Nedensel Modeller Y X X X
|
|
- Deniz Sezer
- 6 yıl önce
- İzleme sayısı:
Transkript
1 Tahmin Yöntemleri
2 Nedensel Modeller X 1, X 2,...,X n şeklinde tanımlanan n değişkenin Y ile ilgili olmakta; Y=f(X 1, X 2,...,X n ) şeklinde bir Y fonksiyonu tanımlanmaktadır. Fonksiyon genellikle aşağıdaki şekilde verilir (Ekonometrik modeller için): Y X X X n n Burada 1,..., n katsayılardır. Bu katsayıların belirlenmesinde en yaygın olarak kullanılan yöntem en küçük kareler yöntemidir. 1
3 Örnek 1 YIL x i y i YIL x i y i x i ile hane başına gelir y i ile de satışlar gösterilmiştir. 2
4 Örnek 1 Amaç y i =+x i doğrusunun tespit edilmesidir. Bunun için ve nın tahminleri olan a ve b en küçük kareler yöntemi ile tahmin edilmeye çalışılır. b 1 n 1 n x x y i 2 i a y bx i nxy n x 2 y a bx y 1922,39 0,3815x x y (tahmin) , , ,928 3
5 Doğrusal Regresyon Regresyon kullanılarak yapılan tahminin iyi bir tahmin olması için nedensellik ilişkisi kurulan bağımlı ve bağımsız değişkenler arasında regresyonun açıklama gücünün yüksek olması gerekir. Bunun tespiti için aşağıdaki tanımlamalar yapılır: BKT RKT HKT n i1 n i1 n i1 e y i yˆ i 2 i y y 2 2 Bütün Kareler Toplamı Regresyon Kareleri Toplamı Hata Kareleri Toplamı BKT RKT HKT R 2 RKT BKT 2 0 R 1 HKT =1- BKT 4
6 Örnek 1 Örneğimizde R 2 değeri; 2 HKT R 1 1 0,919 0,92 BKT BKT RKT HKT Bu değerin anlamı; y i lerin %92 si, x i ler ile açıklanabilmektedir. Bu açıklama hayli başarılıdır. 5
7 Zaman Serileri Zaman serisi, ilgilenilen bir büyüklüğün (ekonomik veya fiziksel) zaman içinde sıralanmış ölçümlerinin (geçmişteki) bir kümesi olarak tanımlanır. Çoğunlukla kullanılan zaman serisi biçimleri: Trend (eğilim) Dönemsellik Döngüler Rasgelelik 6
8 Talep Talep Talep Talep Zaman Serileri Rasgelelik Artan doğrusal trend Zaman Zaman Eğrisel Kareli, üstel Dönemsel, doğrusal Zaman Zaman 7
9 Notasyonları Dönemler : 1,2,,t, Talepler : D 1,D 2,,D t, t. dönemde tahmin çalışması yapılıyor ise D t ve D t-1, dönemleri gözlenmiş, D t+1 dönemi ise henüz gözlenmemiştir. Bir tahmin iki dönemin tanımlanmasını gerektirir: Tahminin yapıldığı dönem ve Tahmin edilen dönem. 8
10 Buna göre; Notasyonları F t,t+ : t.dönemde tahmin çalışmasının yapıldığı, (t+).dönemin ise tahmin edildiğini gösterir. değeri 1,2,3, gibi değerler alır ve tahmin ufku olarak adlandırılır. Genellikle bir dönem sonraki dönem tahmin edilmeye çalışılacağından; F t =F t-1,t 9
11 Notasyonları Zaman serisi yöntemleri gelecek değerlerin tahmin edilmesinde geçmiş verileri kullandığından birçok yöntem için aşağıdaki eşitlik yazılabilir: F a D a, a,... ağırlık setleriiçin. t, t n tn 0 1 n0 10
12 Tahminin Duyarlılığı Öncelikle t.dönemdeki tahmin hatası e t nin nasıl hesaplandığını görelim: Çoklu adım sonrası için; e t =F t-,t -D t Tek adım sonrası için aynı formül; e t =F t -D t şekline dönüşür. e 1, e 2,..., e n ile n dönem için her bir dönemde yapılan tahmin hatası gösterilsin. 11
13 Tahminin Duyarlılığı Tahminin etkinliğinin gösterilmesinde iki önemli gösterge bulunur. Bunlar; MAD : Ortalama Mutlak Sapma (Mean Absolute Deviation) MSE : Ortalama Hatanın Karesi (Mean Squared Error) n 1 1 MAD e MSE n i i1 n i1 n e 2 i 12
14 Tahminin Duyarlılığı MAD yöntemi, kare almaya gerek olmadığı için genellikle tercih edilen bir yöntemdir. Ayrıca genellikle kabul gördüğü gibi tahmin hatalarının normal dağıldığı kabulünden hareketle tahmin hatasının standart sapması e MAD ın yaklaşık 1,25 katıdır. MAD ve MSE haricinde yaygın olarak kullanılan bir diğer tahmin etkinlik ölçüsü de MAPE yani Ortalama Mutlak Hata Yüzdesi dir. (Mean Absolute Percentage Error). n 1 e i MAPE *100 n i1 Di 13
15 Örnek 2 DDR ram üreten bir firmanın iki üretim merkezi vardır. Üretim merkezleri yöneticilerinden 6 hafta boyunca tek adımlık tahminler yapması istenmiştir. Elde edilen sonuçlar aşağıda sunulmuştur. Hangi yönetici daha etkili bir tahminde bulunmuştur? Hafta P1 O1 P2 O
16 Örnek 2 MAD, MSE ve MAPE için hesaplanan sonuçlar aşağıda verilmiştir. Yön1 Yön2 MAD 2,8333 3,0000 MSE 13, ,6667 MAPE 0,0325 0,0336 Neden MSE farklı? 15
17 Tahminin Duyarlılığı Tahminlerin taraflı (biased) olmaması istenir. Matematiksel olarak E(e i )=0 şeklinde gösterilir. Bu durum yapılan tahmin hatalarının sıfırın altında ve üstünde dalgalanmasını gerektirir Rasgele Taraflı 16
18 Problem 1 Aşağıda bilgisayarlar için Blu-Ray sürücü üreten bir firmanın geçmiş 12 haftalık satışları verilmiştir. Hafta Satış Buna göre; Tek adım sonrası için 3. haftadan 12.haftaya kadar tahminleri yapınız. (Tahminler en son iki dönemin ortalaması şeklinde yapılacaktır.) Tahmin hatalarını hesaplayınız. MAD, MSE ve MAPE nin değerini hesaplayınız. 17
19 Problem 2 Aşağıda iki farklı tahmin yöntemi ile elde edilen tahmin sonuçları ile gerçekleşen veriler verilmiştir. Buna göre hangi yöntemin daha etkili olduğunu MAD, MSE ve MAPE kullanarak bulunuz. Sonuçları yorumlayınız. Yöntem1 Tahmini Yöntem2 Tahmini Gerçek Sonuç
20 Sabit Seri Tahmin Yöntemleri Bu kapsamda iki önemli teknik bulunur: Hareketli Ortalamalar Üstel Düzeltme Bir sabit zaman serisi, her bir gözlemi temsilen bir sabit ve bir rasgele dalgalanmanın toplamından oluşur: D t t : Seri ortalamasına karşılık gelen bilinmeyen sabit t : Ortalaması 0, varyansı 2 olan rasgele hata 19
21 Hareketli Ortalamalar Basit ama bir o kadar da popülerdir. N sıralı bir hareketli ortalama, basitçe en son N gözlemin aritmetik ortalaması olarak tanımlanabilir. F t, dönem (t-1) de dönem t için hesaplanan tahmin değeri ise; t1 1 1 t i t1 t2... tn N i t N N F D D D D Kısaca MA(N) şeklinde gösterilir. 20
22 Örnek 3 Bir hava üssünde son 2 yıl için kayıt altına alınmış 3 er aylık (dönemlik) motor arızaları; 200, 250, 175, 186, 225, 285, 305, 190 şeklindedir. 3 dönemlik ve 6 dönemlik hareketli ortalamalar kullanılarak sonraki döneme ait tahminlerin hesaplanması istenmektedir. 4.dönemden 8.döneme kadar tek adım sonrası tahminleri MA(3) ile, 7. ve 8. döneme ait tek adım sonrası tahminleri ise MA(6) ile hesaplayınız. 21
23 Örnek 3 200,250,175,186,225,285,305,190 MA(3) F 4 =(1/3)( )=208 F 5 =(1/3)( )=204 F 6 =(1/3)( )=195 F 7 =(1/3)( )=232 F 8 =(1/3)( )=272 MA(6) F 7 =(1/6)( )=220 F 8 =(1/6)( )=238 22
24 Tartışma sorusu: Örnek 3 Hareketli ortalama yöntemi ile çoklu adım sonrası tahmin üretilebilir mi? Örnek-2 de 3.dönemde 6.dönem arızalarını tahmin edin. 23
25 Hareketli Ortalamalar Hareketli ortalamaların bir diğer dezavantajı da, her bir yeni gözlem değeri elde edildikçe en son N gözlemin ortalamasının yeniden hesaplanma zorunluluğudur. Özellikle N değerinin çok büyük sayılara ulaşması durumunda bu durum çok sıkıcı olabilir. Hesaplamayı biraz kolaylaştırmak için; 1 F F D D N t1 t t tn İlk terimi çıkarıp, yeni terimi ilave et. 24
26 Hareketli Ortalamalar Belirli bir dönem boyunca taleplerin 2,4,6,8,10,12,14,16,18,20,22,24 gibi kesin bir trend oluşturduğu bir durumu göz önüne alalım. Böyle bir durumda tek adım sonrası için MA(3) ve MA(6) tahminlerini hesaplayalım. 25
27 Hareketli Ortalamalar Dönem Talep MA(3) MA(6)
28 Hareketli Ortalamalar Talep MA(3) MA(6) Seride bir trend özelliği keşfedilirse, basit hareketli ortalama yöntemi ortaya çıkan tahmin gecikmesinden dolayı uygun bir yöntem olmaz. 27
29 Ağırlıklı Hareketli Ortalamalar Ağırlıklı ortalamalar yöntemi, hareketli ortalamalar yöntemine çok benzer. Temel fark, ağırlıklı ortalamalar yönteminde en güncel verilere daha fazla ağırlık verir. Örneğin; En gücel veri %40, daha önceki en güncel veri %30, daha önceki en güncel veri %20 ve daha önceki en güncel veri %10 ağırlık alır. Dikkat edilecek olursa ağırlıklar toplamı %100 olur. 28
30 Örnek 4 Yanda verilen veriler ışığında en güncel veriye %50 ve geçmişe doğru %30 ve %20 ağırlık vererek ağırlıklı ortalamayı hesaplayınız. Dönem Talep
31 Örnek 4 Dönem Talep MA(3) Ağırlıklı MA(3) ( )/3=41,6 0,50*43+0,30*40+0,20*42=41, ( )/3=41,0 0,50*40+0,30*43+0,20*40=40,9 6 ( )/3=41,3 0,50*41+0,30*40+0,20*43=41,1 Son gerçekleşen talebe verilen ağırlık fazla olduğundan tahmin bu veriye çok bağımlıdır. Bu sebeple ağırlıkların çok dikkatli seçilmesi gereklidir. 30
32 Problem 3 Bir yedek parça deposundan 2009 yılında aylar bazında talep üzerine gönderilen parça miktarları aşağıdaki tabloda verilmiştir: Ay Talep (adet) Ay Talep (adet) Ocak 89 Temmuz 223 Şubat 57 Ağustos 286 Mart 144 Eylül 212 Nisan 221 Ekim 275 Mayıs 177 Kasım 188 Haziran 280 Aralık
33 Problem 3 1. Tek adım sonrası için MA(3), MA(6) ve MA(12) ile Ocak 2010 ayının gönderi miktarını tahmin ediniz. 2. MA(4) ile tek adım sonrası tahminleri Temmuz 2009 dan Aralık 2009 a kadar hesaplayınız. 3. MA(4) ile Temmuz 2009 dan Aralık 2009 a kadar iki adım sonrası tahminleri hesaplayınız. (F t,t+ = F t+1 bütün 1 için.) ve 3. sorularda hesaplanan tahminle için MAD değerlerini hesaplayınız. Hangisinin daha iyi tahminler olduğunu belirleyiniz. (Tahmin teorisine göre hangisinin daha iyi sonuç vermesi gerekirdi?) 5. Temmuz 2009 dan Aralık 2009 a kadar MA(3) ve MA(6) tahminlerini hesaplayınız. (N değerinin 3 ten 6 ya çıkarılmasının nasıl bir etkisi oldu?) 6. MA(1) ne anlama gelir? Temmuz 2009 dan Aralık 2009 a kadar olan verileri kullanarak MA(1) ve MA(4) tahminlerinin etkinliklerini hesaplayınız. 32
34 Üstel Düzeltme Diğer çok kullanılan bir yöntem de üstel düzeltmedir. Tahmin genel olarak aşağıdaki gibi formüle edilir: F D 1 F t t1 t1, talebin gözlenen değerinin bağıl (relative) ağırlığıdır. (1-) ise geçmiş gözlenen talep değerlerinin bir ağırlığı olarak düşünülebilir. 33
35 Üstel Düzeltme Formül küçük bir düzenleme ile aşağıdaki şekilde yazılabilir: F D 1 F t t1 t1 F F D t1 t1 t1 F e 0 1 t1 t1 düzeltme sabiti (t-1). dönemde kestirim sonucu yüksek ise e t-1 pozitif olacağından yeni tahmin değeri düşer. (t-1). dönemde kestirim sonucu düşük ise e t-1 negatif olacağından yeni tahmin değeri yükselir. 34
36 Örnek 5 Örnek-3 de verilen geçmiş 2 yıllık uçak motoru arıza sayılarını ele alalım: 200,250,175,186,225,285,305,190 Daha önce hareketli ortalama ile hesaplanan tahminleri bu sefer üstel düzeltme ile kestirmeye çalışalım. Bunun için =0,1 alalım. Ayrıca 2.dönem tahminini hesaplamak için 1.dönem tahminine ihtiyaç duyulduğundan, 1.dönem tahminini bu dönemin gerçek değeri olan 200 olarak kabul edelim. Hesaplama kolaylığı sağlayan bu kabul, aslında önemli bir etkiye sahiptir. Bu etkiyi göz önüne alarak aslında birkaç dönemin gerçekleşen verilerinin aritmetik ortalamasının alınarak bu ortalamanın başlangıç tahmini olarak kullanılması daha uygun bir hareket tarzı olarak literatürde yerini almıştır. 35
37 Örnek 5 Dönem Motor Arıza Sayısı Tahmin =0,1 Hesaplama F t =F t-1 -*(F t-1 -D t-1 ) F 1 değeri D 1 değerine eşit seçilir F 2 =200-0,1*( ) F 3 =200-0,1*( ) F 4 =205-0,1*( ) F 5 =202-0,1*( ) F 6 =200-0,1*( ) F 7 =203-0,1*( ) F 8 =211-0,1*( ) düzeltme sabitinin etkisine dikkat ediniz. Gerçek değerler yüksek farklılıklar barındırsa da, tahmin değerleri daha stabildir. düzeltme sabitinin 0,4 olması durumunda tahminler nasıl olur? 36
38 Örnek 5 Dönem Motor Arıza Sayısı Tahmin =0,1 Tahmin =0, düzeltme sabitinin 0,4 olması durumunda tahminler nasıl olur? Bu durumda tahmin farklılıkları artar. 37
39 Örnek Arıza alfa=0,1 alfa=0, =0,1 ve =0,4 tahmin üzerinde farklı etkilere sahiptir. 0,1 değeri daha düzgün bir tahmin profili verirken, 0,4 değeri daha büyük tahmin farklılıklarına neden olur. Planlama amaçlarına uygun olarak küçük değerleri daha caziptir. 38
40 Örnek 5 Şimdi ise aynı arıza sayıları kullanılarak MA(3) ve ES(0,1) tahmin yöntemlerinin performanslarını inceleyelim. MA(3) 4.dönemden başladığından karşılaştırma 4.dönemden itibaren başlayacaktır. Dönem Arıza MA(3) Hata ES(0,1) Hata
41 Örnek 5 n 1 1 MAD e MSE n i i1 n i1 n e 2 i Ölçüt Sonuç MA(3) ES(0,1) MAD 57,6 49,2 MSE 4215,6 3458,4 MAPE 24,0 18,9 Görüldüğü gibi ES(0,1) yöntemi çok daha iyi sonuçlar vermiştir. Ancak bu durum her zaman bu şekilde gerçekleşmeyebilir. 40
42 Tahmin Duyarlılığı Karşılaştırma Örneğimizde karşılaştırılan yöntemlerde kullanılan N=3 ve =0,1 parametreleri birbirleri ile karşılaştırılmak için tutarlı mıdır? Görüldüğü gibi, MA(3) daha büyük farklılıklar oluşturur. Bu sebeple bir tutarlılıktan bahsetmek doğru olmayacaktır MA(3) ES(0,1) 41
43 Tahmin Duyarlılığı Karşılaştırma ve N için tutarlı değerlerin tespit edilmesi için kullanılan iki farklı yol vardır: Ortalama Yaş Hesabı Hareketli Ortalama için; Ort.Yaş=(1/N)( N)=(N+1)/2 Üstel Düzeltme için; Ort.Yaş i1 i 1 i1 1 N veya N 2 2 N 1 =0,1 için N=19 N=3 için =0,5 olmalıdır. 42
44 Üstel Düzeltme ve Hareketli Ortalamaların Karşılaştırılması Benzerlikler 1. Her iki yöntem de talep sürecinin sabit olduğunu kabul eder. D t =+ t 2. Her iki yöntemde de tek bir parametre bulunur. N ve Küçük N veya büyük son veriye daha fazla ağırlık verirken büyük N veya küçük geçmiş veriye daha fazla ağırlık verir. 3. Her ikisi de, gözlenen veride bir trend özelliği bulunuyorsa gecikmeye sebep olur. 4. =2/(N+1) olduğunda her iki yöntemin tahmin hataları aynı dağılıma sahiptir. Bu durum her iki yöntemin de aynı tahminleri üreteceği anlamına gelmez. 43
45 Üstel Düzeltme ve Hareketli Ortalamaların Karşılaştırılması Farklılıklar 1. Üstel düzeltme ile hesaplanan kestirimler geçmiş bütün verilerin ağırlıklı bir ortalaması iken hareketli ortalamalar sadece son N dönemin ağırlıklı ortalamasıdır. Bu durum, hareketli ortalamalar açısından bir üstünlük sağlar. Neden? 2. Hareketli ortalama yönteminin kullanılması için sistemde N geçmiş verinin saklanması gerekir. Üstel düzeltme için sadece en son tahminin saklanması yeterlidir. Bu durum, üstel düzeltme açısından önemli bir avantaj sağlar. Neden? 44
46 Problem 4 Güneş enerjisi ile çalışan hesap makineleri üreten bir firma geçmiş dört aylık satış rakamlarını aşağıdaki gibi açıklamıştır. Ay Satışlar Ay Satışlar Ocak 23,3 Mart 30,3 Şubat 72,3 Nisan 15,5 a. Eğer Ocak için yapılan tahmin 25 ise, tek adım sonrası için Şubat Mayıs arası için üstel düzeltme yöntemi ile tahminleri hesaplayınız (=0,15 ve =0,40). b. =0,15 ve =0,40 ile yapılan tahminler için MSE değerini hesaplayınız. Hangi seçeneğin daha etkili bir tahminde bulunulduğunu belirtiniz. 45
47 Trend Analizi Temelli Yöntemler Eğer gözlenen verilerde bir trend varsa hareketli ortalama ve üstel düzeltme yöntemlerinin bir gecikmeye sebep olduğu belirtilmişti. Bu sebeple bu tür bir durumda kullanılmak üzere iki farklı yöntemden bahsedilecektir. Regression Analizi İkili Düzeltme (Holt) Yöntemi 46
48 Regression Analizi (x 1,y 1 ), (x 2,y 2 ),..., (x n,y n ) X ve Y değişkenlerine ait veri noktalarını temsil etsin. x i X in y i de Y nin geçmişte gözlenen verilerdir. Y bağımlı, X ise bağımsız değişkendir. Yöntemde, X ve Y arasında doğrusal bir ilişki olduğu varsayılır. Ŷ a bx Yˆ Y nin tahmin değeridir. 47
49 Regression Analizi Yöntemin amacı tahmin hatasının karelerinin toplamını en küçükleyen a ve b değerlerinin hesaplanmasıdır. Tahmin hatası ile trend doğrusu arasındaki hatalar aşağıdaki grafikte gösterilmiştir. 48
50 Regression Analizi Regression analizi uygulandığında, bağımsız değişken genellikle zaman olarak alınır. Bağımlı değişken ise tahminin kendisidir. Dönemler : 1,2,,n Talepler : D 1,D 2,,D n a ve b nin en iyi (optimal) değeleri (yöntem-1) b S S xy xx a D b n 1 2 n n nn ( 1) S n id D S xy i i i1 2 i1 xx n ( n 1)(2n 1) n ( n 1)
51 Regression Analizi a ve b nin en iyi (optimal) değeleri ayrıca aşağıdaki şekilde de hesaplanabilir (yöntem-2). 2 2 n n xy x y y b x b a y bx n x x Tahmin için aşağıdaki eşitlik kullanılır: Dˆ a b* t t 50
52 Uçak arızaları: Örnek 6 n n nn ( 1) S n id D xy i i i1 2 i ,250,175,186,225,285,305,190 İlk beş periyodu regression analizi için kullanacağız S xy = 5*(1*200+2*250+3*175+4*186+5*225) -15*( ) = -70 S xx = ((25*6*11)/6)-(25*36)/4 = 50 S xx n ( n 1)(2n 1) n ( n 1) 6 4 Sxy 70 7 b S 50 5 xx n 1 7 a D b 207, 2 *3 211, ˆ 7 Dt 211, 4 * t 5 51
53 Örnek 6 Regression analizi sonucu elde edilen trend denklemi, 5 ve daha ilerisi periyotlardaki arızaların tahmin edilmesi için kullanılır. Örneğin 8.dönem tahminini aşağıdaki şekilde tespit edebiliriz; 7 Dˆ 8 211, 4 * ,2 Ancak 7.dönemde, 8.dönem tahmini istenirse bu durumda daha önce yapılan hesaplamaların 7 dönem için tekrarlanması gerekir. 52
54 Problem 5 Bir otopark işletmesi, Ocak 2010 dan başlamak üzere altı aylık devamlı müşteri sayılarını kayıt altına almıştır. Ay Satışlar Ay Satışlar Ocak 133 Nisan 640 Şubat 183 Mayıs 1876 Mart 285 Haziran 2550 a. Regression eşitlikleri yardımıyla a ve b değerlerini bulunuz. b. Temmuz 2010 için hesaplanan tahmin ne kadardır? c. Elde ettiğiniz sonucu grafik üzerinde tartışınız. 53
Kantitatif Tahmin Yöntemleri. Yrd.Doç.Dr. S.Kerem AYTULUN
Kantitatif Tahmin Yöntemleri Yrd.Doç.Dr. S.Kerem AYTULUN Tahmin Nedir? Günlük hayatta bilinçli veya bilinçsiz birçok tahminde bulunuruz. Hava durumu, trafik, sınav soruları, kişisel ilişkiler... Peki Firmalar???
DetaylıSürelerine 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
DetaylıTahminleme Yöntemleri
PAU ENDÜSTRİ MÜHENDİSLİĞİ IENG 318 - Üretim Planlama ve Kontrolü Tahminleme Yöntemleri 2012-2013 Bahar Yarıyılı 1 İçerik 1. Talep Tahmini Kavramı 2. Talep Tahminlerinin Kullanım Yeri 3. Talep Tahmin Modelleri
Detaylıİstatistik 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
DetaylıHareketli Ortalama ile Mevsimsel Ayrıştırma (Yöntem-2)
Tahmin Yöntemleri Hareketli Ortalama ile Mevsimsel Ayrıştırma (Yöntem-2) Mevsimsel etkenin tahmininde kullanılan diğer bir yöntem de N dönemlik hareketli ortalamaların alınmasıdır. Burada N değeri aynı
DetaylıZaman Serileri. IENG 481 Tahmin Yöntemleri Dr. Hacer Güner Gören
Zaman Serileri IENG 481 Tahmin Yöntemleri Dr. Hacer Güner Gören Zaman Serisi nedir? Kronolojik sırayla elde edilen verilere sahip değișkenlere zaman serisi adı verilmektedir. Genel olarak zaman serisi,
DetaylıOoo, bir dakika müsaade et... Geçen hafta 250 teker sattık... O zaman, bu hafta ne kadar satmalıyız... Tahmin Nedir?
Ooo, bir dakika müsaade et... Geçen hafta 250 teker sattık... O zaman, bu hafta ne kadar satmalıyız... Tahmin Nedir? IENG 481 Tahmin Yöntemleri Dr. Hacer Güner Gören Dersin amacı Tahmin, geleceğe hazır
DetaylıZaman Serileri-1. If you have to forecast, forecast often. EDGAR R. FIEDLER, American economist. IENG 481 Tahmin Yöntemleri Dr.
Zaman Serileri-1 If you have to forecast, forecast often. EDGAR R. FIEDLER, American economist IENG 481 Tahmin Yöntemleri Dr. Hacer Güner Gören Zaman Serisi nedir? Kronolojik sırayla elde edilen verilere
DetaylıÜSTEL 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
DetaylıÖrnek. 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
Detaylı2. 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
DetaylıİÇİNDEKİLER. 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
DetaylıMühendislikte İstatistik Yöntemler
.0.0 Mühendislikte İstatistik Yöntemler İstatistik Parametreler Tarih Qma.3.98 4..98 0.3.983 45 7..984 37.3.985 48 0.4.986 67.4.987 5 0.3.988 45.5.989 34.3.990 59.4.99 3 4 34 5 37 6 45 7 45 8 48 9 5 0
DetaylıDers Planı: - Talep Yapıları. - Tahmin Etmede Önemli Kararlar. - Yargısal Yöntemler. - Nedensel Yöntemler: Doğrusal Regresyon
Ders Planı: - Talep Yapıları - Tahmin Etmede Önemli Kararlar - Yargısal Yöntemler - Nedensel Yöntemler: Doğrusal Regresyon - Zaman Serisi Yöntemleri - Zaman Serisi Yönteminin Seçimi - Çoklu Tekniklerin
DetaylıKORELASYON 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
DetaylıTANIMLAYICI İSTATİSTİKLER
TANIMLAYICI İSTATİSTİKLER Tanımlayıcı İstatistikler ve Grafikle Gösterim Grafik ve bir ölçüde tablolar değişkenlerin görsel bir özetini verirler. İdeal olarak burada değişkenlerin merkezi (ortalama) değerlerinin
DetaylıBÖLÜM 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
DetaylıDoç. 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
DetaylıBKİ farkı Standart Sapması (kg/m 2 ) A B BKİ farkı Ortalaması (kg/m 2 )
4. SUNUM 1 Gözlem ya da deneme sonucu elde edilmiş sonuçların, rastlantıya bağlı olup olmadığının incelenmesinde kullanılan istatistiksel yöntemlere HİPOTEZ TESTLERİ denir. Sonuçların rastlantıya bağlı
DetaylıÖğr. Elemanı: Dr. Mustafa Cumhur AKBULUT
Ünite 10: Regresyon Analizi Öğr. Elemanı: Dr. Mustafa Cumhur AKBULUT 10.Ünite Regresyon Analizi 2 Ünitede Ele Alınan Konular 10. Regresyon Analizi 10.1. Basit Doğrusal regresyon 10.2. Regresyon denklemi
DetaylıMAK 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
DetaylıÖrnek 4.1: Tablo 2 de verilen ham verilerin aritmetik ortalamasını hesaplayınız.
.4. Merkezi Eğilim ve Dağılım Ölçüleri Merkezi eğilim ölçüleri kitleye ilişkin bir değişkenin bütün farklı değerlerinin çevresinde toplandığı merkezi bir değeri gösterirler. Dağılım ölçüleri ise değişkenin
DetaylıGruplanmış serilerde standart sapma hesabı
Gruplanmış serilerde standart sapma hesabı Örnek: Verilen gruplanmış serinin standart sapmasını bulunuz? Sınıflar f i X X X m i f i. m i m i - (m i - ) f i.(m i - ) 0 den az 3 4 den az 7 4 6 dan az 4 6
DetaylıZAMAN 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
DetaylıFABRİKA ORGANİZASYONU Üretim Planlama ve Yönetimi 2. Uygulama: Sipariş ve Parti Büyüklüğü Hesaplama
FABRİKA ORGANİZASYONU Üretim Planlama ve Yönetimi 2. Uygulama: Sipariş ve Parti Büyüklüğü Hesaplama Uygulamalar 1. İhtiyaç Hesaplama 2. Sipariş ve Parti Büyüklüğü Hesaplama 3. Dolaşım Akış Çizelgeleme/Terminleme
DetaylıTanımlayıcı İstatistikler. Yrd. Doç. Dr. Emre ATILGAN
Tanımlayıcı İstatistikler Yrd. Doç. Dr. Emre ATILGAN 1 Tanımlayıcı İstatistikler Yer Gösteren Ölçüler Yaygınlık Ölçüleri Merkezi Eğilim Ölçüleri Konum Ölçüleri 2 3 Aritmetik Ortalama Aritmetik ortalama,
Detaylı3. 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
DetaylıHatalar ve Bilgisayar Aritmetiği
Hatalar ve Bilgisayar Aritmetiği Analitik yollardan çözemediğimiz birçok matematiksel problemi sayısal yöntemlerle bilgisayarlar aracılığı ile çözmeye çalışırız. Bu şekilde Sayısal yöntemler kullanarak
DetaylıYrd. Doç. Dr. Fatih TOSUNOĞLU Erzurum Teknik Üniversitesi Mühendislik Fakültesi İnşaat Mühendisliği Bölümü
Mühendislikte İstatistiksel Yöntemler Yrd. Doç. Dr. Fatih TOSUNOĞLU Erzurum Teknik Üniversitesi Mühendislik Fakültesi İnşaat Mühendisliği Bölümü 1 Araştırma sonuçlarının açıklanmasında frekans tablosu
DetaylıTemel İstatistik. Y.Doç.Dr. İbrahim Turan Mart Tanımlayıcı İstatistik. Dağılımları Tanımlayıcı Ölçüler Dağılış Ölçüleri
Temel İstatistik Tanımlayıcı İstatistik Dağılımları Tanımlayıcı Ölçüler Dağılış Ölçüleri Y.Doç.Dr. İbrahim Turan Mart 2011 DAĞILIM / YAYGINLIK ÖLÇÜLERİ Verilerin değişkenlik durumu ve dağılışın şeklini
DetaylıGenel olarak test istatistikleri. Merkezi Eğilim (Yığılma) Ölçüleri Dağılım (Yayılma) Ölçüleri. olmak üzere 2 grupta incelenebilir.
4.SUNUM Genel olarak test istatistikleri Merkezi Eğilim (Yığılma) Ölçüleri Dağılım (Yayılma) Ölçüleri olmak üzere 2 grupta incelenebilir. 2 Ranj Çeyrek Kayma Çeyrekler Arası Açıklık Standart Sapma Varyans
DetaylıOCAK 2013 TARİH BASKILI İSTATİSTİK II DERS KİTABINA İLİŞKİN DÜZELTME CETVELİ
OCAK 2013 TARİH BASKILI İSTATİSTİK II DERS KİTABINA İLİŞKİN DÜZELTME CETVELİ 1- Ünite 1, Sayfa 13, Şekil 1.2 aşağıdaki şekilde düzeltilmiştir. 2- Ünite 2, Sayfa 61 deki paragrafın üçüncü ve dördüncü cümleleri
Detaylırasgele 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
DetaylıBir Normal Dağılım Ortalaması İçin Testler
Bir Normal Dağılım Ortalaması İçin Testler İÇERİK o Giriş ovaryansı Bilinen Bir Normal Dağılım Ortalaması İçin Hipotez Testler P-değerleri: II. Çeşit hata ve Örnekleme Büyüklüğü Seçimi Örnekleme Büyüklüğü
DetaylıTEMEL İSTATİSTİKİ KAVRAMLAR YRD. DOÇ. DR. İBRAHİM ÇÜTCÜ
TEMEL İSTATİSTİKİ KAVRAMLAR YRD. DOÇ. DR. İBRAHİM ÇÜTCÜ 1 İstatistik İstatistik, belirsizliğin veya eksik bilginin söz konusu olduğu durumlarda çıkarımlar yapmak ve karar vermek için sayısal verilerin
Detaylıortalama ve ˆ ˆ, j 0,1,..., k
ÇOKLU REGRESYONDA GÜVEN ARALIKLARI Regresyon Katsayılarının Güven Aralıkları y ( i,,..., n) gözlemlerinin, xi ortalama ve i k ve normal dağıldığı varsayılsın. Herhangi bir ortalamalı ve C varyanslı normal
DetaylıISTATISTIK 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,
DetaylıDOĞRUSAL 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
DetaylıOLASILIK ve KURAMSAL DAĞILIMLAR
OLASILIK ve KURAMSAL DAĞILIMLAR Kuramsal Dağılımlar İstatistiksel çözümlemelerde; değişkenlerimizin dağılma özellikleri, çözümleme yönteminin seçimi ve sonuçlarının yorumlanmasında önemlidir. Dağılma özelliklerine
DetaylıÖRNEKLEME DAĞILIŞLARI VE TAHMİNLEYİCİLERİN ÖZELLİKLERİ
ÖRNEKLEME DAĞILIŞLARI VE TAHMİNLEYİCİLERİN ÖZELLİKLERİ TEMEL KAVRAMLAR PARAMETRE: Populasyonun sayısal açıklayıcı bir ölçüsüdür ve anakütledeki tüm elemanlar dikkate alınarak hesaplanabilir. Ana kütledeki
DetaylıDAĞILMA YADA DEĞİ KENLİK ÖLÇÜLERİ (MEASURE OF DISPERSION) Prof.Dr.A.KARACABEY Doç.Dr.F.GÖKGÖZ
DAĞILMA YADA DEĞİ KENLİK ÖLÇÜLERİ (MEASURE OF DISPERSION) 1 AMAÇ... Mevcut veri seti için bulunan merkezi eğilim ölçüsünün yorumlamak Birden fazla veri seti için dağılımlar arası kıyaslama yapabilmek amaçlarıyla
DetaylıKorelasyon, Korelasyon Türleri ve Regresyon
Korelasyon, Korelasyon Türleri ve Regresyon İçerik Korelasyon Korelasyon Türleri Korelasyon Katsayısı Regresyon KORELASYON Korelasyon iki ya da daha fazla değişken arasındaki doğrusal ilişkiyi gösterir.
DetaylıYatırım Analizi ve Portföy Yönetimi 5. Hafta
Yatırım Analizi ve Portföy Yönetimi 5. Hafta Dr. Mevlüt CAMGÖZ 1 Dr. Mevlüt Camgöz İçerik Tek Endeks / Pazar Modeli Sistematik Risk Sistematik Olmayan Risk Sermaye Varlıklarını Fiyatlandırma Modeli (SVFM)
DetaylıSEK Tahmincilerinin Türetilmesi. SEK Tahmincilerinin Türetilmesi. Ekonometri 1 Konu 8 Sürüm 2,0 (Ekim 2011)
İki Değişkenli Bağlanım Modeli SEK Tahmincilerinin Türetilmesi Ekonometri 1 Konu 8 Sürüm 2,0 (Ekim 2011) UADMK Açık Lisans Bilgisi İşbu belge, Creative Commons Attribution-Non-Commercial ShareAlike 3.0
DetaylıAnalitik Hiyerarşi Prosesi (AHP) Yrd.Doç.Dr. Sabahattin Kerem AYTULUN
Analitik Hiyerarşi Prosesi (AHP) Yrd.Doç.Dr. Sabahattin Kerem AYTULUN Giriş AHP Thomas L.Saaty tarafından 1970'lerde ortaya atılmıştır. Amaç alternatifler arasından en iyisinin seçilmesidir. Subjektif
DetaylıCopyright 2004 Pearson Education, Inc. Slide 1
Slide 1 Bölüm 2 Verileri Betimleme, Keşfetme, ve Karşılaştırma 2-1 Genel Bakış 2-2 Sıklık Dağılımları 2-3 Verilerin Görselleştirilmesi 2-4 Merkezi Eğilim Ölçüleri 2-5 Değişimin Ölçülmesi 2-6 Nispi Sabitlerin
DetaylıKoşullu Öngörümleme. Bu nedenle koşullu öngörümleme gerçekleştirilmelidir.
Koşullu Öngörümleme Ex - ante (tasarlanan - umulan) öngörümleme söz konusu iken açıklayıcı değişkenlerin hatasız bir şekilde bilindiği varsayımı gerçekçi olmayan bir varsayımdır. Çünkü bazı açıklayıcı
DetaylıKonum ve Dağılım Ölçüleri. BBY606 Araştırma Yöntemleri Güleda Doğan
Konum ve Dağılım Ölçüleri BBY606 Araştırma Yöntemleri Güleda Doğan Konum ölçüleri Merkezi eğilim ölçüleri Verilerin ortalamaya göre olan gruplanması nasıl? Yakın, uzak? Sıklık dağılımlarının karşılaştırılması
Detaylı8.Hafta. Değişkenlik Ölçüleri. Öğr.Gör.Muhsin ÇELİK. Uygun değişkenlik ölçüsünü hesaplayıp yorumlayabilecek,
İSTATİSTİK 8.Hafta Değişkenlik Ölçüleri Hedefler Bu üniteyi çalıştıktan sonra; Uygun değişkenlik ölçüsünü hesaplayıp yorumlayabilecek, Serilerin birbirlerine değişkenliklerini yorumlayabileceksiniz. 2
Detaylı3 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
DetaylıİÇİNDEKİLER ÖN SÖZ...
İÇİNDEKİLER ÖN SÖZ... v GİRİŞ... 1 1. İSTATİSTİK İN TARİHÇESİ... 1 2. İSTATİSTİK NEDİR?... 3 3. SAYISAL BİLGİDEN ANLAM ÇIKARILMASI... 4 4. BELİRSİZLİĞİN ELE ALINMASI... 4 5. ÖRNEKLEME... 5 6. İLİŞKİLERİN
DetaylıİSTATİSTİK MHN3120 Malzeme Mühendisliği
İSTATİSTİK MHN3120 Malzeme Mühendisliği CBÜ - Malzeme Mühendisliği Bölümü Ofis: Mühendislik Fakültesi A Blok Ofis no:311 Tel: 0 236 2012404 E-posta :emre.yalamac@cbu.edu.tr YARDIMCI KAYNAKLAR Mühendiler
DetaylıSağlık Kurumlarında Kaynak Planlaması DERS-5
Sağlık Kurumlarında Kaynak Planlaması DERS-5 Sağlık Kurumlarında Tahmini Stok Hesaplamaları (devam) ÖĞR. GÖR. HÜSEYİN ARI Malzeme Yönetimi Uygulama Senaryosu KANAL KURULAMA M.15 Kod Malzemeler Temin KAĞIDI
DetaylıYANLILIK. Yanlılık örneklem istatistiği değerlerinin evren parametre değerinden herhangi bir sistematik sapması olarak tanımlanır.
AED 310 İSTATİSTİK YANLILIK Yanlılık örneklem istatistiği değerlerinin evren parametre değerinden herhangi bir sistematik sapması olarak tanımlanır. YANLILIK Yanlı bir araştırma tasarımı uygulandığında,
DetaylıİSTATİSTİKSEL 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
DetaylıBİYOİSTATİSTİK Merkezi Eğilim ve Değişim Ölçüleri Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH
BİYOİSTATİSTİK Merkezi Eğilim ve Değişim Ölçüleri Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH Ege Üniversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr 1 İstatistik
Detaylıİşgücü Talebinin Tahmininde Sayısal ve. ve Ayrıntılı Yöntemler. İnsan Kaynakları Planlamasında Sayısal
İşgücü Talebinin Tahmininde Sayısal ve Sayısal Yrd. Doç. Dr. Rıza DEMİR İstanbul Üniversitesi İşletme Fakültesi İnsan Kaynakları Planlaması ve Seçimi Dersi 2017 Talep Tahmin i İnsan kaynakları talebi veya
DetaylıÖlçme ve Değerlendirme
Ölçme ve Değerlendirme Z Puanı T Puanı Yrd. Doç. Dr. Yetkin Utku KAMUK Standart Puan Herhangi bir ölçüm sonucunda elde edilen ve farklı birimlere sahip ham puanların, standart bir dağılım haline dönüştürülmesi
Detaylıİstatistik, genel olarak, rassal bir olayı (ya da deneyi) matematiksel olarak modellemek ve bu model yardımıyla, anakütlenin bilinmeyen karakteristik
6.SUNUM İstatistik, genel olarak, rassal bir olayı (ya da deneyi) matematiksel olarak modellemek ve bu model yardımıyla, anakütlenin bilinmeyen karakteristik özellikleri (ortalama, varyans v.b. gibi) hakkında
DetaylıBÖLÜNMÜŞ FARKLAR (DİVİDED DİFFERENCES)
BÖLÜNMÜŞ FARKLAR (DİVİDED DİFFERENCES) Lagrange ve Neville yöntemlerinin bazı olumsuz yanları vardır: İşlem sayısı çok fazladır (bazı başka yöntemlere kıyasla) Data setinde bir nokta ilavesi veya çıkartılması
DetaylıVERİ SETİNE GENEL BAKIŞ
VERİ SETİNE GENEL BAKIŞ Outlier : Veri setinde normal olmayan değerler olarak tanımlanır. Ders: Kantitatif Yöntemler 1 VERİ SETİNE GENEL BAKIŞ Veri setinden değerlendirme başlamadan çıkarılabilir. Yazım
DetaylıMAK 210 SAYISAL ANALİZ
MAK 210 SAYISAL ANALİZ BÖLÜM 2- HATA VE HATA KAYNAKLARI Doç. Dr. Ali Rıza YILDIZ 1 GİRİŞ Bir denklemin veya problemin çözümünde kullanılan sayısal yöntem belli bir giriş verisini işleme tabi tutarak sayısal
DetaylıHipotez Testlerine Giriş. Hipotez Testlerine Giriş
Hipotez Testlerine Giriş Hipotez Testlerine Giriş Hipotez Testlerine Giriş Gözlem ya da deneme sonucu elde edilmiş sonuçların, raslantıya bağlı olup olmadığının incelenmesinde kullanılan istatistiksel
DetaylıProf.Dr.İhsan HALİFEOĞLU
Prof.Dr.İhsan HALİFEOĞLU Örnek: Aşağıda 100 yetişkine ilişkin kolesterol değerlerini sınıflandırılarak aritmetik ortalamasını bulunuz (sınıf aralığını 20 alınız). 2 x A fb C 229.5 n 40 20 100 221.5 3 Örnek:.
DetaylıAppendix 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
DetaylıRegresyon. Regresyon korelasyon ile yakından ilişkilidir
Regresyon Regresyona Giriş Regresyon korelasyon ile yakından ilişkilidir Regresyon bir bağımlı değişken ile (DV) bir veya daha fazla bağımsız değişken arasındaki doğrusal ilişkiyi inceler. DV için başka
DetaylıYTÜ 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
DetaylıYTÜ 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
DetaylıNicel / Nitel Verilerde Konum ve Değişim Ölçüleri. BBY606 Araştırma Yöntemleri 2013-2014 Bahar Dönemi 13 Mart 2014
Nicel / Nitel Verilerde Konum ve Değişim Ölçüleri BBY606 Araştırma Yöntemleri 2013-2014 Bahar Dönemi 13 Mart 2014 1 Konum ölçüleri Merkezi eğilim ölçüleri Verilerin ortalamaya göre olan gruplanması nasıl?
DetaylıENM 525 İleri Üretim Planlama ve Kontrolü PAÜ Fen Bilimleri Enstitüsü Endüstri Mühendisliği Ana Bilim Dalı
ENM 525 İleri Üretim Planlama ve Kontrolü PAÜ Fen Bilimleri Enstitüsü Endüstri Mühendisliği Ana Bilim Dalı Bu ders notları, 2012-2013 ve 2013-2014 Bahar yarıyılında PAÜ Endüstri Mühendisliği bölümünde
DetaylıProf. Dr. Aydın Yüksel MAN 504T Yön. için Finansal Analiz & Araçları Ders: Risk-Getiri İlişkisi ve Portföy Yönetimi I
Risk-Getiri İlişkisi ve Portföy Yönetimi I 1 Giriş İşlenecek ana başlıkları sıralarsak: Finansal varlıkların risk ve getirisi Varlık portföylerinin getirisi ve riski 2 Risk ve Getiri Yatırım kararlarının
DetaylıİSTATİSTİK-II. Korelasyon ve Regresyon
İSTATİSTİK-II Korelasyon ve Regresyon 1 Korelasyon ve Regresyon Genel Bakış Korelasyon Regresyon Belirleme katsayısı Varyans analizi Kestirimler için aralık tahminlemesi 2 Genel Bakış İkili veriler aralarında
DetaylıBÖLÜM 5 MERKEZİ EĞİLİM ÖLÇÜLERİ
1 BÖLÜM 5 MERKEZİ EĞİLİM ÖLÇÜLERİ Gözlenen belli bir özelliği, bu özelliğe ilişkin ölçme sonuçlarını yani verileri kullanarak betimleme, istatistiksel işlemlerin bir boyutunu oluşturmaktadır. Temel sayma
Detaylı009 BS 400- İstatistik sonılannın cevaplanmasında gerekli olabilecek tablolar ve formüller bu kitapçığın sonunda verilmiştir. 1. şağıdakilerden hangisi doğal birimdir? l TV alıcısı Bl Trafik kazası CL
DetaylıMatris 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
DetaylıÇOKLU REGRESYON MODELİ. Bir bağımlı değişkene etki eden çok sayıda bağımsız değişkeni analize dahil ederek çoklu regresyon modeli uygulanabilir.
ÇOKLU REGRESYON MODELİ Bir bağımlı değişkene etki eden çok sayıda bağımsız değişkeni analize dahil ederek çoklu regresyon modeli uygulanabilir. Y=b 1 + b X + b X + u Y=b 1 + b X + b X +...+ b k X k + u
Detaylı26.12.2013. Farklı iki ilaç(a,b) kullanan iki grupta kan pıhtılaşma zamanları farklı mıdır?
26.2.23 Gözlem ya da deneme sonucu elde edilmiş sonuçların, raslantıya bağlı olup olmadığının incelenmesinde kullanılan istatistiksel yöntemlere HĐPOTEZ TESTLERĐ denir. Sonuçların raslantıya bağlı olup
DetaylıAppendix C: İstatistiksel Çıkarsama
Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Notları Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix C: İstatistiksel Çıkarsama
DetaylıBÖLÜM 12 STUDENT T DAĞILIMI
1 BÖLÜM 12 STUDENT T DAĞILIMI 'Student t dağılımı' ya da kısaca 't dağılımı'; normal dağılım ve Z dağılımının da içerisinde bulunduğu 'sürekli olasılık dağılımları' ailesinde yer alan dağılımlardan bir
DetaylıKARŞILAŞTIRMA İSTATİSTİĞİ, ANALİTİK YÖNTEMLERİN KARŞILAŞTIRILMASI, BİYOLOJİK DEĞİŞKENLİK. Doç.Dr. Mustafa ALTINIŞIK ADÜTF Biyokimya AD 2005
KARŞILAŞTIRMA İSTATİSTİĞİ, ANALİTİK YÖNTEMLERİN KARŞILAŞTIRILMASI, BİYOLOJİK DEĞİŞKENLİK Doç.Dr. Mustafa ALTINIŞIK ADÜTF Biyokimya AD 2005 1 Karşılaştırma istatistiği Temel kavramlar: Örneklem ve evren:
DetaylıENM 5210 İSTATİSTİK VE YAZILIMLA UYGULAMALARI. Ders 2 Merkezi Eğilim Ölçüleri
ENM 5210 İSTATİSTİK VE YAZILIMLA UYGULAMALARI Ders 2 Merkezi Eğilim Ölçüleri Basit Seriler Elde edilecek ham verilerin küçükten büyüğe doğru sıralanması ile elde edilen serilere basit seri denir ÖRNEK:
DetaylıYTÜ 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 C: İstatistiksel Çıkarsama Doç.
Detaylı0.04.03 Standart Hata İstatistikte hesaplanan her istatistik değerin mutlaka hatası da hesaplanmalıdır. Çünkü hesaplanan istatistikler, tahmini bir değer olduğu için mutlaka hataları da vardır. Standart
DetaylıORTALAMA ÖLÇÜLERİ. Ünite 6. Öğr. Gör. Ali Onur CERRAH
ORTALAMA ÖLÇÜLERİ Ünite 6 Öğr. Gör. Ali Onur CERRAH Araştırma sonucunda elde edilen nitelik değişkenler hakkında tablo ve grafikle bilgi sahibi olunurken, sayısal değişkenler hakkında bilgi sahibi olmanın
DetaylıYatırım Analizi ve Portföy Yönetimi 6. Hafta
Yatırım Analizi ve Portföy Yönetimi 6. Hafta Dr. Mevlüt CAMGÖZ 1 Dr. Mevlüt CAMGÖZ İçerik Karakteristik Doğru ve Beta Katsayısı Karakteristik Doğrunun Tahmini Beta Katsayısının Hesaplanması Agresif ve
DetaylıÖrneklemden elde edilen parametreler üzerinden kitle parametreleri tahmin edilmek istenmektedir.
ÇIKARSAMALI İSTATİSTİKLER Çıkarsamalı istatistikler, örneklemden elde edilen değerler üzerinde kitleyi tanımlamak için uygulanan istatistiksel yöntemlerdir. Çıkarsamalı istatistikler; Tahmin Hipotez Testleri
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık Rastgele Değişkenlerin Dağılımları I Prof. Dr. İrfan KAYMAZ Ders konusu Bu derste; Rastgele değişkenlerin tanımı ve sınıflandırılması Olasılık kütle fonksiyonu Olasılık yoğunluk
DetaylıKORELASYON VE TEKLİ REGRESYON ANALİZİ-EN KÜÇÜK KARELER YÖNTEMİ
KORELASYON VE TEKLİ REGRESYON ANALİZİ-EN KÜÇÜK KARELER YÖNTEMİ 1 KORELASYON ANALİZİ İki değişken arasındaki doğrusal ilişkinin gücünü(derecesini) ve yönünü belirlemek için hesaplanan bir sayıdır. Belirli
DetaylıKorelasyon. Korelasyon. Merkezi eğilim ve değişim ölçüleri bir defada sadece bir değişkenin özelliklerini incelememize imkan tanır.
Korelasyon Korelasyon Merkezi eğilim ve değişim ölçüleri bir defada sadece bir değişkenin özelliklerini incelememize imkan tanır. Biz şimdi, bir değişkenin özelliklerini diğer değişkenle olan ilişkisine
DetaylıİSTATİSTİK ÖRNEK SORULARI
1. Aşağıda gruplandırılmış seri verilmiştir. (n) 0-10 den az 5 10-20 den az 6 20-30 den az 9 30-40 den az 11 40-50 den az 4 50-60 den az 3 TOPLAM 38 İSTATİSTİK ÖRNEK SORULARI a) Mod değerini bulunuz? (15
DetaylıİSTATİSTİKSEL DARALTICI (SHRINKAGE) MODEL VE UYGULAMALARI * A Statistical Shrinkage Model And Its Applications*
Ç.Ü. Fen Bilimleri Enstitüsü Yıl:010 Cilt:-1 İSTATİSTİKSEL DARALTICI (SHRINKAGE) MODEL VE UYGULAMALARI * A Statistical Shrinkage Model And Its Applications* Işıl FİDANOĞLU İstatistik Anabilim Dalı Fikri
DetaylıTürkiye deki İş Kazalarının Box-Jenkins Tekniği ile İncelenmesi. Doç. Dr. Arzu ALTIN YAVUZ Ar. Gör. Barış ERGÜL Ar. Gör. Ebru GÜNDOĞAN AŞIK
Türkiye deki İş Kazalarının Box-Jenkins Tekniği ile İncelenmesi Doç. Dr. Arzu ALTIN YAVUZ Ar. Gör. Barış ERGÜL Ar. Gör. Ebru GÜNDOĞAN AŞIK Sunu Planı Giriş Bu bölümde İş Sağlığı ve Güvenliği ile ilgili
DetaylıJeodezide Yaklaşım Yöntemleri: Enterpolasyon ve Kollokasyon
Jeodezide Yöntemleri: ve Lisansüstü Ders Notları Yrd. Doç. Dr. Aydın ÜSTÜN Selçuk Üniversitesi Fen Bilimleri Enstitüsü e-posta: austun@selcuk.edu.tr Konya, 2007 A. Üstün yöntemleri 1 / 28 Bir soruyu ya
DetaylıK-S Testi hipotezde ileri sürülen dağılımla örnek yığılmalı dağılım fonksiyonunun karşılaştırılması ile yapılır.
İstatistiksel güven aralıkları uygulamalarında normallik (normal dağılıma uygunluk) oldukça önemlidir. Kullanılan parametrik istatistiksel tekniklerin geçerli olabilmesi için populasyon şans değişkeninin
DetaylıKesikli Şans Değişkenleri İçin; Olasılık Dağılımları Beklenen Değer ve Varyans Olasılık Hesaplamaları
Kesikli Şans Değişkenleri İçin; Olasılık Dağılımları Beklenen Değer ve Varyans Olasılık Hesaplamaları 1 Şans Değişkeni: Bir dağılışı olan ve bu dağılışın yapısına uygun frekansta oluşum gösteren değişkendir.
DetaylıBÖLÜM 10 ÖRNEKLEME YÖNTEMLERİ
İÇİNDEKİLER BÖLÜM 10 ÖRNEKLEME YÖNTEMLERİ I. ÖRNEKLEME... 1 II. ÖRNEKLEMENİN SAFHALARI... 2 III. ÖRNEK ALMA YÖNTEMLERİ 5 A. RASYONEL ÖRNEK ALMA... 5 B. TESADÜFİ ÖRNEK ALMA... 6 C. KADEMELİ ÖRNEK ALMA...
DetaylıGenel olarak test istatistikleri. Merkezi Eğilim (Yığılma) Ölçüleri Merkezi Dağılım (Yayılma) Ölçüleri. olmak üzere 2 grupta incelenebilir.
3.SUNUM Genel olarak test istatistikleri Merkezi Eğilim (Yığılma) Ölçüleri Merkezi Dağılım (Yayılma) Ölçüleri olmak üzere 2 grupta incelenebilir. 2 Merkezi Eğilim Ölçüleri, belli bir özelliğe ya da değişkene
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık Örnekleme Planlar ve Dağılımları Prof. Dr. İrfan KAYMAZ Tanım İncelenen olayın ait olduğu anakütlenin bütünüyle dikkate alınması zaman, para, ekipman ve bunun gibi nedenlerden dolayı
DetaylıYARI LOGARİTMİK MODELLERDE KUKLA DECİşKENLERİN KA TSA YıLARıNIN YORUMU
Marmara Üniversitesi U.B.F. Dergisi YIL 2005, CİLT XX, SAyı 1 YARI LOGARİTMİK MODELLERDE KUKLA DECİşKENLERİN KA TSA YıLARıNIN YORUMU Yrd. Doç. Dr. Ebru ÇACLAYAN' Arş. Gör. Burak GÜRİş" Büyüme modelleri,
Detaylıalphanumeric journal The Journal of Operations Research, Statistics, Econometrics and Management Information Systems
Available online at www.alphanumericjournal.com alphanumeric journal Volume 2, Issue 1, 2014 2014.02.01.STAT.01 HAVACILIKTA ÜREYEN RUTİN OLMAYAN (NON- ROUTINE) İŞLERİN ADAM X SAAT TAHMİNİ: GERÇEK ZAMANLI
Detaylı