İÇİNDEKİLER 1. GİRİŞ...

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "İÇİNDEKİLER 1. GİRİŞ..."

Transkript

1 İÇİNDEKİLER 1. GİRİŞ Regresyon Analizi Uygulama Alanları ve Veri Setleri Regresyon Analizinde Adımlar Problemin İfadesi Konu ile İlgili Potansiyel Değişkenlerin Seçilmesi Veri Toplama Model Tanımlama Tahmin Metodunun Seçimi Model Tahmini Model Doğrulama ve Eleştirme Regresyon Analizinin Amaçları BASİT DOĞRUSAL REGRESYON Basit Doğrusal Regresyon Modeli Sıradan En Küçük Kareler Yöntemi En Küçük Kareler Kestiricilerinin İstatistiksel Özellikleri Model Varyansın (σ 2 ) Tahmini Eğim ve Sabit Terim Üzerine Hipotez Testleri t-testlerinin Kullanımı Regresyonun Anlamlılık Testi Varyans Analizi Güven Aralıkları Regresyon Parametreleri ve Varyans için Güven Aralıkları Ana Kütle Regresyon Denklemi için Güven Aralığı Yeni Y Gözlemleri için Kestirim Aralıkları Kovaryans ve Korelasyon Katsayısı Korelasyon Katsayısı Hakkında Çıkarsamalar Orijinden Geçen Regresyon Basit Regresyonun Matris Formunda Gösterimi R DE ÖRNEK UYGULAMA ÇOKLU DOĞRUSAL REGRESYON Giriş Çoklu Doğrusal Regresyon Modelleri Sıradan En Küçük Kareler Yöntemi Çoklu Regresyon Modelinin Matris Formunda Gösterimi vii

2 En Küçük Kareler Kestiricileri Uyum Değerleri ve Artıklar En Küçük Kareler Kestiricilerinin Özellikleri Model Varyansın (σ 2 ) Tahmini: Model Parametrelerinin Maksimum Olabilirlik Tahmini Çoklu Doğrusal Regresyonda Hipotez Testi Regresyonun Anlamlılığının Testi Belirlilik Katsayısı Kısmi Regresyon Katsayılarının Testi Ekstra Kareler Toplamı F-testi Genel Doğrusal Hipotezlerin Testi Güven Aralıkları Regresyon Katsayıları İçin Güven Aralıkları Tahmin Değerleri İçin Güven Aralığı Yeni Gözlemler İçin kestirim Aralığı Çoklu Regresyonda Gizli Ekstrapolasyon R DE ÖRNEK UYGULMA MODEL YETERLİLİK ANALİZİ Giriş Artık Analizi Sıradan Artıklar Standartlaştırılmış Artıklar (Standardized Residual) Student Türü Artıklar (Studentized Residual) R-Student Türü Artıklar Silinmiş Artıklar (Deleted Residuals) Artık Grafikleri Uyum Değerlerine Karşın Artıkların Grafikleri Açıklayıcı Değişkenlere Karşın Artıkların Grafikleri Normal Olasılık Grafiği Kısmi Regresyon Artık Grafikleri Aykırı Değerlerin Bulunması ve Giderilmesi Bir Aykırı Değer Testi Tekrarlı Gözlemlerin Analizi Uyum Eksikliği için F-testi Etkili Gözlemlerin İncelenmesi Gözlem Uzaklıkları Cook Uzaklığı (D) DFFITS İstatistiği DFBETAS İstatistiği COVRATIO İstatistiği R DE ÖRNEK UYGULAMA R DE ÖRNEK UYGULAMA-2: Meslek Türleri viii

3 5. KUKLA DEĞİŞKENLİ REGRESYON MODELLERİ Giriş İki Düzey içeren Kukla Değişkenli Model İkiden Çok Düzey İçeren Kukla Değişkenli Model Birden Çok Kukla Değişkenli Model Parçalı Regresyonda Kukla Değişken Kullanımı Sürekli Parçalı Regresyon Kesikli Parçalı Regresyon Zaman Serilerinde Kukla Değişken Kullanımı Mevsimsel Düzeltme Regresyon Katsayıların Kararlılığı Kukla Değişkenlerin Kullanımı Üzerine Görüşler R DE ÖRNEK UYGULAMA: Maaş verileri DEĞİŞEN VARYANS, AĞIRLIKLANDIRMA VE DÖNÜŞTÜRMELER Giriş Değişen Varyanslılık Değişen Varyansın Belirlenmesi Değişen Varyansın Grafiksel Yöntemle İncelenmesi Spearman Sıra Korelasyon Testi Goldfeld-Quandt Testi Glejser Testi Değişen Varyans Durumunda Çözüm Önerileri Ağırlıklı En Küçük Karelerle Parametre Tahmini Dönüştürmeler Model Doğrusallaştırma Dönüştürmeleri Box-Cox Dönüştürme Ailesi R DE ÖNEK UYGULAMA 1: Sigara Tüketimi Verileri R DE UYGULAMA 2: Data03 Verileri OTOKORELASYONLU HATALAR PROBLEMİ Giriş Otokorelasyonun Kaynakları ve Etkileri Otokorelasyonun Belirlenmesi Atık Grafiklerinin İncelenmesi Otokorelasyon için Durbin-Watson Testi : Otokorelasyon Fonksiyonu (ACF) Otokorelasyon İçin Çözüm Önerileri Dönüştürülmüş Değişkenlerin Kullanımı: Cochrane-Orcutt İşlemi Genelleştirilmiş En Küçük Karelerin Kullanımı Bir GLS Modelini OLS Modeline Dönüştürmek İçin Genel bir Yaklaşım Trend ve Mevsimden Arındırma Gecikme ve Fark Alma İşlemi R DE ÖRNEK UYGULMA: Dondurma Tüketimi ix

4 8. ÇOKLU DOĞRUSAL BAĞLANTI SORUNU Giriş Çoklu Doğrusal Bağlantının Kaynakları Çoklu Doğrusal Bağlantının Etkileri Çıkarsama Üzerine Etkileri Öngörü Üzerine Etkileri Çoklu Doğrusal Bağlantının Belirlenmesi Açıklayıcı Değişkenler Arası Basit Korelasyonlar Varyans Büyütme Faktörleri X X Matrisinin Özsistem Analizi Varyans Ayrıştırma Oranları Alternatif Yöntemler Çoklu Bağlantı için Çözüm Önerileri Ek Veri Toplama Modeli Yeniden Tanımlama R DE ÖRNEK UYGULAMA: Krafft verileri DEĞİŞKEN SEÇİMİ VE MODEL KURMA Giriş Değişken Seçiminin En küçük Kareler Üzerine Etkileri Altküme Regresyon Modellerini Değerlendirme Kriterleri R 2 ve (R 2 Adj) Kriteri Mallows un C P Kriteri Hata Kareler Ortalaması Kriteri Akaike Bilgi Kriteri ( AIC ) Düzeltilmiş Akaike Bilgi Kriteri ( AIC C ) Schwarz ın Bayes Bilgi Kriteri ( BIC veya SBC) Çapraz Geçerlilik Kriteri ( CV ) Çoklu Doğrusal Bağlantı ve Değişken Seçme Değişken Seçimi için Hesaplamalı Teknikler Tüm Olası Regresyonlar Değişken Seçme Süreçleri Değişken Seçiminde Son Gelişmeler-LASSO R DE ÖRNEK UYGULMA 1: Köprü İnşaatı Verileri YANLI TAHMİN YÖNTEMLERİ Giriş Ridge Regresyonu SVD ile Ridge Çözümlerinin Hesaplanması Ridge Parametresinin Seçimi Temel Bileşenler Regresyonu Temel Bileşenler Model Parametrelerin Tahmini x

5 Orijinal Değişkenlere Dönüşüm Kısmi En Küçük Kareler Yöntemi Tek Değişkenli PLS R DE ÖRNEK UYGULMA EKLER EK 1: ÇİZELGELER EK 2: R PROGRAMINA İLİŞKİN BAZI EK BİLGİLER E2.1. R ve Kurulumu E2.2. R nin Çalıştırılması E2.3. Paketler E Temel kurulumda yer alan paketler E Temel kurulumda yer almayan paketler E2.4. Bazı komut veya fonksiyonlar ile bunların işlevleri E2.5. Olasılık Dağılımlarından Rassal (random) Sayı Üretme DİZİN KAYNAKLAR xi

2. BASİT DOĞRUSAL REGRESYON 12

2. BASİT DOĞRUSAL REGRESYON 12 1. GİRİŞ 1 1.1 Regresyon ve Model Kurma / 1 1.2 Veri Toplama / 5 1.3 Regresyonun Kullanım Alanları / 9 1.4 Bilgisayarın Rolü / 10 2. BASİT DOĞRUSAL REGRESYON 12 2.1 Basit Doğrusal Regresyon Modeli / 12

Detaylı

İÇİNDEKİLER. BÖLÜM 1 Değişkenler ve Grafikler 1. BÖLÜM 2 Frekans Dağılımları 37

İÇİNDEKİLER. BÖLÜM 1 Değişkenler ve Grafikler 1. BÖLÜM 2 Frekans Dağılımları 37 İÇİNDEKİLER BÖLÜM 1 Değişkenler ve Grafikler 1 İstatistik 1 Yığın ve Örnek; Tümevarımcı ve Betimleyici İstatistik 1 Değişkenler: Kesikli ve Sürekli 1 Verilerin Yuvarlanması Bilimsel Gösterim Anlamlı Rakamlar

Detaylı

3 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI

3 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI ÖNSÖZ İÇİNDEKİLER III Bölüm 1 İSTATİSTİK ve SAYISAL BİLGİ 11 1.1 İstatistik ve Önemi 12 1.2 İstatistikte Temel Kavramlar 14 1.3 İstatistiğin Amacı 15 1.4 Veri Türleri 15 1.5 Veri Ölçüm Düzeyleri 16 1.6

Detaylı

Doç. Dr. Dilek ALTAŞ İSTATİSTİKSEL ANALİZ

Doç. Dr. Dilek ALTAŞ İSTATİSTİKSEL ANALİZ I Doç. Dr. Dilek ALTAŞ İSTATİSTİKSEL ANALİZ II Yayın No : 2845 Teknik Dizisi : 158 1. Baskı Şubat 2013 İSTANBUL ISBN 978-605 - 377 868-4 Copyright Bu kitabın bu basısı için Türkiye deki yayın hakları BETA

Detaylı

3. TAHMİN En Küçük Kareler (EKK) Yöntemi 1

3. TAHMİN En Küçük Kareler (EKK) Yöntemi 1 3. TAHMİN 3.1. En Küçük Kareler (EKK) Yöntemi 1 En Küçük Kareler (EKK) yöntemi, regresyon çözümlemesinde en yaygın olarak kullanılan, daha sonra ele alınacak bazı varsayımlar altında çok aranan istatistiki

Detaylı

Matris Cebiriyle Çoklu Regresyon Modeli

Matris Cebiriyle Çoklu Regresyon Modeli Matris Cebiriyle Çoklu Regresyon Modeli Hüseyin Taştan Mart 00 Klasik Regresyon Modeli k açıklayıcı değişkenden oluşan regresyon modelini her gözlem i için aşağıdaki gibi yazabiliriz: y i β + β x i + β

Detaylı

8. BÖLÜM: DEĞİŞEN VARYANS

8. BÖLÜM: DEĞİŞEN VARYANS 8. BÖLÜM: DEĞİŞEN VARYANS Bu bölümde; Değişen Varyans Tespiti için Grafik Çizme Değişen Varyans Testi: Park Testi Değişen Varyans Testi: White Testi Değişen Varyans Probleminin Çözümü: Ağırlıklandırılmış

Detaylı

1: DENEYLERİN TASARIMI VE ANALİZİ...

1: DENEYLERİN TASARIMI VE ANALİZİ... İÇİNDEKİLER Bölüm 1: DENEYLERİN TASARIMI VE ANALİZİ... 1 1.1. Deneyin Stratejisi... 1 1.2. Deneysel Tasarımın Bazı Tipik Örnekleri... 11 1.3. Temel Kurallar... 16 1.4. Deneyleri Tasarlama Prensipleri...

Detaylı

SPSS Uygulamalı Çok Değişkenli İstatistik Teknikleri

SPSS Uygulamalı Çok Değişkenli İstatistik Teknikleri ÖNSÖZ Gerçekte herhangi bir olguyu etkileyen dinamikler çok karmaşıktır ve her alanda olayların akışını etkileyen faktörler çok sayıda (genellikle sonsuz sayıda) özellik tarafından belirlendiğinden çok

Detaylı

(AYIRIM) DENLİ. Emre KUZUGÜDENL. Doç.Dr.Serdar CARUS

(AYIRIM) DENLİ. Emre KUZUGÜDENL. Doç.Dr.Serdar CARUS DİSKRİMİNANT ANALİZİ (AYIRIM) Emre KUZUGÜDENL DENLİ Doç.Dr.Serdar CARUS Bu analiz ile; Bir bireyin hangi gruptan geldiği (p değişkeni kullanarak, bireyi uygun bir gruba atar ) Her bir değişkenin atama

Detaylı

Prof. Dr. Özkan ÜNVER Prof. Dr. Hamza GAMGAM Doç. Dr. Bülent ALTUNKAYNAK SPSS UYGULAMALI TEMEL İSTATİSTİK YÖNTEMLER

Prof. Dr. Özkan ÜNVER Prof. Dr. Hamza GAMGAM Doç. Dr. Bülent ALTUNKAYNAK SPSS UYGULAMALI TEMEL İSTATİSTİK YÖNTEMLER Prof. Dr. Özkan ÜNVER Prof. Dr. Hamza GAMGAM Doç. Dr. Bülent ALTUNKAYNAK SPSS UYGULAMALI TEMEL İSTATİSTİK YÖNTEMLER Gözden Geçirilmiş ve Genişletilmiş 8. Baskı Frekans Dağılımları Varyans Analizi Merkezsel

Detaylı

İçindekiler vii Yazarların Ön Sözü xiii Çevirenin Ön Sözü xiv Teşekkürler xvi Semboller Listesi xvii. Ölçme, İstatistik ve Araştırma...

İçindekiler vii Yazarların Ön Sözü xiii Çevirenin Ön Sözü xiv Teşekkürler xvi Semboller Listesi xvii. Ölçme, İstatistik ve Araştırma... İçindekiler İçindekiler vii Yazarların Ön Sözü xiii Çevirenin Ön Sözü xiv Teşekkürler xvi Semboller Listesi xvii BÖLÜM 1 Ölçme, İstatistik ve Araştırma...1 Ölçme Nedir?... 3 Ölçme Süreci... 3 Değişkenler

Detaylı

A. Regresyon Katsayılarında Yapısal Kırılma Testleri

A. Regresyon Katsayılarında Yapısal Kırılma Testleri A. Regresyon Katsayılarında Yapısal Kırılma Testleri Durum I: Kırılma Tarihinin Bilinmesi Durumu Kırılmanın bilinen bir tarihte örneğin tarihinde olduğunu önceden bilinmesi durumunda uygulanır. Örneğin,

Detaylı

ÜSTEL DÜZLEŞTİRME YÖNTEMİ

ÜSTEL DÜZLEŞTİRME YÖNTEMİ ÜSEL DÜLEŞİRME YÖNEMİ ÜSEL DÜLEŞİRME YÖNEMİ Bu bölüme kadar anlatılan yöntemler zaman içinde değişmeyen parametre varsayımına uygun serilerin tahminlerinde kullanılmaktaydı. Bu tür seriler deterministik

Detaylı

BÖLÜM-1.BİLİM NEDİR? Tanımı...1 Bilimselliğin Ölçütleri...2 Bilimin İşlevleri...3

BÖLÜM-1.BİLİM NEDİR? Tanımı...1 Bilimselliğin Ölçütleri...2 Bilimin İşlevleri...3 KİTABIN İÇİNDEKİLER BÖLÜM-1.BİLİM NEDİR? Tanımı...1 Bilimselliğin Ölçütleri...2 Bilimin İşlevleri...3 BÖLÜM-2.BİLİMSEL ARAŞTIRMA Belgesel Araştırmalar...7 Görgül Araştırmalar Tarama Tipi Araştırma...8

Detaylı

Kukla Değişken Nedir?

Kukla Değişken Nedir? Kukla Değişken Nedir? Cinsiyet, eğitim seviyesi, meslek, din, ırk, bölge, tabiiyet, savaşlar, grevler, siyasi karışıklıklar (=darbeler), iktisat politikasındaki değişiklikler, depremler, yangın ve benzeri

Detaylı

İstatistik ve Olasılık

İstatistik ve Olasılık İstatistik ve Olasılık KORELASYON ve REGRESYON ANALİZİ Doç. Dr. İrfan KAYMAZ Tanım Bir değişkenin değerinin diğer değişkendeki veya değişkenlerdeki değişimlere bağlı olarak nasıl etkilendiğinin istatistiksel

Detaylı

ÇOKLU REGRESYON ANALİZİNDE VARSAYIMLARDAN SAPMALARIN İNCELENMESİ

ÇOKLU REGRESYON ANALİZİNDE VARSAYIMLARDAN SAPMALARIN İNCELENMESİ ÇOKLU REGRESYON ANALİZİNDE VARSAYIMLARDAN SAPMALARIN İNCELENMESİ 1. ÇOKLU REGRESYON ANALİZİ VE VARSAYIMALARDAN SAPMALAR 1.1. Çoklu Regresyon modeli Varsayımları 1.2. Tahmincilerin anlamlılığının sınanması

Detaylı

KUKLA DEĞİŞKENLİ MODELLER

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

Detaylı

İSTATİSTİK BÖLÜMÜ DERS İÇERİKLERİ (2009 2010)

İSTATİSTİK BÖLÜMÜ DERS İÇERİKLERİ (2009 2010) İSTATİSTİK BÖLÜMÜ DERS İÇERİKLERİ (2009 2010) BİRİNCİ YIL Güz Dönemi (1. Yarıyıl) STAT 101 Temel İstatistik I (3 2 4) İstatistik bilimi. Verilerin görsel sunumu. Frekans tablosu oluşturma. Gövde yaprak

Detaylı

DOĞRUSAL ZAMAN SERİSİ MODELLERİ. Durağan ARIMA Modelleri: Otoregresiv Modeller AR(p) Süreci

DOĞRUSAL ZAMAN SERİSİ MODELLERİ. Durağan ARIMA Modelleri: Otoregresiv Modeller AR(p) Süreci DOĞRUSAL ZAMAN SERİSİ MODELLERİ Durağan ARIMA Modelleri: Otoregresiv Modeller AR(p) Süreci Tek Değişkenli Zaman Serisi Modelleri Ekonomik verilerin analizi ile ekonomik değişkenlerin gelecekte alabilecekleri

Detaylı

Bu örnekte kullanılan veri 200 gözleme sahiptir ve örnek için özel olarak oluşturulmuştur.

Bu örnekte kullanılan veri 200 gözleme sahiptir ve örnek için özel olarak oluşturulmuştur. Değişen Varyans Örnek Bu örnekte kullanılan veri 200 gözleme sahiptir ve örnek için özel olarak oluşturulmuştur. 1 Aşağıda yer alan denklemi tahmin edelim; y i = β 0 + β 1 x 1i + β 2 x 2i + u i EViews

Detaylı

1 PAZARLAMA ARAŞTIRMASI

1 PAZARLAMA ARAŞTIRMASI İÇİNDEKİLER ÖNSÖZ III Bölüm 1 PAZARLAMA ARAŞTIRMASI 11 1.1. Pazarlama Araştırması Kavramı ve Kapsamı 12 1.2. Pazarlama Araştırmasının Tarihçesi 14 1.3. Pazarlama Araştırması Pazarlama Bilgi Sistemi ve

Detaylı

7.Ders Bazı Ekonometrik Modeller. Đktisat (ekonomi) biliminin bir kavramı: gayrisafi milli hasıla.

7.Ders Bazı Ekonometrik Modeller. Đktisat (ekonomi) biliminin bir kavramı: gayrisafi milli hasıla. 7.Ders Bazı Ekonometrik Modeller Đktisat (ekonomi) biliminin bir kavramı: gayrisafi milli hasıla. Kaynak: TÜĐK dönemler gayri safi yurt içi hasıla düzeyi 1987-1 8680793 1987-2 9929354 1987-3 13560135 1987-4

Detaylı

2. REGRESYON ANALİZİNİN TEMEL KAVRAMLARI Tanım

2. REGRESYON ANALİZİNİN TEMEL KAVRAMLARI Tanım 2. REGRESYON ANALİZİNİN TEMEL KAVRAMLARI 2.1. Tanım Regresyon analizi, bir değişkenin başka bir veya daha fazla değişkene olan bağımlılığını inceler. Amaç, bağımlı değişkenin kitle ortalamasını, açıklayıcı

Detaylı

İçindekiler. I Varyans Analizi (ANOVA) 1. Önsöz. Simgeler ve Kısaltmalar Dizini

İçindekiler. I Varyans Analizi (ANOVA) 1. Önsöz. Simgeler ve Kısaltmalar Dizini İçindekiler Önsöz Simgeler ve Kısaltmalar Dizini v xv I Varyans Analizi (ANOVA) 1 1 Varyans Analizine Giriş 3 1.1 TemelKavramlar... 3 1.2 Deney Tasarımının Temel İlkeleri... 5 1.2.1 Bloklama... 5 1.2.2

Detaylı

MURAT EĞİTİM KURUMLARI

MURAT EĞİTİM KURUMLARI 2013 KPSS de Testlerin Kapsamları Değişti ÖSYM tarafından yapılan açıklamaya göre 2013 KPSS de uygulanacak testlerin içeriğinde bir takım değişiklikler yapıldı. Bu değişikler başta Genel Yetenek - Genel

Detaylı

Editörler Prof.Dr. Ömer Yılmaz & Doç.Dr. Nihat Işık EKONOMETRİ

Editörler Prof.Dr. Ömer Yılmaz & Doç.Dr. Nihat Işık EKONOMETRİ Editörler Prof.Dr. Ömer Yılmaz & Doç.Dr. Nihat Işık EKONOMETRİ Yazarlar Prof. Dr. Hüseyin Özer Prof.Dr. Murat Karagöz Doç.Dr. H. Bayram Işık Doç.Dr. Mustafa Kemal Beşer Doç.Dr. Nihat Işık Doç.Dr. Selçuk

Detaylı

YABANCI DİL EĞİTİMİ VEREN ÖZEL BİR EĞİTİM KURUMUNDAKİ ÖĞRENCİLERİN BEKLENTİLERİNİN ARAŞTIRILMASI. Sibel SELİM 1 Efe SARIBAY 2

YABANCI DİL EĞİTİMİ VEREN ÖZEL BİR EĞİTİM KURUMUNDAKİ ÖĞRENCİLERİN BEKLENTİLERİNİN ARAŞTIRILMASI. Sibel SELİM 1 Efe SARIBAY 2 Dokuz Eylül Üniversitesi Sosyal Bilimler Enstitüsü Dergisi Cilt 5, Sayı:2, 2003 YABANCI DİL EĞİTİMİ VEREN ÖZEL BİR EĞİTİM KURUMUNDAKİ ÖĞRENCİLERİN BEKLENTİLERİNİN ARAŞTIRILMASI Sibel SELİM 1 Efe SARIBAY

Detaylı

Kullanılacak İstatistikleri Belirleme Ölçütleri. Değişkenin Ölçek Türü ya da Yapısı

Kullanılacak İstatistikleri Belirleme Ölçütleri. Değişkenin Ölçek Türü ya da Yapısı ARAŞTIRMA MODELLİLERİNDE KULLANILACAK İSTATİSTİKLERİ BELİRLEME ÖLÇÜTLERİ Parametrik mi Parametrik Olmayan mı? Kullanılacak İstatistikleri Belirleme Ölçütleri Değişken Sayısı Tek değişkenli (X) İki değişkenli

Detaylı

SIRADAN EN KÜÇÜK KARELER (OLS)

SIRADAN EN KÜÇÜK KARELER (OLS) SIRADAN EN KÜÇÜK KARELER (OLS) YÖNTEMİNİN ASİMPTOTİK ÖZELLİKLERİ Hüseyin Taştan 1 1 Yıldız Teknik Üniversitesi İktisat Bölümü Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge

Detaylı

OLS Yönteminin Asimptotik (Büyük Örneklem) Özellikleri SIRADAN EN KÜÇÜK KARELER (OLS) Asimptotik Özellikler: Tutarlılık. Asimptotik Özellikler

OLS Yönteminin Asimptotik (Büyük Örneklem) Özellikleri SIRADAN EN KÜÇÜK KARELER (OLS) Asimptotik Özellikler: Tutarlılık. Asimptotik Özellikler 1 SIRADAN EN KÜÇÜK KARELER (OLS) YÖNTEMİNİN ASİMPTOTİK ÖZELLİKLERİ Hüseyin Taştan 1 1 Yıldız Teknik Üniversitesi İktisat Bölümü Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge

Detaylı

Örnek. Aşağıdaki veri setlerindeki X ve Y veri çiftlerini kullanarak herbir durumda X=1,5 için Y nin hangi değerleri alacağını hesaplayınız.

Örnek. Aşağıdaki veri setlerindeki X ve Y veri çiftlerini kullanarak herbir durumda X=1,5 için Y nin hangi değerleri alacağını hesaplayınız. Örnek Aşağıdaki veri setlerindeki X ve Y veri çiftlerini kullanarak herbir durumda X=1,5 için Y nin hangi değerleri alacağını hesaplayınız. i. ii. X 1 2 3 4 1 2 3 4 Y 2 3 4 5 4 3 2 1 Örnek Aşağıdaki veri

Detaylı

KUKLA DEĞİŞKENLİ MODELLERDE KANTİTATİF DEĞİŞKEN SAYISININ İKİ SINIF İÇİN FARKLI OLMASI DURUMU

KUKLA DEĞİŞKENLİ MODELLERDE KANTİTATİF DEĞİŞKEN SAYISININ İKİ SINIF İÇİN FARKLI OLMASI DURUMU KUKLA DEĞİŞKENLİ MODELLERDE KANTİTATİF DEĞİŞKEN SAYISININ İKİ SINIF İÇİN FARKLI OLMASI DURUMU.HAL: Sabit Terimlerin Farklı Eğimlerin Eşit olması Yi = b+ b2di + b3xi + ui E(Y Di =,X i) = b + b3xi E(Y Di

Detaylı

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. ed., 2002, Thomson Learning. Ch. 5: SEKK (OLS) nin Asimptotik Özellikleri

Detaylı

ALIŞTIRMA 2 GSYİH. Toplamsal Ayrıştırma Yöntemi

ALIŞTIRMA 2 GSYİH. Toplamsal Ayrıştırma Yöntemi ALIŞTIRMA 2 GSYİH Bu çalışmamızda GSYİH serisinin toplamsal ve çarpımsal ayrıştırma yöntemine göre modellenip modellenemeyeceği incelenecektir. Seri ilk olarak toplamsal ayrıştırma yöntemine göre analiz

Detaylı

UYGULAMALAR. Normal Dağılımlılık

UYGULAMALAR. Normal Dağılımlılık UYGULAMALAR EKONOMETRİYE GİRİŞ 0.01.008 1 Normal Dağılımlılık Amerika da 195-1941 yılları arasında sığır eti fiyatı ile kişi başı sığır eti tüketimi arasındaki ilişki incelenmiş ve aşağıdaki sonuç bulunmuştur.

Detaylı

İçindekiler. Pazarlama Araştırmalarının Önemi

İçindekiler. Pazarlama Araştırmalarının Önemi İçindekiler Birinci Bölüm Pazarlama Araştırmalarının Önemi 1.1. PAZARLAMA ARAŞTIRMALARININ TANIMI VE ÖNEMİ... 1 1.2. PAZARLAMA ARAŞTIRMASI İŞLEVİNİN İŞLETME ORGANİZASYONU İÇİNDEKİ YERİ... 5 1.3. PAZARLAMA

Detaylı

Dayanıklı İstatistiksel Yöntemler ve R Uygulamaları

Dayanıklı İstatistiksel Yöntemler ve R Uygulamaları ÖZLEM YORULMAZ Dayanıklı İstatistiksel Yöntemler ve R Uygulamaları İstanbul - 2016 Beta Yayın No : 3440 İşletme Ekonomi Dizisi : 825 1. Baskı - Kasım 2016 - İSTANBUL ISBN 978-605 - 333-769 -0 Copyright

Detaylı

ZAMAN SERİLERİNDE REGRESYON ANALİZİ

ZAMAN SERİLERİNDE REGRESYON ANALİZİ ZAMAN SERİLERİNDE REGRESYON ANALİZİ 1 1. GİRİŞ Trent, serinin genelinde yukarıya ya da aşağıya doğru olan hareketlere denmektedir. Bu hareket bazen düz bir doğru şeklinde olmaktadır. Bu tür harekete sahip

Detaylı

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

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

Detaylı

ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ

ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ Hasan ERTAŞ ÇOKLU LİNEER REGRESYONDA SAPAN DEĞERLERİN BELİRLENMESİ İÇİN TANILAMA ÖLÇÜLERİ İSTATİSTİK ANABİLİM DALI ADANA, 2011 ÖZ YÜKSEK

Detaylı

Ekonometri 1 Ders Notları

Ekonometri 1 Ders Notları Ekonometri 1 Ders Notları A. TALHA YALTA TÜRKİYE BİLİMLER AKADEMİSİ AÇIK DERS MALZEMELERİ PROJESİ SÜRÜM 2.0 EKİM 2011 İçindekiler 1 İstatistiksel Kavramların Gözden Geçirilmesi 1 1.1 Anlamlı Basamaklar

Detaylı

9. ARDIŞIK BAĞIMLILIK SORUNU (AUTOCORRELATION) 9.1. Ardışık Bağımlılık Sorunu Nedir?

9. ARDIŞIK BAĞIMLILIK SORUNU (AUTOCORRELATION) 9.1. Ardışık Bağımlılık Sorunu Nedir? 9. ARDIŞIK BAĞIMLILIK SORUNU (AUTOCORRELATION) 9.1. Ardışık Bağımlılık Sorunu Nedir? Ardışık bağımlılık sorunu, hata terimleri arasında ilişki olmadığı (E(u i,u j ) = 0, i j) varsayımının geçerli olmamasıdır.

Detaylı

BÖLÜM EN KÜÇÜK KARELER REGRESYONUNDA KARŞILAŞILAN PROBLEMLER

BÖLÜM EN KÜÇÜK KARELER REGRESYONUNDA KARŞILAŞILAN PROBLEMLER BÖLÜM 10 10. EN KÜÇÜK KARELER REGRESYONUNDA KARŞILAŞILAN PROBLEMLER En küçük kareler yöntemi, hataların eklenebilir, sabit varyansa sahip ve birbirinden bağımsız normal dağılış gösteren şans değişkenleri

Detaylı

TABLO-1 KPSS DE UYGULANACAK TESTLERİN KAPSAMLARI Yaklaşık Ağırlığı Genel Yetenek

TABLO-1 KPSS DE UYGULANACAK TESTLERİN KAPSAMLARI Yaklaşık Ağırlığı Genel Yetenek TABLO-1 KPSS DE UYGULANACAK TESTLERİN KAPSAMLARI Yaklaşık Ağırlığı Genel Yetenek Yaklaşık Ağırlığı 1) Sözel Bölüm %50 2) Sayısal Bölüm %50 Sözel akıl yürütme (muhakeme) becerilerini, dil bilgisi ve yazım

Detaylı

ZAMAN SERİLERİNDE AYRIŞTIRMA YÖNTEMLERİ

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

Detaylı

Editörler Yrd.Doç.Dr.Aysen Şimşek Kandemir &Yrd.Doç.Dr.Tahir Benli İSTATİSTİK

Editörler Yrd.Doç.Dr.Aysen Şimşek Kandemir &Yrd.Doç.Dr.Tahir Benli İSTATİSTİK Editörler Yrd.Doç.Dr.Aysen Şimşek Kandemir &Yrd.Doç.Dr.Tahir Benli İSTATİSTİK Yazarlar Yrd.Doç.Dr.Nizamettin Erbaş Yrd.Doç.Dr.Tuğba Altıntaş Dr.Yeliz Sevimli Saitoğlu A. Zehra Çelenli Başaran Azize Sağır

Detaylı

Appendix B: Olasılık ve Dağılım Teorisi

Appendix B: Olasılık ve Dağılım Teorisi Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Notları Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix B: Olasılık ve Dağılım

Detaylı

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix B: Olasılık ve Dağılım Teorisi

Detaylı

ÖRNEK BULGULAR. Tablo 1: Tanımlayıcı özelliklerin dağılımı

ÖRNEK BULGULAR. Tablo 1: Tanımlayıcı özelliklerin dağılımı BULGULAR Çalışma tarihleri arasında Hastanesi Kliniği nde toplam 512 olgu ile gerçekleştirilmiştir. Olguların yaşları 18 ile 28 arasında değişmekte olup ortalama 21,10±1,61 yıldır. Olguların %66,4 ü (n=340)

Detaylı

SİSTOLİK KAN BASINCINI ETKİLEYEBİLECEK FAKTÖRLERİN RİDGE REGRESYON ANALİZİ İLE İNCELENMESİ VE ÇOKLU BAĞLANTI PROBLEMİ

SİSTOLİK KAN BASINCINI ETKİLEYEBİLECEK FAKTÖRLERİN RİDGE REGRESYON ANALİZİ İLE İNCELENMESİ VE ÇOKLU BAĞLANTI PROBLEMİ T.C. FIRAT ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ SİSTOLİK KAN BASINCINI ETKİLEYEBİLECEK FAKTÖRLERİN RİDGE REGRESYON ANALİZİ İLE İNCELENMESİ VE ÇOKLU BAĞLANTI PROBLEMİ YÜKSEK LİSANS TEZİ Esra PAMUKÇU Anabilim

Detaylı

KUKLA DEĞİŞKENLİ MODELLER

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

Detaylı

EKONOMETRİ. GRETL Uygulamaları. Prof. Dr. Bülent Miran

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

Detaylı

A İSTATİSTİK. 1. nc r, n tane nesneden her defasında r tanesinin alındığı (sıralama önemsiz) kombinasyonların sayısını göstermektedir.

A İSTATİSTİK. 1. nc r, n tane nesneden her defasında r tanesinin alındığı (sıralama önemsiz) kombinasyonların sayısını göstermektedir. . nc r, n tane nesneden her defasında r tanesinin alındığı (sıralama önemsiz) kombinasyonların sayısını göstermektedir. Buna göre, n C r + n C r toplamı aşağıdakilerden hangisine eşittir? A) n + C r B)

Detaylı

4. TAHMİN SONUÇLARININ DEĞERLENDİRİLMESİ Katsayıların Yorumu

4. TAHMİN SONUÇLARININ DEĞERLENDİRİLMESİ Katsayıların Yorumu 4. TAHMİN SONUÇLARININ DEĞERLENDİRİLMESİ 4.1. Katsayıların Yorumu Y i = β 0 + β 1 X 1i + β X i + + β k X ki + u i gibi çok açıklayıcı değişkene sahip bir modelde, anakütle regresyon fonksiyonu, E(Y i X

Detaylı

14 Ekim 2012. Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge. 1 Yıldız Teknik Üniversitesi

14 Ekim 2012. Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge. 1 Yıldız Teknik Üniversitesi ÇOK DEĞİŞKENLİ REGRESYON ANALİZİ: ÇIKARSAMA Hüseyin Taştan 1 1 Yıldız Teknik Üniversitesi İktisat Bölümü Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge 14 Ekim 2012 Ekonometri

Detaylı

REGRESYON ANALĐZĐ. www.fikretgultekin.com 1

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

Detaylı

TABLO-1 KPSS DE UYGULANACAK TESTLERİN KAPSAMLARI Yaklaşık Ağırlığı Genel Yetenek

TABLO-1 KPSS DE UYGULANACAK TESTLERİN KAPSAMLARI Yaklaşık Ağırlığı Genel Yetenek TABLO-1 KPSS DE UYGULANACAK TESTLERİN KAPSAMLARI Yaklaşık Ağırlığı Genel Yetenek Yaklaşık Ağırlığı 1) Sözel Bölüm 0 2) Sayısal Bölüm 0 Sözel akıl yürütme (muhakeme) becerilerini, dil bilgisi ve yazım kurallarını

Detaylı

ANADOLU ÜNİVERSİTESİ REGRESYON KATSAYILARININ GÜVEN ARALIĞI = + REGRESYON KATSAYILARININ GÜVEN ARALIĞI

ANADOLU ÜNİVERSİTESİ REGRESYON KATSAYILARININ GÜVEN ARALIĞI = + REGRESYON KATSAYILARININ GÜVEN ARALIĞI ANADOLU ÜNİVERSİTESİ Deney Tasarımı ve Regresyon Analizi Regresyonda Güven Aralıkları ve Hipotez Testleri Doç. Dr. Nihal ERGİNEL-2015 REGRESYON KATSAYILARININ GÜVEN ARALIĞI + in güven aralığı : i-) n 30

Detaylı

Yrd. Doç. Dr. Mehmet Güçlü

Yrd. Doç. Dr. Mehmet Güçlü Dersin Adı DERS ÖĞRETİM PLANI Ekonometri I Dersin Kodu ECO 301 Dersin Türü (Zorunlu, Seçmeli) Dersin Seviyesi (Ön Lisans, Lisans, Yüksek Lisans, Doktora) Dersin AKTS Kredisi 6 Haftalık Ders Saati 4 Haftalık

Detaylı

Hatalar Bilgisi ve İstatistik Ders Kodu: Kredi: 3 / ECTS: 5

Hatalar Bilgisi ve İstatistik Ders Kodu: Kredi: 3 / ECTS: 5 Ders Kodu: 0010070021 Kredi: 3 / ECTS: 5 Yrd. Doç. Dr. Serkan DOĞANALP Necmettin Erbakan Üniversitesi Harita Mühendisliği Bölümü Konya 07.01.2015 1 Giriş 2 Giriş Matematiksel istatistiğin konusu yığın

Detaylı

KORELASYON VE REGRESYON ANALİZİ. Doç. Dr. Bahar TAŞDELEN

KORELASYON VE REGRESYON ANALİZİ. Doç. Dr. Bahar TAŞDELEN KORELASYON VE REGRESYON ANALİZİ Doç. Dr. Bahar TAŞDELEN Günlük hayattan birkaç örnek Gelişim dönemindeki bir çocuğun boyu ile kilosu arasındaki ilişki Bir ailenin tükettiği günlük ekmek sayısı ile ailenin

Detaylı

ZAMAN SERİSİ REGRESYONLARINDA ARDIŞIK

ZAMAN SERİSİ REGRESYONLARINDA ARDIŞIK ZAMAN SERİSİ REGRESYONLARINDA ARDIŞIK BAĞINTI ve DEĞİŞEN VARYANS Hüseyin Taştan 1 1 Yıldız Teknik Üniversitesi İktisat Bölümü Ders Kitabı: Introductory Econometrics: A Modern Approach (4th ed.) J. Wooldridge

Detaylı

HATA VE HATA KAYNAKLARI...

HATA VE HATA KAYNAKLARI... İÇİNDEKİLER 1. GİRİŞ... 1 1.1 Giriş... 1 1.2 Sayısal Analizin İlgi Alanı... 2 1.3 Mühendislik Problemlerinin Çözümü ve Sayısal Analiz... 2 1.4 Sayısal Analizde Bilgisayarın Önemi... 7 1.5 Sayısal Çözümün

Detaylı

Zaman Serileri Verileriyle Regresyon Analizinde Ardışık ZAMAN SERİSİ REGRESYONLARINDA

Zaman Serileri Verileriyle Regresyon Analizinde Ardışık ZAMAN SERİSİ REGRESYONLARINDA 1 ZAMAN SERİSİ REGRESYONLARINDA ARDIŞIK BAĞINTI ve DEĞİŞEN VARYANS Hüseyin Taştan 1 1 Yıldız Teknik Üniversitesi İktisat Bölümü Ders Kitabı: Introductory Econometrics: A Modern Approach (4th ed.) J. Wooldridge

Detaylı

KUKLA DEĞİŞKENLİ MODELLER

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

Detaylı

Copyright The McGraw-Hill Companies, Inc. Permission required for reproduction or display. BÖLÜM 7. Adi Diferansiyel Denklemlerin Sayısal Çözümü

Copyright The McGraw-Hill Companies, Inc. Permission required for reproduction or display. BÖLÜM 7. Adi Diferansiyel Denklemlerin Sayısal Çözümü Copyright The McGraw-Hill Companies, Inc. Permission required for reproduction or display. BÖLÜM 7 Adi Diferansiyel Denklemlerin Sayısal Çözümü Copyright The McGraw-Hill Companies, Inc. Permission required

Detaylı

altında ilerde ele alınacaktır.

altında ilerde ele alınacaktır. YTÜ-İktisat İstatistik II Nokta Tahmin Yöntemleri 1 NOKTA TAHMİN YÖNTEMLERİ Şimdiye kadar verilmiş tahmin edicilerin sonlu örneklem ve asimptotik özelliklerini inceledik. Acaba bilinmeyen anakütle parametrelerini

Detaylı

MAK 210 SAYISAL ANALİZ

MAK 210 SAYISAL ANALİZ MAK 210 SAYISAL ANALİZ BÖLÜM 6- İSTATİSTİK VE REGRESYON ANALİZİ Doç. Dr. Ali Rıza YILDIZ 1 İSTATİSTİK VE REGRESYON ANALİZİ Bütün noktalardan geçen bir denklem bulmak yerine noktaları temsil eden, yani

Detaylı

KONULAR. 14 Ekim 2012. Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge. 1 Yıldız Teknik Üniversitesi

KONULAR. 14 Ekim 2012. Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge. 1 Yıldız Teknik Üniversitesi ÇOKLU REGRESYON ANALİZİNDE EK KONULAR Hüseyin Taştan 1 1 Yıldız Teknik Üniversitesi İktisat Bölümü Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge 14 Ekim 2012 Ekonometri

Detaylı

BÖLÜM 6 MERKEZDEN DAĞILMA ÖLÇÜLERİ

BÖLÜM 6 MERKEZDEN DAĞILMA ÖLÇÜLERİ 1 BÖLÜM 6 MERKEZDEN DAĞILMA ÖLÇÜLERİ Gözlenen belli bir özelliği, bu özelliğe ilişkin ölçme sonuçlarını yani verileri kullanarak betimleme, istatistiksel işlemlerin bir boyutunu oluşturmaktadır. Temel

Detaylı

Olasılık ve İstatistiğe Giriş-II (STAT 202) Ders Detayları

Olasılık ve İstatistiğe Giriş-II (STAT 202) Ders Detayları Olasılık ve İstatistiğe Giriş-II (STAT 202) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Saati Uygulama Saati Laboratuar Saati Kredi AKTS Olasılık ve İstatistiğe Giriş-II STAT 202 Bahar 3 0 0 3 5 Ön Koşul

Detaylı

İSTATİSTİKSEL VERİ ANALİZİ

İSTATİSTİKSEL VERİ ANALİZİ İSTATİSTİKSEL VERİ ANALİZİ Prof. Dr. Gül ERGÜN Hacettepe Üniversitesi Kasım 2013 İstatistik Nedir? İSTATİSTİK Belirli bir konuda toplanan sayısal değerlerdir. Buna göre, 2012 yılında Türkiye de kayıtlı

Detaylı

Üretim Süreci: Girdi İşlem Ürün (Sonuç) Araştırma Süreci: Hangi alanda olursa olsun araştırma bir BİLGİ ye ulaşma sürecidir.

Üretim Süreci: Girdi İşlem Ürün (Sonuç) Araştırma Süreci: Hangi alanda olursa olsun araştırma bir BİLGİ ye ulaşma sürecidir. BİYOİSTATİSTİK Üretim Süreci: Girdi İşlem Ürün (Sonuç) Araştırma Süreci: Hangi alanda olursa olsun araştırma bir BİLGİ ye ulaşma sürecidir. Veri Analiz Bilgi El ile ya da birtakım bilgisayar programları

Detaylı

Sürelerine Göre Tahmin Tipleri

Sürelerine Göre Tahmin Tipleri Girişimcilik Bölüm 5: Talep Tahmini scebi@ktu.edu.tr 5.1. Talep Tahmini Tahmin: Gelecek olayları önceden kestirme bilim ve sanatı. İstatistiksel Tahmin: Geçmiş verileri matematiksel modellerde kullanarak

Detaylı

rasgele değişkeninin olasılık yoğunluk fonksiyonu,

rasgele değişkeninin olasılık yoğunluk fonksiyonu, 3.6. Bazı Sürekli Dağılımlar 3.6.1 Normal Dağılım Normal dağılım hem uygulamalı hem de teorik istatistikte kullanılan oldukça önemli bir dağılımdır. Normal dağılımın istatistikte önemli bir yerinin olmasının

Detaylı

ARIMA MODELLERİ KULLANILARAK YAPILAN ENERJİ TÜKETİMİ TAHMİN ÇALIŞMASI

ARIMA MODELLERİ KULLANILARAK YAPILAN ENERJİ TÜKETİMİ TAHMİN ÇALIŞMASI ARIMA MODELLERİ KULLANILARAK YAPILAN ENERJİ TÜKETİMİ TAHMİN ÇALIŞMASI Mehmet KURBAN 1 Ümmühan BAŞARAN FİLİK 2 Sevil ŞENTÜRK 3 1,2 Elektrik ve Elektronik Mühendisliği Bölümü, Mühendislik-Mimarlık Fakültesi,

Detaylı

BAĞIMLI KUKLA DEĞİŞKENLİ MODELLER A- KADININ İŞGÜCÜNE KATILIM MODELİ NİN DOM İLE E-VIEWS DA ÇÖZÜMÜ

BAĞIMLI KUKLA DEĞİŞKENLİ MODELLER A- KADININ İŞGÜCÜNE KATILIM MODELİ NİN DOM İLE E-VIEWS DA ÇÖZÜMÜ BAĞIMLI KUKLA DEĞİŞKENLİ MODELLER A- KADININ İŞGÜCÜNE KATILIM MODELİ NİN DOM İLE E-VIEWS DA ÇÖZÜMÜ Modeldeki değişken tanımları aşağıdaki gibidir: IS= 1 i.kadının bir işi varsa (ya da iş arıyorsa) 0 Diğer

Detaylı

Çoklu Bağlanım Çıkarsama Sorunu

Çoklu Bağlanım Çıkarsama Sorunu Çoklu Bağlanım Çıkarsama Sorunu Diğer Sınama ve Konular Ekonometri 1 Konu 27 Sürüm 2,0 (Ekim 2011) UADMK Açık Lisans Bilgisi İşbu belge, Creative Commons Attribution-Non-Commercial ShareAlike 3.0 Unported

Detaylı

En Yüksek Olabilirlik Yöntemi. İstatistikte, tüm anakütleler kendilerine karşılık gelen bir olasılık dağılımı ile tanımlanırlar.

En Yüksek Olabilirlik Yöntemi. İstatistikte, tüm anakütleler kendilerine karşılık gelen bir olasılık dağılımı ile tanımlanırlar. En Yüksek Olabilirlik Yöntemi İstatistikte, tüm anakütleler kendilerine karşılık gelen bir olasılık dağılımı ile tanımlanırlar. Basit(sıradan) en küçük kareler yöntemi, özünde olasılık dağılımları ile

Detaylı

EAD YBU 2015 BAHAR DÖNEMİ UYGULAMALI EKONOMETRİ EĞİTİM PROGRAMI

EAD YBU 2015 BAHAR DÖNEMİ UYGULAMALI EKONOMETRİ EĞİTİM PROGRAMI EAD YBU 2015 BAHAR DÖNEMİ UYGULAMALI EKONOMETRİ EĞİTİM PROGRAMI Aşağıda iki güne yayılmış olarak sunulmuş olan 6 Eğitim Modülü 21 22 Mart, 11 12 Nisan ve 2 3 Mayıs tarihlerinde Yıldırım Beyazıt Üniversitesi

Detaylı

KPSS LİSANS DA UYGULANAN TESTLERİN KAPSAMLARI

KPSS LİSANS DA UYGULANAN TESTLERİN KAPSAMLARI 2012 - LİSANS DA UYGULANAN TESTLERİN KAPSAMLARI Genel Yetenek 1) Türkçe %50 2) Matematik %50 a) Sözcük bilgisi %5 a) Sayılarla işlem yapma %10 b) Dil bilgisi %10 b) Matematiksel ilişkilerden yararlanma

Detaylı

Zaman Serisi Verileriyle Regresyon Analizi

Zaman Serisi Verileriyle Regresyon Analizi Zaman Serisi Verileriyle Regresyon Analizi Hüseyin Taştan 1 1 Yıldız Teknik Üniversitesi Iktisat Bölümü Textbook: Introductory Econometrics (4th ed.) J. Wooldridge 13 Mart 2013 Ekonometri II: Zaman Serisi

Detaylı

BİLİŞİM TEKNOLOJİLERİ İÇİN İŞLETME İSTATİSTİĞİ

BİLİŞİM TEKNOLOJİLERİ İÇİN İŞLETME İSTATİSTİĞİ SAKARYA ÜNİVERSİTESİ BİLİŞİM TEKNOLOJİLERİ İÇİN İŞLETME İSTATİSTİĞİ Hafta 12 Yrd. Doç. Dr. Halil İbrahim CEBECİ Bu ders içeriğinin basım, yayım ve satış hakları Sakarya Üniversitesi ne aittir. "Uzaktan

Detaylı

RİSK ANALİZİ VE AKTÜERYAL MODELLEME

RİSK ANALİZİ VE AKTÜERYAL MODELLEME SORU 1: Bir hasar sıklığı dağılımının rassal değişken olan ortalaması (0,8) aralığında tekdüze dağılmaktadır. Hasar sıklığı dağılımının Poisson karma dağılıma uyduğu bilindiğine göre 1 ya da daha fazla

Detaylı

Öğrenim Kazanımları Bu programı başarı ile tamamlayan öğrenci;

Öğrenim Kazanımları Bu programı başarı ile tamamlayan öğrenci; Image not found http://bologna.konya.edu.tr/panel/images/pdflogo.png Ders Adı : İSTATİSTİK II Ders No : 0020050027 Teorik : 3 Pratik : 0 Kredi : 3 ECTS : 4 Ders Bilgileri Ders Türü Öğretim Dili Öğretim

Detaylı

TAŞINMAZ DEĞERLEMEDE İSTATİSTİKSEL ANALİZ

TAŞINMAZ DEĞERLEMEDE İSTATİSTİKSEL ANALİZ Taşınmaz Değerlemede İstatistiksel Analiz Taşınmaz Değerleme ve Geliştirme Tezsiz Yüksek Lisans Programı TAŞINMAZ DEĞERLEMEDE İSTATİSTİKSEL ANALİZ 1 Taşınmaz Değerlemede İstatistiksel Analiz İçindekiler

Detaylı

3. BÖLÜM: EN KÜÇÜK KARELER

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

Detaylı

ISTATISTIK VE OLASILIK SINAVI EKİM 2016 WEB SORULARI

ISTATISTIK VE OLASILIK SINAVI EKİM 2016 WEB SORULARI SORU- 1 : ISTATISTIK VE OLASILIK SINAVI EKİM 2016 WEB SORULARI X ve Y birbirinden bağımsız iki rasgele değişken olmak üzere, sırasıyla aşağıdaki moment çıkaran fonksiyonlarına sahiptir: 2 2 M () t = e,

Detaylı

BÖLÜM 1 ÖLÇME VE DEĞERLENDİRMEDE TEMEL KAVRAMLAR

BÖLÜM 1 ÖLÇME VE DEĞERLENDİRMEDE TEMEL KAVRAMLAR İÇİNDEKİLER BÖLÜM 1 ÖLÇME VE DEĞERLENDİRMEDE TEMEL KAVRAMLAR I. Öğretimde Ölçme ve Değerlendirmenin Gerekliliği... 2 II. Ölçme Kavramı... 3 1. Tanımı ve Unsurları... 3 2. Aşamaları... 3 2.1. Ölçülecek

Detaylı

BİYOİSTATİSTİK Uygulama 7 Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH

BİYOİSTATİSTİK Uygulama 7 Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH BİYOİSTATİSTİK Uygulama 7 Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH Ege Üniversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr 1 1. Pearson Korelasyon Katsayısı

Detaylı

REGRESYON. 8.Sunum. Yrd. Doç. Dr. Sedat ŞEN

REGRESYON. 8.Sunum. Yrd. Doç. Dr. Sedat ŞEN REGRESYON 8.Sunum 1 Regresyon Bir önceki sunumda korelasyon kullanarak iki değişken arasındaki ilişkiyi tespit etmeye çalıştık. Bu sunumda iki değişken arasında ilişkiyi göstermenin yanında bir değişkeni

Detaylı

ĐST 474 Bayesci Đstatistik

ĐST 474 Bayesci Đstatistik ĐST 474 Bayesci Đstatistik Ders Sorumlusu: Dr. Haydar Demirhan haydarde@hacettepe.edu.tr Đnternet Sitesi: http://yunus.hacettepe.edu.tr/~haydarde Đçerik: Olasılık kuramının temel kavramları Bazı özel olasılık

Detaylı

1203608-SIMÜLASYON DERS SORUMLUSU: DOÇ. DR. SAADETTIN ERHAN KESEN. Ders No:5 Rassal Değişken Üretimi

1203608-SIMÜLASYON DERS SORUMLUSU: DOÇ. DR. SAADETTIN ERHAN KESEN. Ders No:5 Rassal Değişken Üretimi 1203608-SIMÜLASYON DERS SORUMLUSU: DOÇ. DR. SAADETTIN ERHAN KESEN Ders No:5 RASSAL DEĞIŞKEN ÜRETIMI Bu bölümde oldukça yaygın bir biçimde kullanılan sürekli ve kesikli dağılımlardan örneklem alma prosedürleri

Detaylı

1 Giriş 1. 2 İstatistiksel Teknikler Rehberi: Kitabın Kullanımı 17 İÇİNDEKİLER. Ön Söz xxxi Çeviri Ön Sözü

1 Giriş 1. 2 İstatistiksel Teknikler Rehberi: Kitabın Kullanımı 17 İÇİNDEKİLER. Ön Söz xxxi Çeviri Ön Sözü İÇİNDEKİLER Ön Söz xxxi Çeviri Ön Sözü xxxiii 1 Giriş 1 1.1 Niçin Çok Değişkenli İstatistikler? 1 1.1.1 Çok Değişkenli İstatistiklerin Alanı: Bağımlı ve Bağımsız Değişken Sayıları 1 1.1.2 Deneysel ve Deneysel

Detaylı

H.Ü. Bilgi ve Belge Yönetimi Bölümü BBY 208 Sosyal Bilimlerde Araştırma Yöntemleri II (Bahar 2012) SPSS Ders Notları II (19 Nisan 2012)

H.Ü. Bilgi ve Belge Yönetimi Bölümü BBY 208 Sosyal Bilimlerde Araştırma Yöntemleri II (Bahar 2012) SPSS Ders Notları II (19 Nisan 2012) H.Ü. Bilgi ve Belge Yönetimi Bölümü BBY 208 Sosyal Bilimlerde Araştırma Yöntemleri II (Bahar 2012) SPSS Ders Notları II (19 Nisan 2012) Aşağıdaki analizlerde lise öğrencileri veri dosyası kullanılmıştır.

Detaylı

ÇOK DEĞĐŞKENLĐ ĐSTATĐSTĐKLERĐN ARAŞTIRMALARDA KULLANIMI

ÇOK DEĞĐŞKENLĐ ĐSTATĐSTĐKLERĐN ARAŞTIRMALARDA KULLANIMI ÇOK DEĞĐŞKENLĐ ĐSTATĐSTĐKLERĐN ARAŞTIRMALARDA KULLANIMI Araştırmalarda incelenen olaylar göstermektedir ki tek değişkenli istatistiklerin kullanılması problemi açıklamakta yetersiz ve eksik kalmaktadır.

Detaylı

Hipotez Testleri. Mühendislikte İstatistik Yöntemler

Hipotez Testleri. Mühendislikte İstatistik Yöntemler Hipotez Testleri Mühendislikte İstatistik Yöntemler Hipotez Testleri Parametrik Testler ( z ve t testleri) Parametrik Olmayan Testler (χ 2 Testi) Hipotez Testleri Ana Kütle β( µ, σ ) Örnek Kütle b ( µ

Detaylı

11. BÖLÜM: EŞANLI DENKLEM SİSTEMLERİ

11. BÖLÜM: EŞANLI DENKLEM SİSTEMLERİ 11. BÖLÜM: EŞANLI DENKLEM SİSTEMLERİ Bu bölümde; Yapısal denklemleri kullanarak vergiler ve net ihracatın zaman serilerini oluşturma EKK ile CO tahmini EViews TSLS metodu ile iki aşamalı EKK regresyon

Detaylı