğ azaltılablr, fakat b transformasyonlar büyük güç kaybına neden olablmektedrler (Szwaczkowsk, 993). Dğer taraftan, yapılan br çalışmada Box-Cox transformasyon yglanmış ve yglanmamış domz verlernn RN major gen bakımından ncelenmes, benzer parametre hesaplamalarına şaret etmştr (Le Roy ve ark., 990)..9. Genetk markör kllanımı Son yıllarda moleküler genetk alanında yaşanan gelşmeler soncnda başta nsan olmak üzere km öneml türlern gen hartalarının çıkartılması ve ekonomk öneme sahp hayvan ve btk türlernde vermler etkleyen kanttatf karakter lokslarının (QTL) belrlenmes yönünde büyük eğlm olmştr (Montaldo ve Meza-Herrera, 998; Andersson ve ark., 994; Cheverd ve Rotman, 993; Tanksley, 993). Çftlk hayvanları bazında bakıldığında son hedef verm özellklern belrleyen kanttatf karakter lokslarının belrlenmes ve ıslah çalışmalarının b lokslardak genotplere dayandırılmasıdır. Dğer br fadeyle fenotpk seleksyonn yern kademel olarak genotpk seleksyonn alması hedeflenmektedr. Şayet böyle br hedefe laşılablrse seleksyonla

8 Çftlk Hayvanlarında Major Genlern Belrlenmes ve Genotp Ayrımı sağlanacak genetk lerleme ş andak yöntemlerle sağlananın kat kat üzernde olacaktır. Son yıllarda sığır, koyn ve domz gen hartalarının çıkartılması çn ülkeler çapında büyük kolektf çalışmalar başlatılmış ve kısa süre çnde öneml mesafeler alınmıştır (Ellegren, 993; Fres ve ark., 993; Echard ve ark., 994; Brascamp ve ark., 995). Gen hartaları, km vermlern mekanzmasının daha y anlaşılmasını ve genetk ıslah programlarının daha blnçl ve etkn olarak yapılmasını sağlayablecektr. İstatstk değerlendrmelere dayalı yöntemlerle major genlern ortaya çıkartılması da gen hartalarının olştrlmasına öneml katkı sağlamaktadır. Ş an yapılan çalışmaların çoğnlğ genetk markörlere yönelktr (Andersson-Eklnd, 993). B amaçla öncelkle o türün genomnn tümünü kaplayacak ve sık aralıklarla dzlen markörler belrlenmektedr. Bnn çn, k genetk markör arası mesafe 0 cm nın altında olacak şeklde, kromozomlar üzerne yaklaşık eşt zaklıkla dağılmış en az 300 genetk markörün gerekl oldğ bldrlmektedr. Genetk markörlern de brçok tp mevct olp (RFLP, mnsatellte, mcrosatellte gb) bnlar çersnde en çok mcrosatellte markörler kllanılmaktadır (Ellegren, 993; Crawford ve ark., 000). Çalışmaların lk aşamasında, öncelkle farklı ırk veya hatlar arasındak melezlemelerle referans poplasyonlar olştrlmakta ve br markör le söz kons br özellk arasında lşk krlablmes çn en az k generasyona at DNA örneklerne ve döllerdek performans kayıtlarına gereksnm dylmaktadır (Smm, 998). Kanttatf karakter loksları le genetk markörler arasındak lşkler gen bağlılığı le ortaya konmakta ve rekombnasyon düzeynden yararlanılarak söz kons lokslar le lşkl genetk markörler arasındak genetk zaklıklar belrlenmektedr (Smm, 998). İncelenen gen le genetk markör arasındak mesafe kısaldıkça, gen le markörün parça değşm (crossng-over) sonc ayrılma frekansı ya da rekombnasyon oranı düşmekte ve böylece markörün major genle beraber hareket etme olasılığı artmaktadır. Ayrıca, genetk hartalama ve genetk markörler le kanttatf karakter loksları arasındak lşkler en y ortaya koyacak statstk yöntemlern gelştrlmes yönünde de yoğn çalışmalar blnmaktadır. Verm özellkler le genetk markörler arasında lşk belrlendğ zaman, markörlern kromozomal yerleşm blndğ çn genn de hang kromozomda ve kromozomn yaklaşık olarak hang bölgesnde yer aldığı ortaya çıkmaktadır. Araştırmalar b bölgeye yoğnlaştırılarak genn tam yernn belrlenmes ve klonlanmasına çalışılmaktadır. Dğer taraftan, karakterle yakın lşks olan genetk markörlerden yararlanarak sadece br DNA testyle genotp ayrımı gerçekleştrleblmektedr. Özellkle gen çevreleyen brden çok yakın markör belrlendğ zaman genotp belrleme güvenlğ büyük oranda artmaktadır. Hatta genetk markör ncelenen genn üzernde yer aldığında veya dğer br fadeyle genn br parçası oldğnda genotpn b marköre dayalı testle belrlenme oranı %00 olmaktadır. Şmdye kadar, Fec B, callpyge, doble msclng, RN, halothane senstvty gb major genler üzernde moleküler düzeyde ncelemeler yapılmış ve b genler le ş anda kllanılan brçok genetk markör (örn. kan grpları, mcrosatellte ve mnsatellte marköler) arasında bağlantılar tespt edlmştr. Booroola, callpyge, doble msclng ve RN genler le bazı genetk markörler arasında lşk blnmş ve halothane senstvty drmndan sorml gen moleküler düzeyde belrlenmştr (Fj ve ark., 99; Cockett ve ark., 993; Montgomery ve ark., 994; Mlan ve ark., 995;). Yne domzlardak domnant RN gennn kökennde br mtasyonn yattığı moleküler düzeyde yapılan çalışmalar le ortaya konmştr (Mlan ve ark., 000). B gelşmelerden sonra artık bazı genlere lşkn genotp ayrımları büyük oranda b yöntemlerle tayn edleblmektedr. Ntekm halothane senstvty genotplernn tayn artık tam doğrlkla yapılablmektedr. B markörlere lave markörlern ortaya çıkartılması çn araştırmalar devam etmektedr..0. Ekstrem fenotpl hayvanların zlenmes Major genlern ortaya çıkartılması bakımından, poplasyonda normalden çok üstün fenotpe sahp hayvanların yakın takbe alınıp gösterdkler üstünlüğün kaynağının araştırılması büyük öneme sahptr. Ntekm brçok major gen, meydana getrdkler ekstrem fenotp sayesnde ortaya çıkartılablmştr. Örneğn Avstralya Mernosnn Booroola soynda, döl verm bakımından dğer soylara oranla büyük br farkın gözlenmes araştırıcıları b genn keşfne kadar götürmüştür. Aynı zamanda, koynlarda et vermn büyük oranda artıran callpyge gen, 983 yılında Dorset ırkı br koçn dğerlernden barz olarak farklı kas gelşm göstermesnn gözlenp bnn genetk temell olp olmamasının araştırılmasıyla ortaya çıkartılmıştır (Cockett et al., 993). B drma, brçok örnek vermek mümkündür. Kısacası poplasyonlarda olağan dışı fenotpk özellk gösteren hayvanlar yakın ncelemeye alınıp gerye melezlemeler de kapsayan çftleşme planlarıyla döllerde ve dğer generasyonlarda b drmn sürüp sürmedğ ortaya konmalıdır. Bnn dışında, major genlern seleksyon veya akrabalı yetştrme le olştrlan k farklı hattın melezlenmes ve resesf hatta doğr tekrarlı gerye melezlemelerle ortaya çıkartılableceğ Wrght tarafından öne sürülmüştür (Hll ve Knott, 990, Falconer ve Mackay, 996). B yöntem, major gen dışında kalan dğer genlere at genetk varyasyon azaltıp, gerye melezlerde daha belrgn k tepel dağılış yaratmanın yoldr. Her generasyonda seleksyon daha çok domnant fenotpl breylere yglanmakta, yan melezlemeler düşük hatta doğr yapıldığında seleksyon yüksek fenotpllere

9 İ. Cemal, O. Karaca dayandırılmaktadır. Böylece seleksyon seçlen yönde major alleller poplasyonda alıkoymaktadır. B genlern etkler, düşük hattın homozgot allellerne karşı heterozgotların yarattığı k tepel dağılımla belrlenmektedr. Aynı zamanda, yüksek verml hattın dğer küçük etkl genlernn frekansı her gerye melezlemede yarılanmakta ve dolayısıyla major gen dışında yer alan genetk varyasyonn azalması k modl dağılımı daha anlaşılır hale getrmektedr. B prosedür, her ne kadar stemeden yapılmış olsa da, döl verm bakımından büyük etkye sahp F gennn açılım gösterdğ Booroola Mernoslarının gelştrlmesnde kllanılmıştır (Falconer ve Mackay, 996)... Dğer yöntemler Ykarıda sıralanan yöntemler dışında bayes metod, en küçük kareler, varyans analz vb gb km statstk yöntemler de major gen belrleme çalışmalarında kllanılmak üzere önerlmş veya bnlardan kmler gerçek ver setlerne yglanarak etkl sonçlar alınmıştır (Kennedy ve ark., 99; Strcker ve ark., 995; Janss, 996; Fernando ve ark., 998). Km major genler bakımından se dış görünüş veya fenotpk performanslar aracılığıyla genotp ayrımları bell düzeylerde yapılablmektedr. Bna örnek olarak Dorset ırkı koynlarda belrlenen ve bt bölgesndek et vermn büyük oranda arttıran callpyge ve yne Belçka Mav sığırlarında kaslanmayı çok yüksek derecede etkleyen çft kas genler bakımından dış görünüş genotpler hakkında blg sağlamaktadır (Cemal, 996). Dğer taraftan, Booroola koynlarındak Fec B gen çn Davs ve ark. (98) tarafından genotp ayrımı çn kllanılmak üzere Çzelge 'de gösterlen krterler verlmş ve dğer ırklarda da (Bradford ve ark., 99) aynı krtern benzer veya farklı düzeyler kllanılmıştır. B sınıflamada en az br defa 5 veya daha yüksek ovlasyon oranı gösterenler homozgot taşıyıcı, en azından br 3 veya 4 şeklnde ovlasyon oranına sahp olanlar heterozgot taşıyıcı ve 3'ten küçük ovlasyon oranına sahp olanlar gen taşımayanlar olarak tarf edlmştr. Çzelge.Booroola genotplernn ayrımında kllanılan ovlasyon oranı krterler (Davs ve ark., 98) Genotp Homozgot taşıyıcı (Fec B Fec B ) Heterozgot taşıyıcı (Fec B Fec + ) Taşımayanlar (Fec + Fec + ) Ovlasyon oranı kaydı 5 3 ve <5 <3 Geçerl değerler 5, 6, 7,... 3, 4, 3.SONUÇ VE ÖNERİLER Major genler, verm karakterlernn ıslahı bakımından klask ıslah yöntemlerne oranla kısa süreçte sağladıkları hızlı lerleme şansı le büyük br avantaj ortaya koymaktadırlar. Major genlern sağladığı verm artışından en yüksek düzeyde faydalanablmek çn öncelkle b genlern varlığının ve etk düzeylernn ortaya konması ve breylern söz kons loks bakımından genotpler blnerek, ygn çftleşme planlarının yapılması gerekr. Major genler büyük etk ortaya koymalarına karşın, polgenk ve çevresel faktörlern gölgeleyc etklernden dolayı etkler kolay br şeklde anlaşılamamaktadır. B genlern ortaya çıkartılablmes çn hayvan poplasyonlarının dkkatl şeklde ncelenmes ve elde edlen verlern statstk yöntemlerle analz edlmes gerekmektedr. Ele alınan b yöntemlern çoğna major gen etklernn ön belrleycs olarak yaklaşmak daha anlamlıdır. Etks tanımlanablen sstematk çevre etmenlerne göre verler düzeltmeye tab ttlarak çevresel etmenlern etkler olabldğnce gderldkten sonra b bast testlern yglanması gerekr. Major gen varlığına yönelk ön kanıtlar elde edldkten sonra konnn tam açıklığa kavştrlması çn ssteml melezlemeler ve detaylı verlere dayalı dyarlı statstk metotlara (örn. Segregasyon analz) başvrmak gerekr. Bnn yanında genetk markörler le lşklern belrlenmesne yönelk çalışmalar da yapılablr. Bnn yanında, batın genşlğ, kaslanma ve benzer gb özellkler bakımından poplasyon ortalamalarına göre çok yüksek fenotpk görüntü ortaya koyan hayvanlar ve bnların famlyaları yakın takbe alınmalıdır. Şayet gözlenen sapmaların genetk temell oldğ yönünde blglar mevctsa ssteml melezlemeler devreye soklarak yavrlarda genetk açılımlara bakmak gerekr. Hayvancılığı ler ülkelerde yapılan altyapıya ygn ssteml ıslah çalışmalarıyla vermlerde büyük artışlar sağlanmış ve km vermlerde arzlanan hedeflere laşılmıştır. Yapılan seleksyon çalışmalarında blnçsz olsa da major genlerden faydalanılmış ve mhtemelen b genotplerde major genler sabtlenmştr. Bna karşın, ülkemzde var olan hayvan poplasyonlarında ş ana kadar etkl ıslah çalışmaları sürdürülemedğ çn vermlerde öneml artışlar sağlanamamıştır. Vermler bakımından ırklar çnde, ırklar arasında ve sentetk poplasyonlarda büyük varyasyonlar gözlenmektedr (Karaca, 998; Karaca ve ark., 00). B yüksek varyasyonn br kaynağının da düşük gen frekansına sahp major genlern olableceğ düşünülmektedr (Steane ve Tmon, 994). Son dönemlerde yapılan çalışmalardan elde edlen blglar çftlk hayvanlarında verm özellklern etkleyen br çok major genn tanımlanableceğn ortaya koymaktadır. B anlamda söz kons b çalışmanın sonçları major gen araştırmaları çn yol gösterc olacaktır. KAYNAKLAR Andersson, L., C.H. Haley, H. Ellegren, S.A. Knott, M. Johansson, K. Andersson, L. Andersson-Eklnd, I. Edfors-Llja, M. Fredholm, I. Hansson, J. Håkansson and K. Lndström, 994. Genetc mappng of qanttatve trat loc for growth and fatness n pgs. Scence, 63:

10 Çftlk Hayvanlarında Major Genlern Belrlenmes ve Genotp Ayrımı Andersson-Eklnd, L., 993. Genetc Markers and Qanttatve Trats n Dary Cattle. Ph.D. Thess, Swedsh Unv. Agrc.Sc., Uppsala, Sweden. Archbald, A.L. and P. Imlah, 985. The halothane senstvty locs and ts lnkage relatonshps. Anmal Blood Grops and Bochemcal Genetcs, 6: Bowman, J.C. and L.R. Shenton, 975. Omnbs test contors for departres from normalty based on b and b. Bometrka, 6: Bradford, G.E., I. Inon, L.C., Ingez, B. Tessnamrt and D.L. Thomas, 99. The prolfcacy gene of Javanese sheep. Major Genes for Reprodcton n Sheep, Ed.: J.M. Elsen, L. Bodn and J. Thmoner, p.67-73, INRA, Pars. Brascamp, E.W., C.S. Haley, M.A.M. Groenen and L.L.G. Janss, 995. PGMaP: gene mappng and ts contrbton to meat qalty parameters. Pg News and Informaton, 6,, 4N-46N. Cemal, İ., 996. Çftlk Hayvanlarında Major Genler: Bnların Belrlenmes, Transfer ve Endüstryel Kllanımı. Y. Lsans Tez, Yüzüncü Yıl Ünverstes, Fen Blmler Ensttüsü, Van. Cemal, İ., O. Karaca ve O. Atay, 996. Koynlarda döl vermne etkl major genler. Y.Y.Ü. Zr. Fak. Der., 6(4):3-48, Van. Cheverd, J.M. and E. Rotman, 993. Qanttatve trat loc: ndvdal gene effects on qanttatve characters (Mn-revew). J. Evol. Bol., 6: Cockett, N.E., S.P. Jackson, R.D. Green, T.L. Shay and M. George, 993. Identfcaton of genetc markers for and the locaton of a gene (callpyge) casng mscle hypertrophy n sheep. Texas Tech Unv. Agrc. Sc. Tech. Rep. T-5-37, p.4-6. Crawford, A.M., K.G. Dodds and J.C. McEwan, 000. DNA markers, genetc maps and the dentfcaton of QTL: General prncples. Breedng for Dsease Resstance n Farm Anmals, Ed.: R.F.E. Axford, S.C. Bshop, F.W. Ncholas and J.B. Owen, Chapter, p.3-5, CAB Internatonal, UK. Davs, G.H., G.H. Shackell, S.E. Kyle, P.A. Farqhar, J.C. McEwan and P.F. Fennessy, 988. Hgh prolfcacy n screened Romney famly lne. Proc. Ast. Assn. Anm. Breed. Genet., 7: Davs, G.H., G.W. Montgomery, A.J. Allson, R.W. Kelly and M.R. Bray, 98. Segregaton of a major gene nflencng fecndty n progeny of Booroola sheep. N.Z. J. Agrc. Res., 5: Davs, G.H., K.G. Dodds, R. Wheeler and N.P. Jay, 00. Evdence that an mprnted gene on the X chromosome ncreases ovlaton rate n sheep. Bology of Reprodcton. 64:6-. Echard, G., T.E. Broad, D. Hll and P. Pearce, 994. Present stats of the ovne gene map (Ovs ares); comparson wth the bovne map (Bos tars). Mammalan Genome, 5: Ede, D.M., T. Ådnøy, G. Klemetsdal, L.L. Nesse and H.J. Larsen, 99. Selecton for mmne response n goats: the antbody response to Dphthera toxod after years of selecton. J. Anm. Sc., 69: Ellegren, H., 993. Genome Analyss wth Mcrosatellte Markers. Ph.D. Thess, Swedsh Unv.Agrc. Sc., Sweden. Elsen, J.M. and P. Le Roy, 989. Smplfed verson of segregaton analyss for detecton of major genes n anmal breedng data. 40 th Annal Meetng of EAAP, 7-3 Agst 989, Dbln. Elsen, J.M. and P. Le Roy, 995. Optmal desgn for the detecton of a major gene segregaton n crosses between pre lnes. Genet. Selec. Evol., 7: Elston, R.C. and J. Stewart, 97. A general model for the genetc analyss of pedgree data. Hman Heredty, : Falconer, D.S. and T.F.C. Mackay, 996. Introdcton to Qanttatve Genetcs. 4 th edn., Longman Grop Ltd, UK. Famla, T.R., 986. Identfyng sngle genes of large effect n qanttatve trats sng bet lnear nbased predcton. J. Anm. Sc., 63: Fernandez, X., E. Tornberg, J. Navea, A. Talmant and G. Monn, 99. Bmodal dstrbton of the mscle glycolytc potental n French and Swedsh poplatons of Hampshre crossbred pgs. Jornal of the Scence of Food and Agrcltre, 59: Fernando, R.L., C. Strcker and T. Wang, 998. Detecton and se of sngle genes wthot DNA assays. J. Dary Sc., 8(): Fres, R., A. Eggen and J.E. Womack, 993. The bovne genome map. Mammalan Genome, 4: Fj, J., K. Ots, F. Zorzato, S. De Leon, V.K. Khanna, J.E. Veler, P.J. O'Bren and D.H., McLenan, 99. Identfcaton of a mtaton n porcne ryanodne receptor assocated wth malgnant hypertherma. Scence (Wash. DC), 53: Hanrahan, J.P. and J.B. Owen, 985. Varaton and repeatablty of ovlaton rate n Cambrdge ewes. In: Proc. Brt. Soc. Anm. Prod., Paper No: 37, pp. Hanset, R. and C. Mchax, 985a. On the genetc determnsm of msclar hypertrophy n the Belgan Whte and Ble cattle breed. I - Expermental data. Génét. Sél. Evol., 7(3): Hanset, R. and C. Mchax, 985b. On the genetc determnsm of msclar hypertrophy n the Belgan Whte and Ble cattle breed. I - Poplaton data. Génét. Sél. Evol., 7(3): Henderson, C.R., 985. Best lnear nbased predcton of non-addtve genetc mert n nonnbred poplatons. J. Anm. Sc., 60:-3. Hll, W.G. and S. Knott, 990. Identfcaton of genes wth large effect. Advances n Statstcal Methods for Genetc Improvement of Lvestock, Ed.: Ganola, D. and Hammond, K., Sprnger-Verlag, p , Berln. Hoeschele, I., 988. Statstcal technqes for detecton of major genes n anmal breedng data. Theor. Appl. Genet., 6:3-39. Janss, L.LG., 996. Statstcal dentfcaton of major genes n pgs. Ph. D. Thess. Wagenngen Agrcltral Unversty, The Netherlands. Jónmndsson, J.V., S. Adalstensson, O.R. Dyrmndsson and S. Thorgerson, 99. The possble tlzaton of the Thoka gene n Icelandc sheep flock. Major Genes for Reprodcton n Sheep, Ed.: J.M. Elsen, L. Bodn and J. Thmoner, p.46-4, INRA, Pars. Kammerer, C.M., J.W. MacCler and J.M. Brdges, 984. An evalaton of three statstcs of Strctred Exploratory Data Analyss. Am. J. Hm. Genet., 36: Karaca, O., 998. Ekstansf Yetştrme Koşllarında Yöresel Sentetk Koyn Tpler ve Sakız Irkı Koynlarda Döl Vermne İlşkn Km Fenotpk ve Genetk Parametre Tahmnler. Adnan Menderes Ünverstes, Zraat Fakültes, Aydın. Karaca, O., İ. Cemal ve O. Atay, 996. Hayvancılıkta Km Major Genlern Aktarımı ve Kllanımı. Hayvancılık-96 Kongres, 8- Eylül 996, s.78-73, Ege Ünverstes, İzmr. 4

11 İ. Cemal, O. Karaca Karaca, O., İ. Cemal ve T. Altın, 00. Çne Tp Koynlarda Batın Genşlğ ve Kz Yaşama Gücüne İlşkn Km Parametre Tahmnler. III. Ulsal Zootekn Blm Kongres, 4-6 Ekm 00, Ankara Ünv., Zr. Fak., Zootekn Bölümü, Ankara. Karaca, O., M. Kaymakçı ve Y. Vanlı, 99. Koynlarda döl vermnn genetğ ve yen yaklaşımlar. Y. Y. Ü. Zr. Fak. Der., (): Karln, S., D. Carmell and R. Wllams, 979. Index measres for assessng the mode of nhertance of contnosly dstrbted trats. I. Theory and jstfcaton. Theor. Popl. Bol., 6:8-06. Karln, S., R. Wllams and D. Carmell, 98. Strctred Exploratory Data Analyss (SEDA) for determnng mode of nhertance of qanttatve trats. I. Smlaton stdes on the effect of backgrond dstrbtons. Am. J. Hm. Genet., 33:6-8. Kennedy, B.W., M. Qnton and J.A.M. van Arendonk, 99. Estmaton of effects of major genes on qanttatve trats. J. Anm. Sc., 70: Knghorn, B.P., J.A.M. van Arendonk and D.J.S. Hetzel, 994. Detecton and se of major genes n anmal breedng. AgBotech News and Informaton, 6(): 97N-30N. Knott, S.A., C.S. Haley and R. Thompson, 99. Methods of segregaton analyss for anmal breedng data: a comparson of power. Heredty, 68:99-3. Le Roy, P. and J.M. Elsen, 99. Frst statstcal approaches of the major gene detecton wth specal reference to dscrete trats. Major Genes for Reprodcton n Sheep, Ed.: J.M. Elsen, L. Bodn and J. Thmoner, p , INRA, Pars. Le Roy, P. and J.M. Elsen, 99. Smple test statstcs for major gene detecton: a nmercal comparson. Theor. Appl. Genet., 83: Le Roy, P., 989. Methodes de Detecton de Genes Majers Applcaton ax Anmax Domestqes. Thèse de I'Unversté Pars XI Orsay, 9p. Le Roy. P., J. Navea, J.M. Elsen and P. Seller, 990. Evdence for a new major gene nflencng meat qalty n pgs. Genet. Res., Camb., 55: Mahe, M., Y. Jego, M.A. Drancort and P. Chemnea, 989. Reprodctve performances of Creole and Black- Belly ewes n the West Indes. A new major gene controllng ovlaton rate. Anmal Reprodcton Scence, 9: Mérat, P., 968. Dstrbtons de fréqences, nterprétaton d détermnsme génétqe des carecteres qanttatfs et recherche de gène majers. Bometrcs, 4 (): Merat, P., 990. Pleotropc and assocated effects of major genes. In: R.D. Crawford (ed.). Poltry Breedng and Genetcs., p , Elsever, Amsterdam. Mlan, D., J-T. Jeon, C. Looft, V. Amarger, A. Robc, M. Thelander, C. Rogel-Gallard, S. Pal, N. Lannccell, L. Rask, H. Ronne, K. Lndström, N. Rensch, J. Gelln, E. Kalm, P. Le Roy, P. Chardon and L. Andersson, 000. A mtaton n PRKAG3 assocated wth excess glycogen content n pg sceletal mscle. Scence, 88:48-5. Mlan, D., P. Le Roy, N. Woloszyn, J.C. Cartez, J.M. Elsen, P. Seller and J. Gelln, 995. The RN locs for meat qalty maps to pg chromosome 5. Genet. Sel. Evol., 7 (): Montaldo, H.H. and C.A. Meza-Herrara, 998. Use of moleclar markers and major genes n the genetc mprovement of lvestock. EJB Electronc Jornal of Botechnology, (), 7p. Montgomery, G.W., E.A. Lord, J.M. Penty, K.G. Dodds, T.E. Broad, L. Cambrdge, S.L.F. Snden, R.T. Stone and A.M. Crawford, 994. The Booroola fecndty (FecB) gene maps to sheep chromosome 6. Genomcs, : Morton, N.E. and C.J. MacLean, 974. Analyss of famly resemblance. III. Complex segregaton of qanttatve trats. Am. J. Hm. Genet., 6: Pper, L.R. and B.M. Bndon, 98 Genetc segregaton for fecndty n Booroola Merno sheep. Proceedngs of the World Congress on Sheep and Beef Cattle Breedng, Ed.: R.A. Barton and D.W. Robnson, Vol., p , The Dnmore Press Ltd., New Zealand. Roberts, R.C. and C. Smth, 98. Genes wth large effectstheoretcal aspects n lvestock breedng. Proc. nd World Congr. Genet. Appl. Lvest. Prod., 4-8 October 98, Madrd, 6: Rothschld, M., C. Jacobson, D. Vaske, C. Tggle, L. Wang, T. Short, G. Eckardt, S. Sasak, A. Vncent, D. McLaren, O. Sothwood, H. van der Steen, A. Mleham and G. Plastow, 996. The estrogen receptor locs s assocated wth a major gene nflencng ltter sze n pgs. Proc. Natl. Acad. Sc. USA, 93:0-05. SAS, 999. SAS OnlneDoc, Verson 8, Cary, NC: SAS Insttte Inc. Cary, NC, USA. Smm, G., 998. Genetc Improvement of Cattle and Sheep. Farmng Press, UK, Smth, C., 985. Utlzaton of major genes. Genetcs of Reprodcton n Sheep, Ed.: R.B. Land and D.W. Robnson, p.5-58, Btterworth, London. Steane, D.D. and V. Tmon, 994. Practcal consderaton n the aplcaton of ONBS schemes. Strateges for the Development of Fat-Tal Sheep n the Near East. EAAP Pblcaton No: 68, p.-, Adana, Trkye. Strcker, C., R.L. Fernando and R.C. Elston, 995. Lnkage analyss wth an alternatve formlaton for the mxed model of nhertance: The fnte polygenc mxed model. Genetcs, 4: Szwaczkowsk, T., 993. Identfcaton of major anmal genes n feld collected data by se of statstcal methods. A revew. Jornal of Anmal and Feed Scences, :9-03. Tanksley, S.D., 993. Mappng polygenes. Ann. Rev. Genet., 7: Woolaston, R.R., G.D. Gray, G.A.A. Albers, L.R. Pper and J.F.S. Barker, 990. Analyss for a major gene affectng paraste resstance n sheep. In: Proc. 4 th World Congr. Genet. Appl. Lvest. Prod., Vol. 5, p.3-34, Ednbrgh. 5

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

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

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

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

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

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

Tek Yönlü Varyans Analizi (ANOVA)

Tek Yönlü Varyans Analizi (ANOVA) VARYANS ANALİZİ İ örne ortalaması arasında farın önem ontrolü, örne büyülüğüne göre z veya testlernden bryle yapılır. Bu testlerle, den fazla örne ortalamasını brlte test etme ve aralarında farın önem

Detaylı

Reducing the Effect of Parent Averages from Animal Model Solution in Mixed Model Equation by Using Modified Relationship Matrix (A)

Reducing the Effect of Parent Averages from Animal Model Solution in Mixed Model Equation by Using Modified Relationship Matrix (A) Yüzüncü Yıl Ünverstes, Zraat Fakültes, Tarım Blmler Dergs (J. Agrc. Sc.), 00, ():4-46 Gelş Tarh : 5.0.00 Karışık Model Eştlklernde Modfye Edlmş Akrabalı Yetştrme Matrs (A) Kullanılarak Hayvanların Ebeveyn

Detaylı

Çiftlik hayvanları endüstrisinin yapısı elit Çok yönlü ticari Kantitatif genetik formulleri özeti Temel genetik: Genel öneri: Genellikle iki yönlü tablo kullanılır Sorular sorudaki probleme ilişkin verilen

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

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

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

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

ADJUSTED DURBIN RANK TEST FOR SENSITIVITY ANALYSIS IN BALANCED INCOMPLETE BLOCK DESIGN

ADJUSTED DURBIN RANK TEST FOR SENSITIVITY ANALYSIS IN BALANCED INCOMPLETE BLOCK DESIGN SAÜ Fen Edebyat Dergs (2010-I) F.GÖKPINAR v.d. DENGELİ TAMAMLANMAMIŞ BLOK TASARIMINDA, DUYUSAL ANALİZ İÇİN DÜZELTİLMİŞ DURBİN SIRA SAYILARI TESTİ Fkr GÖKPINAR*, Hülya BAYRAK, Dlşad YILDIZ ve Esra YİĞİT

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

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

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

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

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

UYGULAMA 2. Bağımlı Kukla Değişkenli Modeller

UYGULAMA 2. Bağımlı Kukla Değişkenli Modeller UYGULAMA 2 Bağımlı Kukla Değşkenl Modeller Br araştırmacı Amerka da yüksek lsans ve doktora programlarını kabul ednlmey etkleyen faktörler ncelemek stemektedr. Bu doğrultuda aşağıdak değşkenler ele almaktadır.

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

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

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

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

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

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

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

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

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

FAKTÖR A ALĐZ SKORLARI KULLA ILARAK KARAYAKA KUZULARI DA CA LI AĞIRLIK TAHMĐ Đ

FAKTÖR A ALĐZ SKORLARI KULLA ILARAK KARAYAKA KUZULARI DA CA LI AĞIRLIK TAHMĐ Đ Anadolu Tarım Blm. Derg., 2009,24(2):98-102 Anadolu J. Agrc. Sc., 2009,24(2):98-102 Araştırma Research FAKTÖR A ALĐZ SKORLARI KULLA ILARAK KARAYAKA KUZULARI DA CA LI AĞIRLIK TAHMĐ Đ Soner ÇA KAYA* Aydın

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

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

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

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

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

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

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

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

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

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

COĞRAFYA DERSİ ÖĞRETİM PROGRAMINDA DOĞAL AFETLER 1 (The Natural Disasters in the Geography Teaching Curriculum)

COĞRAFYA DERSİ ÖĞRETİM PROGRAMINDA DOĞAL AFETLER 1 (The Natural Disasters in the Geography Teaching Curriculum) MARMARA COĞRAFYA DERGİSİ SAYI: 28, TEMMUZ - 2013, S. 276-303 İSTANBUL ISSN:1303-2429 E-ISSN 2147-7825 copyrght 2013 http://www.marmaracografya.com COĞRAFYA DERSİ ÖĞRETİM PROGRAMINDA DOĞAL AFETLER 1 (The

Detaylı

uzayında vektörler olarak iç çarpımlarına eşittir. Bu iç çarpım simetrik ve hem w I T s formuna karşılık gelir. Buna p u v u v v v

uzayında vektörler olarak iç çarpımlarına eşittir. Bu iç çarpım simetrik ve hem w I T s formuna karşılık gelir. Buna p u v u v v v 1. Temel Form: Brnc temel form geometrk olarak yüzeyn çnde blndğ zayına gtmeden yüzey üzernde ölçme yamamızı sağlar. (Eğrlern znlğ, teğet ektörlern açıları, bölgelern alanları gb) S üzerndek ç çarım, br

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

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

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

YAPILARIN ENERJİ ESASLI TASARIMI İÇİN BİR HESAP YÖNTEMİ

YAPILARIN ENERJİ ESASLI TASARIMI İÇİN BİR HESAP YÖNTEMİ YAPILARI EERJİ ESASLI TASARIMI İÇİ BİR HESAP YÖTEMİ Araş. Gör. Onur MERTER Araş. Gör. Özgür BOZDAĞ Prof. Dr. Mustafa DÜZGÜ Dokuz Eylül Ünverstes Dokuz Eylül Ünverstes Dokuz Eylül Ünverstes Fen Blmler Ensttüsü

Detaylı

( ) 3.1 Özet ve Motivasyon. v = G v v Operasyonel Amplifikatör (Op-Amp) Deneyin Amacı. deney 3

( ) 3.1 Özet ve Motivasyon. v = G v v Operasyonel Amplifikatör (Op-Amp) Deneyin Amacı. deney 3 Yıldız Teknk Ünverstes Elektrk Mühendslğ Bölümü Deneyn Amacı İşlemsel kuvvetlendrcnn çalışma prensbnn anlaşılması le çeştl OP AMP devrelernn uygulanması ve ncelenmes. Özet ve Motvasyon.. Operasyonel Amplfkatör

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

Üniversite Öğrencilerinin Kredi Kartı Sahipliğini Belirleyen Faktörler

Üniversite Öğrencilerinin Kredi Kartı Sahipliğini Belirleyen Faktörler Ünverste Öğrenclernn Kred Kartı Sahplğn Belrleyen Faktörler H. Dlara KESKİN Yrd. Doç. Dr., Karadenz Teknk Ünverstes, İİBF İşletme Bölümü dlarakeskn@yahoo.com Emrah KOPARAN Öğr. Gör., Amasya Ünverstes Merzfon

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

Mut Orman İşletmesinde Karaçam, Sedir ve Kızılçam Ağaç Türleri İçin Dip Çap Göğüs Çapı İlişkileri

Mut Orman İşletmesinde Karaçam, Sedir ve Kızılçam Ağaç Türleri İçin Dip Çap Göğüs Çapı İlişkileri Süleyman Demrel Ünverstes, Fen Blmler Ensttüsü, 9-3,(5)- Mut Orman İşletmesnde Karaçam, Sedr ve Kızılçam Ağaç Türler İçn Dp Çap Göğüs Çapı İlşkler R.ÖZÇELİK 1 Süleyman Demrel Ünverstes Orman Fakültes Orman

Detaylı

Soğutucu Akışkan Karışımlarının Kullanıldığı Soğutma Sistemlerinin Termoekonomik Optimizasyonu

Soğutucu Akışkan Karışımlarının Kullanıldığı Soğutma Sistemlerinin Termoekonomik Optimizasyonu Soğutucu Akışkan arışımlarının ullanıldığı Soğutma Sstemlernn ermoekonomk Optmzasyonu * 1 Hüseyn aya, 2 ehmet Özkaymak ve 3 rol Arcaklıoğlu 1 Bartın Ünverstes akne ühendslğ Bölümü, Bartın, ürkye 2 arabük

Detaylı

Genel Doğrusal Karışık Modellerde Farklı Kovaryans Yapıları ve Tahmin Yöntemlerinin Performanslarının Karşılaştırılması 1

Genel Doğrusal Karışık Modellerde Farklı Kovaryans Yapıları ve Tahmin Yöntemlerinin Performanslarının Karşılaştırılması 1 Hayvansal Üretm 54(): 8-3, 03 Araştırma Makales Genel Doğrusal Karışık Modellerde Farklı Kovaryans Yapıları ve Tahmn Yöntemlernn Performanslarının Karşılaştırılması Gazel Ser *, Barış Kak, Abdullah Yeşlova,

Detaylı

ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ

ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS EN KÜÇÜK KARELER, RİDGE REGRESYON VE ROBUST REGRESYON YÖNTEMLERİNDE ANALİZ SONUÇLARINA AYKIRI DEĞERLERİN ETKİLERİNİN BELİRLENMESİ ZOOTEKNİ ANABİLİM

Detaylı

EKONOMETRİYE GİRİŞ II ÖDEV 4 ÇÖZÜM

EKONOMETRİYE GİRİŞ II ÖDEV 4 ÇÖZÜM EKONOMETRİYE GİRİŞ II ÖDEV 4 ÇÖZÜM (Örgün e İknc Öğretm çn) 1. 754 hanehalkına at DOMerset sml Excel dosyasında yer alan erler kullanarak tahmnlenen DOM sonuçları: Dependent Varable: CALISANKADIN Sample:

Detaylı

Bitkisel Ürün Sigortası Yaptırma İsteğinin Belirlenmesi: Tokat İli Örneği

Bitkisel Ürün Sigortası Yaptırma İsteğinin Belirlenmesi: Tokat İli Örneği Atatürk Ünv. Zraat Fak. Derg., 42 (2): 153-157, 2011 J. of Agrcultural Faculty of Atatürk Unv., 42 (2): 153-157, 2011 ISSN : 1300-9036 Araştırma Makales/Research Artcle Btksel Ürün Sgortası Yaptırma İsteğnn

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

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

i. ARASTiRMANiN AMACi GIRIs Yrd.Doç.Dr. Gönen DÜNDAR Yönetim, Yil 12, Sayi 39, Mayis - 2001,5.5-16

i. ARASTiRMANiN AMACi GIRIs Yrd.Doç.Dr. Gönen DÜNDAR Yönetim, Yil 12, Sayi 39, Mayis - 2001,5.5-16 Yönetm, Yl 12, Say 39, Mays - 2001,5.5-16 ISLETME EGITIMI ALAN ÖGRENCILERIN FINANS ALANINDA KARIYER YAPMA EGILIMLERINI ETKILEYEN FAKTÖRLERIN BELIRLENMESINE.... YONELIK BIR ARASTIRMA: tü. ISLETME FAKÜLTESI

Detaylı

Hayvancılık 96 Ulusal Kongresi, 18-20 Eylül 1996, Ege Üniversitesi, Bornova, İzmir HAYVANCILIKTA KİMİ MAJOR GENLERİN AKTARIMI VE KULLANIMI OLANAKLARI

Hayvancılık 96 Ulusal Kongresi, 18-20 Eylül 1996, Ege Üniversitesi, Bornova, İzmir HAYVANCILIKTA KİMİ MAJOR GENLERİN AKTARIMI VE KULLANIMI OLANAKLARI HAYVANCILIKTA KİMİ MAJOR GENLERİN AKTARIMI VE KULLANIMI OLANAKLARI Doç.Dr. Orhan Karaca Arş.Gör. İbrahim Cemal Arş.Gör. Okan Atay Özet Bu çalışmada, verim özelliklerine etkili bazı major genler tanımlanmıştır.

Detaylı

Ege Bölgesi orman işletmelerindeki orman mühendisi dağılımının Atkinson endeksi ile değerlendirilmesi

Ege Bölgesi orman işletmelerindeki orman mühendisi dağılımının Atkinson endeksi ile değerlendirilmesi SDÜ Orman Fakültes Dergs SDU Faculty of Forestry Journal 2011, 12: 110-114 Araştırma makales/research artcle Ege Bölges orman şletmelerndek orman mühends dağılımının Atknson endeks le değerlendrlmes İsmal

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

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

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

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

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

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

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

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

İyi Tarım Uygulamaları Ve Tüketici Davranışları (Logit Regresyon Analizi)(*)

İyi Tarım Uygulamaları Ve Tüketici Davranışları (Logit Regresyon Analizi)(*) Gazosmanpaşa Ünverstes Zraat Fakültes Dergs Journal of Agrcultural Faculty of Gazosmanpasa Unversty http://zraatderg.gop.edu.tr/ Araştırma Makales/Research Artcle JAFAG ISSN: 1300-2910 E-ISSN: 2147-8848

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

Antalya Đlinde Serada Domates Üretiminin Kâr Etkinliği Analizi

Antalya Đlinde Serada Domates Üretiminin Kâr Etkinliği Analizi Tarım Blmler Dergs Tar. Bl. Der. Derg web sayfası: www.agr.ankara.edu.tr/derg Journal of Agrcultural Scences Journal homepage: www.agr.ankara.edu.tr/journal TARIM BİLİMLERİ DERGİSİ JOURNAL OF AGRICULTURAL

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

BETONARME YAPI TASARIMI

BETONARME YAPI TASARIMI BETONARME YAPI TASARIMI DEPREM HESABI Doç. Dr. Mustafa ZORBOZAN Mart 008 GENEL BİLGİ 18 Mart 007 ve 18 Mart 008 tarhler arasında ülkemzde kaydedlen deprem etknlkler Kaynak: http://www.koer.boun.edu.tr/ssmo/map/tr/oneyear.html

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

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

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

ANOVA. CRD (Completely Randomized Design)

ANOVA. CRD (Completely Randomized Design) ANOVA CRD (Completely Randomzed Desgn) Örne Problem: Kalte le blgnn, ortalama olara, br urumun üç farlı şehrde çalışanları tarafından eşt olara algılanıp algılanmadığını test etme amacıyla, bu üç şehrde

Detaylı

Öğr. Elemanı: Dr. Mustafa Cumhur AKBULUT

Öğr. Elemanı: Dr. Mustafa Cumhur AKBULUT Ünte 11: İndeksler Öğr. Elemanı: Dr. Mustafa Cumhur AKBULUT İndeks 2 Üntede Ele Alınan Konular 11. İndeksler 11.1. Bast İndeksler 11.1.1. Fyat İndeks 11.1.2. Mktar İndeks 11.1.3. Mekan İndeks 11.2. Bleşk

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

AKADEMİK YAKLAŞIMLAR DERGİSİ JOURNAL OF ACADEMIC APPROACHES

AKADEMİK YAKLAŞIMLAR DERGİSİ JOURNAL OF ACADEMIC APPROACHES Konut Sahplğnn Belrleycler: Hanehalkı Resler Üzerne Br Uygulama Halm TATLI 1 Özet İnsanların barınma htyacını sağlayan konut, temel htyaçlar arasında yer almaktadır. Konut sahb olmayan ve krada oturan

Detaylı

BANKACILIKTA ETKİNLİK VE SERMAYE YAPISININ BANKALARIN ETKİNLİĞİNE ETKİSİ

BANKACILIKTA ETKİNLİK VE SERMAYE YAPISININ BANKALARIN ETKİNLİĞİNE ETKİSİ BANKACILIKTA ETKİNLİK VE SERMAYE YAPISININ BANKALARIN ETKİNLİĞİNE ETKİSİ Yrd. Doç. Dr. Murat ATAN - Araş. Gör. Gaye KARPAT ÇATALBAŞ 2 ÖZET Bu çalışma, Türk bankacılık sstem çnde faalyet gösteren tcar bankaların

Detaylı

Obtaining Classical Reliability Terms from Item Response Theory in Multiple Choice Tests

Obtaining Classical Reliability Terms from Item Response Theory in Multiple Choice Tests Ankara Unversty, Journal of Faculty of Educatonal Scences, year: 26, vol: 39, no: 2, 27-44 Obtanng Classcal Relablty Terms from Item Response Theory n Multple Choce Tests Hall Yurdugül * ABSTRACT: The

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

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

OLASILIĞA GİRİŞ. Biyoistatistik (Ders 7: Olasılık) OLASILIK, TIP ve GÜNLÜK YAŞAMDA KULLANIMI

OLASILIĞA GİRİŞ. Biyoistatistik (Ders 7: Olasılık) OLASILIK, TIP ve GÜNLÜK YAŞAMDA KULLANIMI OLASILIĞA GİRİŞ Yrd. Doç. Dr. Ünal ERKORKMAZ Sakarya Ünverstes Tıp Fakültes Byostatstk Anablm Dalı uerkorkmaz@sakarya.edu.tr OLASILIK, TIP ve GÜNLÜK YAŞAMDA KULLANIMI Br olayındoğal koşullar altında toplumda

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

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

ANTALYA DA OBEZİTE YAYGINLIĞI VE DÜZEYİNİ ETKİLEYEN SOSYO-EKONOMİK DEĞİŞKENLER

ANTALYA DA OBEZİTE YAYGINLIĞI VE DÜZEYİNİ ETKİLEYEN SOSYO-EKONOMİK DEĞİŞKENLER Akdenz İ.İ.B.F. Dergs (21) 2011, 17-45 ANTALYA DA OBEZİTE YAYGINLIĞI VE DÜZEYİNİ ETKİLEYEN SOSYO-EKONOMİK DEĞİŞKENLER PREVALENCE AND SOCIOECONOMICS DETERMINANTS OF ADULTS OBESITY IN ANTALYA Arş. Gör. F.

Detaylı

ELM201 ELEKTRONİK-I DERSİ LABORATUAR FÖYÜ

ELM201 ELEKTRONİK-I DERSİ LABORATUAR FÖYÜ T SAKAYA ÜNİESİTESİ TEKNOLOJİ FAKÜLTESİ ELEKTİK-ELEKTONİK MÜHENDİSLİĞİ ELM201 ELEKTONİK- DESİ LAOATUA FÖYÜ DENEYİ YAPTAN: DENEYİN AD: DENEY NO: DENEYİ YAPANN AD ve SOYAD: SNF: OKUL NO: DENEY GUP NO: DENEY

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

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

KARAYAKA TOKLULARI DA KESĐM Ö CESĐ VE KESĐM SO RASI ÖLÇÜLE BAZI ÖZELLĐKLER ARASI DAKĐ ĐLĐŞKĐ Đ TAHMĐ Đ ĐÇĐ KA O ĐK KORELASYO A ALĐZĐ

KARAYAKA TOKLULARI DA KESĐM Ö CESĐ VE KESĐM SO RASI ÖLÇÜLE BAZI ÖZELLĐKLER ARASI DAKĐ ĐLĐŞKĐ Đ TAHMĐ Đ ĐÇĐ KA O ĐK KORELASYO A ALĐZĐ Anadolu Tarım Blm. Derg., 009,4():6-66 Anadolu J. Agrc. Sc., 009,4():6-66 Araştırma Research KARAYAKA TOKLULARI DA KESĐM Ö CESĐ VE KESĐM SO RASI ÖLÇÜLE BAZI ÖZELLĐKLER ARASI DAKĐ ĐLĐŞKĐ Đ TAHMĐ Đ ĐÇĐ KA

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

Hayvan Islahı ve Yetiştirme 2. ders

Hayvan Islahı ve Yetiştirme 2. ders Hayvan Islahı ve Yetiştirme 2. ders Akin Pala akin@comu.edu.tr Seleksiyona cevap Et sığırlarında doğum ağırlığını arttırmak istiyoruz. Ağır doğmuş olan bireyleri ebeveyn olarak seçip çiftleştiriyoruz.

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

ÇOK BOYUTLU EŞLEŞMİŞ ÇİFTLER ARASINDAKİ FARKIN SINAMASINDA PERMÜTASYON YÖNTEMİNİN BİR DEĞERLENDİRMESİ. Burak ŞİMŞEK YÜKSEK LİSANS TEZİ İSTATİSTİK

ÇOK BOYUTLU EŞLEŞMİŞ ÇİFTLER ARASINDAKİ FARKIN SINAMASINDA PERMÜTASYON YÖNTEMİNİN BİR DEĞERLENDİRMESİ. Burak ŞİMŞEK YÜKSEK LİSANS TEZİ İSTATİSTİK ÇOK BOYUTLU EŞLEŞMİŞ ÇİFTLER ARASINDAKİ FARKIN SINAMASINDA PERMÜTASYON YÖNTEMİNİN BİR DEĞERLENDİRMESİ Burak ŞİMŞEK YÜKSEK LİSANS TEZİ İSTATİSTİK GAZİ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ TEMMUZ 2007 ANKARA

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

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

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