Karesel Olumsallık Tablolarında Asimetri ve Çarpık Simetri Modelleri
|
|
- Hakan Ertegün
- 6 yıl önce
- İzleme sayısı:
Transkript
1 ORİJİNAL ARAŞTIRMA ORIGINAL RESEARCH Karesel Olumsallık Tablolarında Asmetr ve Çarık Smetr Modeller Asymmetry and Skew-Symmetry Models for Square Contngency Tables Gökçen ALTUN, a Serl AKTAŞ a a İstatstk Bölümü, Hacettee Ünverstes Fen Fakültes, Ankara Gelş Tarh/Receved: Kabul Tarh/Acceted: Yazışma Adres/Corresondence: Serl AKTAŞ Hacettee Ünverstes Fen Fakültes, İstatstk Bölümü, Ankara, TÜRKİYE/TURKEY sl@hacettee.edu.tr ÖZET Amaç: Karesel olumsallık tabloları bağımlı örneklemlerde ortaya çıkan, satır ve sütun değşkenler aynı düzeylere sah olan çaraz tablolarıdır. Bu tablolarının çözümlenmesnde bazı özel modeller kullanılır. Bu modeller çoğunlukla smetr modellerdr. Bu çalışmada k boyutlu karesel olumsallık tablolarında smetr yaısı bozulduğu durumlar çn gelştrlen modeller tanıtılmıştır. Bu modellerde olumsallık tablosundak değşkenlern sıralablr ölçekte olduğu varsayılır. Gereç ve Yöntemler: Karesel olumsallık tabloların çözümlenmesnde smetr yaısının bozulduğu durumlar çn kullanılan asmetr ve çarık smetr modeller 80 kanser hastasına at verler üzernde gösterlmş ve sonuçlar tartışılmıştır. Bu modellern çözümlenmesnde SPSS ve SAS rogramları kullanılmıştır. En uygun model çn arametre tahmn le yorumlama yaılmıştır. Bulgular: Verler smetr yaısını faden modellere uyum sağlamamıştır. Asmetr ve çarık smetr modellernn bütün alt modeller verye uyum sağlarken tekdüze çarık smetr model en uyumlu model olarak bulunmuştur. Tekdüze çarık smetr model varsayımı altında odds oranı,34 olarak hesalanmıştır. Sonuç: Stolok ve atalok sınıflandırma arasındak uyum %74 bulunmuştur, bu değer yüksek uyum olarak değerlendrleblr. Stolok tanı le şühel teşhs konan vakalar atolok tanı le desteklenmeden kesnleştrlemez. Kanser tanısının doğruluğu açısından stolok ve atalok sınıflama arasında mükemmel uyum olması beklendğnden köşegen dışı elemanların da ncelenmes gerekmektedr. Bu da karesel olumsallık tabloları çözümlemeler le mümkündür. Anahtar Kelmeler: Karesel olumsallık tablosu; smetr model; asmetr model; çarık smetr model ABSTRACT Objectve: Square contngency tables that arse n deendent samles where the row and column varables have same level. Some secfc models used n the analyss of these knds of tables. These models are mostly n the symmetrcal attern. In ths study, the models are ntroduced for two dmensonal square contngency tables where the dearture from the symmetry structure s observed. Models descrbed n ths aer assume ordnal categores for the contngency table. Materal and Methods: Asymmetry and skew symmetry models used when the symmetry structure s dstorted n analyss of square contngency tables are shown on a 80 cancer atent s dataset and the results are dscussed. SPSS and SAS rograms are used n the analyss of these models. The nterretatons are made wth the arameter estmaton for the best fttng model. Results: Symmetry models do not hold for the data. Whle the sub models of asymmetry and skew symmetry models hold for the data, the best fttng model s determned as the unform skew symmetry model for the cancer data. The odds rato under unform skew smmetry model s estmated as.34. Concluson: The agreement between the cytologcal and athalogcal dagnoss of uterne cancer s 74% suggestng the hgh agreement. A cytologcal dagnoss recorded as suscous s not consdered as dagnostc of cancer unless suorted by athologcal dagnoss. As t s eected erfect agreement between the cytologcal classfcaton and athologcal classfcaton n terms of accurate dagnoss, the off-dagonal cells should be studed as well. Ths could be done wth the anayss of square contngency tables. Key Words: Square contngency tables; symmetry model; asymmetry model; skew symmetry model do: /bostatc Coyrght 06 by Türkye Klnkler?????????????? Turkye Klnkler J Bostat 06;8():5-6 Turkye Klnkler J Bostat 06;8() 5
2 Brçok uygulamalı blm dalında araştırmacılar, değşkenler arasındak lşk veya değşken düzeyler arasındak farklılığı ncelemey amaçlar. Düzeyler sözel olarak fade edleblen değşkenler kategork ver olmakla beraber, düzeyler sayısal olarak fade edleblen değşkenlern alableceğ değerler sınıflandırılarak kategork ver halne getrleblr. Kategork değşken, her br gözlemn belrl br kategorye, yan sınıfa at olduğu sınıflanablen ve sıralanablen özellğe sah değşkenlerdr. Kategork değşkenlern brleşk dağılımı olumsallık tabloları le özetlenr. Olumsallık tabloları k ya da daha fazla kategork değşkenn ortak sıklık dağılımıdır. Olumsallık tablolarında her değşken belrl sayıda düzeye sahtr. Satır değşken düzey sayısı I, sütun değşken düzey sayısı I olmak üzere satır ve sütun değşkenlernn aynı krterlere göre sınıflandırıldığı bağımlı örneklem çalışmaları boyutlu karesel tablo çözümlemeler le yorumlanır. Karesel olumsallık tabloları hastaların lk ve son muayene durumları, br hastalığın k uzman tarafından teşhs edldğ durumlar; sağ ve sol gözün görme dereces gb tekrarlı ölçümlü değşkenler çn düzenlenrler. Karesel olumsallık tablolarında çaraz tabloların çözümlenmesnde sıklıkla kullanılan bağımsızlık çözümlemes yaılması tablonun bağımlılık yaısından dolayı uygun değldr. Bu nedenle bazı özel çözümlemeler önerlmştr. Karesel olumsallık tablolarının çözümlenmes lk olarak tam smetr modelnn önerlmesyle başlamıştır. Daha sonra, yarı smetr (YS), marnal homojenlk (MH), koşullu smetr (KS), köşegen arametre smetr (KPS) modeller gb özel modellern kullanılmasıyla devam etmştr. Son yıllarda önerlen bu modellern yazılım rogramlarında uygulanablmes çn tasarım matrsler elde edlmştr. 3 Karesel olumsallık tablolarının çözümlenmesnde öncelkle smetr yaısını fade eden modeller ve eğer smetr yaısı bozuluyorsa bu durumlar çn önerlen dğer modeller uygulanmalıdır. Çalışma kasamında bu modeller teork olarak ncelenmş ve gerçek br ver kümes üzernde uygulaması yaılarak sonuçlar tartışılmıştır. KARESEL OLUMSALLIK TABLOLARI Olumsallık tabloları k ya da daha fazla kategork değşkenn ortak sıklık dağılımıdır. Br olumsallık tablosu k ya da daha fazla değşkenn düzeylernn çaraz sınıflandırılması olarak da düşünüleblr. Satır ve sütun değşkenlernn düzeylernn aynı olduğu tablolar boyutlu karesel olumsallık tablolarıdır (Tablo ). KARESEL OLUMSALLIK TABLOLARINDA SİMETRİ YAPISINI İFADE EDEN MODELLER Karesel olumsallık tablolarında çeştl durumlar çn smetrk yaıyı fade eden modeller Tam Smetr Model, Yarı Smetr Model ve Marnal Homojenlk Modeldr. 4 Tam Smetr Model (TS) boyutlu karesel olumsallık tablosunun ana köşegenne göre smetrk gözelere at olasılıkların ya da beklenen sıklıkların eştlğn test eden Tam Smetr Model (TS) ne at hotez. : Herhang br deneğn. satır j. sütunda yer alma olasılığını göstermek üzere Eştlk () de fade edldğ gbdr. H : =,j=,,...,i () TS Tam smetr model altında beklenen sıklıklara lşkn en çok olablrlk tahmn eştlkler m :. satır, j. sütuna at beklenen sıklık değer olmak üzere Eştlk () de verlmştr. TABLO : Karesel olumsallık tablosunun gösterm Satır Değşken Sütün Değşken Tolam I I I I Tolam.. I. I. II I..I.. Turkye Klnkler J Bostat 06;8() 53
3 I I =.,.,. j,.,.. = = = j= =.. =, =, =. j. j /. /. j.... j + j mˆ = () = j Tam smetr modelnn serbestlk dereces; I( I ) sdts = dr. Tam smetr modelne lşkn arametrelern gözelere göre dağılımı matrs yaısında verlmştr. TS göstermyle fade edlen bu matrs oluşturan TS elemanları tüm (,j) ler çn = olmak üzere aşağıda verlen eştlk le fade edlr ; ( k + ) ( + )( + ) + (I+ 3)( + ) 3 I j TS = ( k + ) ( j + )( j + ) + (I+ 3)( j + ) 3 I > j (3) Blgsayar ortamındak çözümlemelerde faktör değşken olarak belrtlen TS matrs yaısı smetr modelnn uygulanması çn gerekldr ve 4 4 karesel olumsallık tablosu çn TS matrs gösterm aşağıdak gbdr; TS = Yarı Smetr Model (YS) Caussnus (966) tarafında tanımlanan, ana köşegenn br tarafındak gözelerden elde edlen odds oranlarının, köşegenn dğer tarafındak gözelerden elde edlen odds oranlarına eştlğn test eden Yarı Smetr Model (YS) ne at hotez Eştlk (4) de verlmştr. 5 H : = α j (4) YS j Yarı smetr model altında beklenen sıklıklara (m) lşkn en çok olablrlk tahmnler aşağıda verlen kısıtları sağlamalıdır: mˆ =, =,,...,I.. mˆ =, =,,...,I.. mˆ + mˆ = +, j (5) sd YS Yarı smetr modelnn serbestlk dereces; ( I )( I ) = dr. Marnal Homojenlk Model (MH) Satır ve sütun değşkenlernn aynı düzeylerne at marnal olasılıklarının brbrne eştlğn test eden Marnal Homojenlk Model (MH) Stuart (955) tarafından önerlmştr. MH ne at hotez Eştlk (6) da fade edldğ gbdr. 6 X: satır değşken, Y: sütun değşken olmak üzere H : = =,...,I (6) MH.. le fade edlr. Burada,. X I = t. t= F ve F Y termler brkml marnal olasılıkları göstermek üzere, I = s= s X F = Pr( X ) = =,,...,I- k = Y F = Pr( Y ) = =,,...,I- k =. k k. MH modelne at farklı göstermler Eştlk (7) ve (8) de fade edldğ gbdr; H : Pr( X = ) = Pr( Y = ) =,,...,I (7) MH X Y H : F = F, =,,...,I- (8) MH Marnal homojenlk modelnn serbestlk dr. dereces ( I ) TS, YS ve MH modeller karesel olumsallık tablolarındak smetr yaısını çeştl durumlarda tanımlamaktadır. Smetr yaısına uygunluk TS modelne uyumla sağlanır. Caussnus (965) n tanımına göre ver analznde TS modelne uyum yoksa, bunun neden kaynaklandığını görmek ya da farklı durumlar çn smetr yaısını ncelemek çn smetrk yaıyı fade eden dğer k model MH ve YS modellerne bakılır. 5 Smetr yaısını tanımlayan modeller uyumlu olmadığında veya samalar meydana geldğnde se bu samaları tanımlayan ve Turkye Klnkler J Bostat 06;8() 54
4 samaların derecelern belrleyen smetrk olmayan yaıları fade eden modeller önerlmştr. Karesel Olumsallık Tablolarında Smetr Yaısından Saan Modeller Karesel olumsallık tablolarında. Bölümde verlen modellere uyum sağlanmadığında smetr modellernden sama olduğu söylenr. Bu durumda Asmetrk modeller daha uygun sonuçlar verr. Bu bölümde asmetr modeller tanıtılmıştır. Asmetr Modeller Tam smetr modelnden samaları fade eden model Goodman (985) tarafından asmetrk model olarak tanımlanmıştır. 7 Asmetrk modeller tam smetr modeln temel aldıkları çn tam smetr model Boş Asmetr model olarak da adlandırılır. Üçgen Asmetr Model (ÜA) Goodman (985), ρ smetr arametres τ ve τ koşul arametres olmak üzere üçgen asmetr modeln fade etmştr. ÜA model alt ve üst üçgenlere at beklenen olasılıkların eştlğn test eder. 7 Modele at hotez ρ = ρ koşulu altında Eştlk (9) da fade edldğ gbdr; H ÜA ρτ > j : =,j=,,...,i ρτ < j (9) Üçgen asmetr model McCullagh (978) tarafından tanıtılan koşullu smetr modelne (KS) eşttr. 8 Koşullu smetr modelne at hotez Eştlk (0) da verldğ gbdr; H : = γ <j (0) KS Üçgen asmetr model altında beklenen sıklıklara at en çok olablrlk tahmn eştlkler Eştlk () de verlmştr ; ˆ γ ( + ) <j + ˆ γ mˆ =j ˆ = γ = ( + ) >j + ˆ γ < j > j () Üçgen asmetr modelnn serbestlk dereces; ( I + )( I ) sd = dr. Üçgen asmetr modelne ÜA lşkn arametrelern gözelere göre dağılımı matrs yaısında verlmştr. ÜA göstermyle fade edlen bu matrs oluşturan ÜA elemanları tüm (,j) ler aşağıda verlen eştlk le fade edlr; ÜA 3 <j = >j () =j 4 4 karesel olumsallık tablosu çn ÜA matrs gösterm aşağıdak gbdr; ÜA = 3 Köşegen Asmetr Model (KA) Goodman (985) tarafından KS modelnn uzantısı olarak tanımlanan köşegen asmetr modelne at hotez Eştlk (3) de fade edldğ gbdr; 7 H : = δ k = j = ±, ±,..., (I ) (3) KA k Eştlk (3) de yer alan δ k arametreler br gözlem değernn k=j- çn, (j,) gözes yerne (,j) gözesnde olmasının odds değern fade etmektedr. Köşegen asmetr model altında beklenen sıklıklara at en çok olablrlk tahmn eştlkler Eştlk (4) de verlmştr ; ˆ δ j ( + ) <j + ˆ δ j mˆ = =j ( + ) >j + ˆ δ j ˆ δ (4) + I k I k ( k ) + k = ( k ) = t, t k ( k ) + = t+ k, t ( k ) t= t= Köşegen asmetr modelnn serbestlk dere- = dr. Köşegen asmetr mode- ces; (I ) (I ) sd KA Turkye Klnkler J Bostat 06;8() 55
5 lne lşkn arametrelern gözelere göre dağılımı matrs yaısında verlmştr. KA göstermyle fade edlen bu matrs oluşturan KA elemanları tüm (,j) ler aşağıda verlen eştlk le fade edlr; j <j KA = j +I - >j I- =j (5) 4 4 karesel olumsallık tablosu çn KA matrs gösterm aşağıdak gbdr; KA = Sabt Uzaklık Asmetr Model (SUA) Sabt uzaklık asmetr modelnde köşegen asmetr modelndek arametrelern logartmaları ( δ ) ln k doğrusal yaıya sahtr. Modele at hotez Eştlk (6) da fade edlmştr. H = δ (6) j- SUA : j Sabt uzaklık asmetr model altında beklenen sıklıkların en çok olablrlk tahmn eştlkler Eştlk (7) de verlmştr; ˆ j δ ( + ) <j ˆ j + δ mˆ = =j (7) ( + ) >j ˆ j + δ Sabt uzaklık asmetr modelnn serbestlk dereces; ( I + )( I ) sdsua = dr. Sabt uzaklık asmetr modelne lşkn arametrelern gözelere göre dağılımı matrs yaısında verlmştr. SUA göstermyle fade edlen bu matrs oluşturan SUA elemanları tüm (,j) ler aşağıda verlen eştlk le fade edlr; SUA j + <j = >j (8) 4 4 karesel olumsallık tablosu çn SUA matrs gösterm aşağıdak gbdr; SUA = Odds Asmetr Model (OA) Üçgen asmetr modelnn uzantısı olarak Tomzawa (985) tarafından tanımlanan odds asmetr modelne at hotez Eştlk (9) da fade edldğ gbdr; 4 H OA : = <j (9) (, j+ ) ( j+, ) Odds asmetr modelne göre, olumsallık tablosunun sağ üst üçgennde. satır düzeynde, sütun düzeynn (j+) yerne j de olmasının odds oranı, sol alt üçgenn. sütun düzeynde satır düzeynn (j+) yerne j de olmasının odds oranına eşttr. Odds asmetr model altında beklenen sıklıklara at en çok olablrlk tahmn eştlkler Eştlk (0) de verlmştr. 4 ( ) + b <j ( b + c ) mˆ = =j ( + ) c >j ( b + c ) (0) Odds Asmetr modelnn serbestlk dereces ( I )( I ) sdoa = dr. Odds asmetr modelne lşkn arametrelern gözelere göre dağılımı matrs yaısında verlmştr. OA göstermyle fade edlen bu matrs oluşturan OA elemanları tüm (,j) ler aşağıda verlen eştlk le fade edlr; Turkye Klnkler J Bostat 06;8() 56
6 <j ( OA) = ( I ) + j >j I =j () 4 4 karesel olumsallık tablosu çn OA matrs gösterm aşağıdak gbdr; OA = Odds Asmetr Model (OA) Üçgen asmetr modelnn uzantısı olarak Tomzawa (985) tarafından tanımlanan odds asmetr modelne at hotez Eştlk () de fade edldğ gbdr; 4 H = () : (, j) ( j, ) <j OA Odds asmetr modelne göre, olumsallık tablosunun sağ üst üçgennde j. sütun düzeynde, satır düzeynn yerne (-) de olmasının odds oranı, sol alt üçgenn j. satır düzeynde sütun düzeynn yerne (-) de olmasının odds oranına eşttr. Odds asmetr model altında beklenen sıklıklara at en çok olablrlk tahmn eştlkler Eştlk (3) de verlmştr ( ) + b <j ( b + c ) mˆ = =j ( + ) c >j ( b + c ) (3) Odds asmetr modelne at serbestlk dereces ( I )( I ) sdoa = dr. Odds asmetr modelne lşkn arametrelern gözelere göre dağılımı matrs yaısında verlmştr. OA göstermyle fade edlen bu matrs oluşturan OA elemanları tüm (,j) ler aşağıda verlen eştlk le fade edlr; (I-j) <j ( OA) = ( I + ) >j I =j (4) 4 4 karesel olumsallık tablosu çn OA matrs gösterm aşağıdak gbdr; OA= İk Oran Parametre Asmetr Model (OPA) İk oran arametre asmetr modelne at hotez Eştlk (5) de verldğ gbdr. j H : = γ δ <j (5) OPA oran arametre asmetr model altında beklenen sıklıklara at en çok olablrlk tahmnler eştlkler Eştlk (6) da verlen kısıtları sağlamalıdır; mˆ + mˆ = +,j I I I I I jmˆ = j = j= = j= { ( )} = { ( )} mˆ I j I j < j < j (6) sd OPA = oran arametre asmetr modelnn serbestlk dereces; I I 4 dr Asmetr modeller tam smetr modeln temel aldıkları çn bu modelle brlkte fade edlmeldr. Asmetr modellernn blgsayar ortamındak çözümü çn özetlenen Tablo de matrs göstermler TERİMLER başlığı altında gösterlmştr Çarık Smetr Modeller Yarı smetr modelnden samaları fade eden çarık smetr modeller Yamagush (990) tarafından tanımlanmıştır. 9 Çarık smetr modeller yarı smetr modeln temel alırlar. Bu nedenle yarı smetr model boş çarık smetr model olarak adlandırılır. Turkye Klnkler J Bostat 06;8() 57
7 TABLO : Asmetr modellernn blgsayar ortamındak çözümüne at termler. Model Termler Üçgen Asmetr TS + ÜA Köşegen Asmetr Sabt Uzaklık Asmetr Odds Asmetr Odds Asmetr TS + KA TS + SUA TS + OA TS + OA Oran Parametre Asmetr TS + ÜA + SUA (TS:tam smetr, ÜA:üçgen asmetr, KA:köşegen asmetr, SUA: sabt uzaklık asmetr, OA: odds asmetr, OA:odds asmetr ). Ω (, st ),. ve j. satırlar le, s. ve t. sütunlardan oluşan alt tablolar çn odds oranı olarak tanımlansın. Bu durumda, s jt Θ (, st ) = ken, js t Θ (, st ) Ω (, st ) = dr. (7) Θ ( sj, ) Ω (, st ) tahmnler bazı modeller altında m beklenen sıklıklarından aşağıdak gb elde edleblr. m m m m Ω = ˆ s jk t sj (, st ) ms mtj mt m js s (8) = j ve t = k olduğu durum çn Eştlk (4.0) aşağıdak gb elde edlr. ˆ m m jk mk m jj m m jk mk Ω, (, jk ) = = < j < k m m m m m m m ˆ kj k jj kj k (9) (, jk ) Ω (, jk ) = e Φ olmak üzere boş çarık smetr model (yarı smetr) model altında Ω (, ) = ve Φ (, jk ) = 0 dır. Aşağıda fade edlen çarık smetr modellernde Ω(, jk ) ve Φ(, jk ) 0 dır. 0 Tekdüze Çarık Smetr Model (TÇS) Tekdüze çarık smetr modelne at hotez Eştlk (30) da fade edldğ gbdr; H : = γ α <j (30) TÇS j Tekdüze çarık smetr modelnn serbestlk dereces I( I 3) sdtçsd = dr. jk Köşegen Parametre Çarık Smetr Model (KPÇS) Köşegen asmetr modelnden yola çıkarak elde edlen köşegen arametre çarık smetr modelne at hotez k=j- olmak üzere Eştlk (3) de verldğ gbdr; H : = α δ <j (3) KPÇS j k Köşegen arametre smetr modelne at serbestlk dereces ( I )( I 3) sdkpçs = dr. Orta Değer Etkl Çarık Smetr Model (OEÇS) θ odds oranı olmak üzere orta değer etkl (<j;k<l) çarık smetr model olumsallık tablosunun sağ üst üçgennde yer alan odds oranının θ < j < k < l I, sol alt üçgennde yer ( (<j;k<l) ) alan odds oranına ( θ(k<l;<j) ) eştlğn test eder. Orta değer etkl çarık smetr modelne at hotez Eştlk (3) de verldğ gbdr; H : = α β δ <j (3) OEÇS j Orta değer etkl çarık smetr modelnn serbestlk dereces ( I )( I 3) sdoeçs = dr. Çarık smetr modeller yarı smetr modeln temel aldıkları çn bu modelle brlkte fade edlmeldr. Çarık smetr modellernn blgsayar ortamındak çözümü çn özetlenen Tablo 3 te matrs göstermler TERİMLER başlığı altında gösterlmştr SAYISAL ÖRNEK Modellern uygulaması, Osus (997) makalesnden alınan 66 karesel tablosu üzernde yaılmıştır. Bu çalışmada önleyc check-u kasamında smear test yatıran kadınlardan alınan örnekler hstolk olarak analz edlmş ve stolok sınıflandırmaya göre kategorze edlmştr. Bu sınıflanırmalar: Pa I Pa II Normal hücre haff nflame PaIII D L haff dslaz, PaIII D M orta dslaz, PaIV A S şddetl dslaz, Turkye Klnkler J Bostat 06;8() 58
8 TABLO 3: Çarık smetr modellernn blgsayar ortamındak çözümüne at termler Model Tekdüze Çarık Smetr Düzey Termler Satır Değşken + Sütun Değşken + TS + ÜA Köşegen Parametre Çarık Smetr Satır Değşken + Sütun Değşken + TS + KA Ortadeğer Etkl Çarık Smetr Satır Değşken + Sütun Değşken + TS + OA (TS:tam smetr, ÜA:üçgen asmetr, KA:köşegen asmetr, OA:odds asmetr ). PaIV AC PaIV B Pa V karsnom n stu, başlangıç nfltrasyon karsnom n stu, etel doku karsnom veya adenod karsnom PAP III, IV ve V kategorler şühel kanser olableceğ çn aynı zamanda byos önerlmektedr. Dolayısıyla stolok sınıflama le en son elde edlen atalok sınıflandırma arasında doğruluk bakımından br karşılaştırma yaılmak stenmektedr. Stolok ve atalok sınıflandırmalar Tablo 4 te verlmştr. PAP III ve daha üstü durumlarda byos stendğ çn PAP I ve PAP II sınıfları tabloya dahl edlmemştr. Stolok ve atolok sınıflamalar arasındak uyuma bakıldığında Kaa katsayısı %74 hesalanmıştır (P<0.0). Buradan k teşhs yöntem arasında mükemmel br uyumdan söz edlemeyeceğ görülür. Kalte hedeflernde stolok tanı le atalok tanı arasındak uyumun %00 e yakın olması beklendğnden, bu durumda köşegen dışı değerlerde de anlamlı br yorum olu olmayacağı araştırılmalıdır. Karesel tablo çözümlemeler köşegen dışı elemanları dkkate aldığından bu tablolar çn gelştrlen modellerden bazılarının çözümlemeler verlmştr. Tablo 4 de verlen karesel tabloya 3.Bölümde verlen smetr modeller uygulanmış ve modellere lşkn serbestlk dereceler (sd), olablrlk oran statstkler (G ) ve P değerler elde edlmştr ve Tablo 5 te özetlenmştr. Verler smetr yaısını fade eden modellerden TS ve YS modelne uyum sağlamaktadır. Fakat ver çn smetr yaısı sağlandı denlemez. Bunun neden marnal homojenlk modelne uyum olmamasıdır. YS modelne yüksek ölçüde uyumlu bulunmasının neden se vernn, daha sonra tartışılacak olunan YS modeln temel alan çarık smetr modellerne uyum gösterecek olmasıdır. Bu durumda verlere Asmetr ve Çarık Smetr modeller uygulanmıştır (Tablo 6, 7). Asmetr ve çarık smetr alt modellernn hes verye uyum sağlamıştır. En küçük AIC değerne sah olan model se TÇS modeldr. Dolayısıyla verye en y uyumu sağlayan model 9 serbestlk dereces ve G =,79 le TÇS modeldr. TÇS model beklenen sıklıklar elde edlmştr (Tablo 8). TÇS model altında Bu durumda, log( ˆ γ ) = 0.9 yan =,34 tür. ( ) m m m = ˆ γ m m m, < j < k I jk k kj k = eştlğnden odds oranlarına geçlrse γ = Ω ˆ = Ω ˆ = Ω ˆ = Ω ˆ = (,3) (3,34) (4,45) (5,56) Ω ˆ = Ω ˆ = Ω ˆ = Ω ˆ = Ω ˆ = Ω ˆ =.34 (3,34) (4,45) (5,56) (34,45) (35,56) (45,56) olduğu görülür. TÇS modelnde > olduğu - çn stolok tanı yöntemnn tanımladığı sınıflandırmaları atolok sınıflandırmanın derece TABLO 4: Stolok ve atalok sınıflandırma. Patolok Sınıflandırma Stolok Sınıflandırma Tolam Tolam Turkye Klnkler J Bostat 06;8() 59
9 * P<0,05. TABLO 5: Smetr yaısını fade eden modellernn sd, G ve P değerler. Model Sd G P-değer TS 5 8,909 0,8 YS 0,07 0,994 MH 5 6,8 0,04 * TABLO 6: Asmetr alt modellernn sd, G ve P değerler Asmetr Alt Modeller sd G P-değer AIC ÜA 4 7,550 0,8-0,45 KA 0 7,40 0,069 -,76 SUA 4 7,765 0,8-0,35 OA 0 4,586 0,97-5,44 OA 0 7,704 0,658 -,96 OPA 3 7,53 0,76-8,468 TABLO 7: Çarık smetr alt modellernn sd, G ve P değerler. Çarık Smetr Alt Modeller sd G P-değer AIC TÇS 9,79 0,994-6,09 KPÇS 6,706 0,945-0,94 OEÇS 6,09 0,98-0,89 lendrmey daha üst sınıfa koyduğu söyleneblr. Yan atalok teşhs daha hassas br sınıflandırma yamıştır ve stolok tanıdan kaçablecek gözlemler yakalamada daha başarılıdır. SONUÇ VE TARTIŞMA Aynı hastada aynı dokudan alınmış örneklerde gerçekleştrlmş stolok ve atolok ncelemelere lşkn tanılar arasındak uyumu değerlendrmek üzere gelştrlmş ölçüm araçları kullanılmaktadır. Pratkte aynı hasta ve aynı dokuda stolok ve atolok tanı açısından uyum: Aynı hasta ve aynı dokuda stolok ve atolok tanı açısından uyumlu olan vaka sayısı/aynı hasta ve aynı dokuda stolok ve atolok nceleme yaılmış vaka sayısı) 00 formülunden hesalanmaktadır. Bu çalışmada stolok sınıflama le atalok sınıflandırma arasındak uyuma lşkn oluşturulmuş br 66 karesel tablo üzernde modeller ncelenmştr. Öncelkle karesel olumsallık tablolarında smetr yaısını fade eden modeller le araştırmacının denemes gereken smetrk olmayan modeller tanıtılmıştır. Smetr yaısının bozulduğu çözümlemelerle belrlendğ çn ver kümesne smetr yaısına uyum sağlanmadığı taktrde kullanılan modellern uygulaması gösterlmştr. Aktaş ve Saraçbaşı (009) aynı ver üzernde uyumsuzluk modellernn çözümlemesn yamışlardır. Bu modeller varsayımı altında hesalanan odds oranlarına göre stolok tanı yöntemnn tanımladığı sınıflandırmaları atolok sınıflandırmanın derecelendrmey br üst dereceye koyduğu gösterlmştr. Osus (997) stolok ve atalok sınıflandırma versn arası çn 6 ardışık tabloda fade etmş ve her k yöntem arasındak uyumda yıllara göre değşm olu olmadığını ncelemştr. Yıllar lerledkçe her k teşhs yöntem arasındak uyumun arttığını göstermştr. Karesel tablo çözümlemelernde çalışmanın amacına göre test edlecek modeller çn: TS, YS, MH; ÜA, KA, SUA, OA, OA, OPA ve TÇS, Sstolok Sınıflandırma TABLO 8: TÇS model altında beklenen sıklıklar. Patolok Sınıflandırma ,4 0,379 0,53 0,367 0,580 4, ,73,6 0,356,6 3 0,6 3, ,3,0,6 4,47 6,84 8, ,34 6, ,633 0,644 0,880,658 0,5,85 6 0,90,874 0,839,55 0,85 64 Turkye Klnkler J Bostat 06;8() 60
10 KPÇS, OEÇS modeller sıralaması uygulanmalıdır. En uygun model beklenen sıklıkları üzernden ya da arametre tahmnler kullanılarak odds oranları hesalanmalı ve tablo ayrıntılı olarak yorumlanmalıdır. Bu çalışmada yanlış br uygulama olarak her türlü çaraz tablo çözümlemelernde bağımsızlık çözümlemes yamak yerne özel olarak karesel tablolarının çözümlemesnde önerlmş olan bazı özel modellern uygulaması gösterlmştr.. Bsho, Y. M., Fenberg, S., Holland, P. W., Dscrete Multvarate Analyss, Theory and Practce. MIT Press. London; Agrest, A., An Introducton Categorcal Data Analyss. nd ed. New Jersey: John Wley & Sons; Lawal H. B., Categorcal Data Analyss wth SAS and SPSS Alcatons. Lawrence Erlbaum Assocates Publshers, New Jersey, Tomzawa, S., Myamoto, N., Funato, R. Condtonal Dfference Asymmetry Model for Square Contngency Tables wth Nomnal Categores. Journal of Aled Statstcs,004; 3 (3): Caussnus, H. Contrbutons a l analyse Statstque des Tableau de Correlaton. KAYNAKLAR Ann. Fac. Sc. Unv. Toulouse,965; 9: Stuart, A. A Test for Homogenety of the Margnal Dstrbutons n a Two-way Classfcaton. Bometrka,955; 4 (3) : Yamaguch, K. Some models for the analyss of asymmetrc assocaton n square contngency tables wth ordered categores. Socologcal Methodology, 990;0, McCullagh, P. A class of Parametrc Models for the Analyss of Square Contngency Tables wth Ordered Categores. Bometrka,978; 65 (): Yamaguch, K. Some models for the analyss of asymmetrc assocaton n square contngency tables wth ordered categores. Socologcal Methodology, 990;0, Lawal, H. B. Revew of Non- Indeendence, Asymmetry, Skew- Symmetry and Pont-Symmetry Models n the Analyss of Socal Moblty Data, Qualty&Quantty, 004;38 (3): Osus G. Log-Lnear Models for Assocaton and Agreement n Stratfed Square Contngency Tables. Comutatonal Statstcs, 997; (): Aktaş, S., Saraçbaşı S., Estmaton of symmetrc dsagreement usng a unform a assocaton model for ordnal agreement data. AStA Advances n Statstcal Analyss, 009; 93: Turkye Klnkler J Bostat 06;8() 6
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
DetaylıUYUM 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
DetaylıKorelasyon 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
DetaylıKİ-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
DetaylıKİ-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
DetaylıKİ 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.
DetaylıPARÇALI 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
DetaylıHAFTA 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
DetaylıNİTEL 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:
DetaylıKIRMIZI, 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
DetaylıSıklık 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.
DetaylıAsimetri 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
DetaylıHasar 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
Detaylıkadar ( i. kaynağın gölge fiyatı kadar) olmalıdır.
KONU : DUAL MODELİN EKONOMİK YORUMU Br prmal-dual model lşks P : max Z cx D: mn Z bv AX b AV c X 0 V 0 bçmnde tanımlı olsun. Prmal modeln en y temel B ve buna lşkn fyat vektörü c B olsun. Z B B BB c X
DetaylıPARAMETRİK 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
DetaylıSürekli 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
DetaylıFARKLI 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
DetaylıDoğrusal 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
Detaylı4.5. 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,
DetaylıTek 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
DetaylıALGILANAN 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
DetaylıENDÜSTRİNİN 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
DetaylıKENTSEL 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
DetaylıA 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
DetaylıEKONOMETRİYE 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:
DetaylıSEK 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
DetaylıRasgele Değişken Üretme Teknikleri
Rasgele Değşken Üretme Teknkler Amaç Smülasyon modelnn grdlern oluşturacak örneklern üretlmes Yaygın olarak kullanılan ayrık veya sürekl dağılımların örneklenmes sürecn anlamak Yaygın olarak kullanılan
DetaylıYARIPARAMETRİK KISMİ DOĞRUSAL PANEL VERİ MODELLERİYLE ULUSLAR ARASI GÖÇ
Özet YARIPARAMETRİK KISMİ DOĞRUSAL PANEL VERİ MODELLERİYLE ULUSLAR ARASI GÖÇ Atıf EVREN *1 Elf TUNA ** Yarı parametrk panel ver modeller parametrk ve parametrk olmayan modeller br araya getren; br kısmı
DetaylıX, 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
DetaylıSıfır 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
DetaylıFarklı 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
DetaylıGenel 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,
DetaylıÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ
ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ DOKTORA TEZİ Seval SÜZÜLMÜŞ FAKTÖR ANALİZİ MODELLERİNİN BELİRLENEBİLİRLİĞİ VE GENELLEŞTİRİLMİŞ İNVERSLERİN KULLANIMI İSTATİSTİK ANABİLİM DALI ADANA, 5 ÖZ DOKTORA
DetaylıREGRESYONDA ETKİLİ GÖZLEMLERİ BELİRLEME YÖNTEMLERİ VE KARŞILAŞTIRMALARI. Can DARICA YÜKSEK LİSANS TEZİ İSTATİSTİK
REGRESYONDA ETKİLİ GÖZLEMLERİ BELİRLEME YÖNTEMLERİ VE KARŞILAŞTIRMALARI Can DARICA YÜKSEK LİSANS TEZİ İSTATİSTİK GAZİ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ ŞUBAT 014 ANKARA Can DARICA tarafından hazırlanan
DetaylıOlabilirlik Oranı Yöntemine Dayalı, Yapısal Homojen Olmayan Varyans Testlerinin Piyasa Modeli İçin Karşılaştırılması
Dokuz Eylül Üverstes İktsad ve İdar Blmler Fakültes Dergs, Clt:6, Sayı:, Yıl:011, ss.135-144 Olablrlk Oraı Yöteme Dayalı, Yaısal Homoje Olmaya Varyas Testler Pyasa Model İç Karşılaştırılması Flz KARDİYEN
DetaylıTek 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
DetaylıMerkezi 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
DetaylıMakine Öğrenmesi 10. hafta
Makne Öğrenmes 0. hafta Lagrange Optmzasonu Destek Vektör Maknes (SVM) Karesel (Quadratc) Programlama Optmzason Blmsel term olarak dlmze geçmş olsa da bazen en leme termle karşılık bulur. Matematktek en
DetaylıAdi Diferansiyel Denklemler NÜMERİK ANALİZ. Adi Diferansiyel Denklemler. Adi Diferansiyel Denklemler
6.4.7 NÜMERİK ANALİZ Yrd. Doç. Dr. Hatce ÇITAKOĞLU 6 Müendslk sstemlernn analznde ve ugulamalı dsplnlerde türev çeren dferansel denklemlern analtk çözümü büük öneme saptr. Sınır değer ve/vea başlangıç
DetaylıObtaining 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
DetaylıYAPILARIN 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
DetaylıSüleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Y.2008, C.13, S.1 s.111-131.
Süleyman Demrel Ünverstes İktsad ve İdar Blmler Fakültes Y.008, C.3, S. s.-3. BİREYSEL EMEKLİLİK FONLARINDA FON YAPILARININ KARMA DENEMELER YÖNTEMİ İLE İNCELENMESİ EXAMINING THE STRUCTURE OF FUNDS BY MIXTURE
DetaylıBÖLÜM 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
DetaylıKİ-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
DetaylıBulanık 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
DetaylıYAŞAM 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
DetaylıRegresyon 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)
DetaylıDeprem Tepkisinin Sayısal Metotlar ile Değerlendirilmesi (Newmark-Beta Metodu) Deprem Mühendisliğine Giriş Dersi Doç. Dr.
Deprem Tepksnn Sayısal Metotlar le Değerlendrlmes (Newmark-Beta Metodu) Sunum Anahat Grş Sayısal Metotlar Motvasyon Tahrk Fonksyonunun Parçalı Lneer Interpolasyonu (Pecewse Lnear Interpolaton of Exctaton
DetaylıASAL BİLEŞENLER ANALİZİNE BOOTSTRAP YAKLAŞIMI
Ekonometr ve İstatstk Sayı: 2005 5-05 İSTANBUL ÜNİVERSİTESİ İKTİSAT FAKÜLTESİ EKONOMETRİ VE İSTATİSTİK DERGİSİ ASAL BİLEŞENLER ANALİZİNE BOOTSTRAP YAKLAŞIMI Dr. Ayln Aktükün Bu makale 5.2.2004 tarhnde
DetaylıÇUKUROVA 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
Detaylıdir. 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)
DetaylıFAKTÖR 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
DetaylıLojistik Regresyonlarda Değişken Seçimi
Çukurova Ünverstes Zraat Fakültes Dergs, 7 (2):05-4 Lostk Regresyonlarda Değşken Seçm Hasan ÖNDER () Zeynel CEBECİ (2) Özet Bu çalışmada, lostk regresyonlarda değşken seçm yöntemlernden ler doğru seçm,
DetaylıMuhasebe 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
Detaylıİyi 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
DetaylıDOĞRUSAL HEDEF PROGRAMLAMA İLE BÜTÇELEME. Hazırlayan: Ozan Kocadağlı Danışman: Prof. Dr. Nalan Cinemre
1 DOĞRUSAL HEDEF PROGRAMLAMA İLE BÜTÇELEME Hazırlayan: Ozan Kocadağlı Danışman: Prof. Dr. Nalan Cnemre 2 BİRİNCİ BÖLÜM HEDEF PROGRAMLAMA 1.1 Grş Karar problemler amaç sayısına göre tek amaçlı ve çok amaçlı
DetaylıMut 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
DetaylıÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ
ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ Savaş OKUR PARAMETRİK VE PARAMETRİK OLMAYAN BASİT DOĞRUSAL REGRESYON ANALİZ YÖNTEMLERİNİN KARŞILAŞTIRMALI OLARAK İNCELENMESİ ZOOTEKNİ ANABİLİM
DetaylıYAYILI 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
DetaylıBaml deikenin simetrik bulank say olmas durumunda parametre tahmini
www.statstkcler.org statstkçler Dergs 3 (00) 54-6 statstkçler Dergs Baml dekenn smetrk bulank say olmas durumunda arametre tahmn Kamle anl Kula Ah Evran Ünverstes, Matematk Bölümü, 4000, Krehr, ürkye sanl004@hotmal.com
DetaylıİSTATİSTİK DERS NOTLARI
Balıkesr Ünverstes İnşaat Mühendslğ Bölüü uutokkan@balkesr.edu.tr İSTATİSTİK DERS OTLARI Yrd. Doç. Dr. Uut OKKA Hdrolk Anabl Dalı Balıkesr Ünverstes Balıkesr Ünverstes İnşaat Mühendslğ Bölüü İnşaat Mühendslğ
DetaylıSEK 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)
DetaylıPROJE 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
DetaylıAKADEMİK 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
DetaylıObtaining Classical Reliability Terms from Item Response Theory in Multiple Choice Tests
Ankara Unversty, Journal of Faculty of Educatonal Scences, year: 2006, vol: 39, no: 2, 27-44 Obtanng Classcal Relablty Terms from Item Response Theory n Multple Choce Tests Hall Yurdugül * ABSTRACT: The
DetaylıREGRESYON ANALİZİ BÖLÜM 1-2
REGRESYON ANALİZİ BÖLÜM 1- Yayın Tarh: 17-08-008 REGRESYON ANALİZİ NEDİR? MODELLEME 1. GİRİŞ İstatstk blmnn temel lg alanlarından br: br şans değşkennn davranışının br model kullanılarak tahmnlenmesdr.
DetaylıA EKONOMETRİ KPSS/1-AB-PÖ/2006
. 6. SOULI ŞĞIDKİ BİLGİLEE GÖE CEVPLYINIZ. Y =β +β X +... +β kxk + u denklem, n adet örnek ver ve k adet katsayı çn matrs ve vektörlerle Y = Xβ+ u şeklnde fade edlmştr. Burada ( kx ), X ( nxk ) ve u (
Detaylı5.3. 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
DetaylıANOVA. 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
DetaylıTürkiye Cumhuriyet Merkez Bankası Sayı: 2010-17 / 20 Aralık 2010 EKONOMİ NOTLARI. Kalite Artışları ve Enflasyon: Türkiye Örneği
Türkye Cumhuryet Merkez Bankası Sayı: 2010-17 / 20 Aralık 2010 EKONOMİ NOTLARI Kalte Artışları ve Enflasyon: Türkye Örneğ Yavuz Arslan Evren Certoğlu Abstract: In ths study, average qualty growth and upward
DetaylıARAŞTIRMA MAKALESİ/RESEARCH ARTICLE TEK ÇARPIMSAL SİNİR HÜCRELİ YAPAY SİNİR AĞI MODELİNİN EĞİTİMİ İÇİN ABC VE BP YÖNTEMLERİNİN KARŞILAŞTIRILMASI ÖZ
ANADOLU ÜNİVERSİTESİ Blm ve Teknoloj Dergs A-Uygulamalı Blmler ve Mühendslk Clt: 14 Sayı: 3 013 Sayfa: 315-38 ARAŞTIRMA MAKALESİ/RESEARCH ARTICLE Faruk ALPASLAN 1, Erol EĞRİOĞLU 1, Çağdaş Hakan ALADAĞ,
DetaylıHİSSE SENETLERİNİN BEKLENEN GETİRİ VE RİSKLERİNİN TAHMİNİNDE ALTERNATİF MODELLER
İstanbul Ünverstes İktsat Fakültes Malye Araştırma Merkez Konferansları 47. Ser / Yıl 005 Prof. Dr. Türkan Öncel e Armağan HİSSE SENETLERİNİN BEKLENEN GETİRİ VE RİSKLERİNİN TAHMİNİNDE ALTERNATİF MODELLER
DetaylıAVRUPA BİRLİĞİ NE ÜYELİK SÜRECİNDE ETKİLİ FAKTÖRLERİN KOŞULLU LOJİSTİK REGRESYON MODELLERİ İLE DEĞERLENDİRİLMESİ
Ekonometr ve İstatstk Sayı:14 2011 62 83 İSTANBUL ÜNİVERSİTESİ İKTİSAT FAKÜLTESİ EKONOMETRİ VE İSTATİSTİK DERGİSİ AVRUPA BİRLİĞİ NE ÜYELİK SÜRECİNDE ETKİLİ FAKTÖRLERİN KOŞULLU LOJİSTİK REGRESYON MODELLERİ
DetaylıTÜRKİYE DEKİ 380 kv LUK 14 BARALI GÜÇ SİSTEMİNDE EKONOMİK YÜKLENME ANALİZİ
TÜRİYE DEİ 38 kv LU 4 BARALI GÜÇ SİSTEMİDE EOOMİ YÜLEME AALİZİ Mehmet URBA Ümmühan BAŞARA 2,2 Elektrk-Elektronk Mühendslğ Bölümü Mühendslk-Mmarlık Fakültes Anadolu Ünverstes İk Eylül ampüsü, 2647, ESİŞEHİR
DetaylıUYGULAMA 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.
DetaylıT.C. SELÇUK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ
T.C. SELÇUK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ QUANTILE REGRESYON ve BİR UYGULAMA İlkay ALTINDAĞ YÜKSEK LİSANS TEZİ İSTATİSTİK ANABİLİM DALI Ağustos-1 KONYA Her Hakkı Saklıdır ÖZET YÜKSEK LİSANS TEZİ
DetaylıÇUKUROVA 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
DetaylıÜç Boyutlu Yapı-Zemin Etkileşimi Problemlerinin Kuadratik Sonlu Elemanlar ve Sonsuz Elemanlar Kullanılarak Çözümü
ECAS Uluslararası Yapı ve Deprem Mühendslğ Sempozyumu, Ekm, Orta Doğu Teknk Ünverstes, Ankara, Türkye Üç Boyutlu Yapı-Zemn Etkleşm Problemlernn Kuadratk Sonlu Elemanlar ve Sonsuz Elemanlar Kullanılarak
DetaylıÖZET Yüksek Lsans Tez TAM VE SANSÜRLÜ ÖRNEKLEM DURUMLARINDA WEIBULL DAĞILIMI İÇİN BAZI İSTATİSTİKİ SONUÇ ÇIKARIMLARI Dlşen TAMAM Ankara Ünverstes Fen
ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ TAM VE SANSÜRLÜ ÖRNEKLEM DURUMLARINDA WEIBULL DAĞILIMI İÇİN BAZI İSTATİSTİKİ SONUÇ ÇIKARIMLARI Dlşen TAMAM İSTATİSTİK ANABİLİM DALI ANKARA
DetaylıSabit 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
DetaylıÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ
ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ Semh CAN BAZI ÇOK DEĞİŞKENLİ İSTATİSTİKSEL TEKNİKLER ARASINDAKİ İLİŞKİNİN İNCELENMESİ VE UYGULAMALARI İSTATİSTİK ANABİLİM DALI ADANA, 0
DetaylıTürkiye deki Đşsizlik Oranının Bulanık Doğrusal Regresyon Analiziyle Tahmini
İstatstkçler Dergs: İstatstk & Aktüerya Journal of Statstcans: Statstcs and Actuaral Scences IDIA 8, 5, -6 Gelş/Receved:6.4.5, Kabul/Accepted: 3.6.5 www.statstkcler.org Türkye dek Đşszlk Oranının Bulanık
DetaylıDeney No: 2. Sıvı Seviye Kontrol Deneyi. SAKARYA ÜNİVERSİTESİ Dijital Kontrol Laboratuvar Deney Föyü Deneyin Amacı
SRY ÜNİVERSİESİ Djtal ontrol Laboratuvar Deney Föyü Deney No: 2 Sıvı Sevye ontrol Deney 2.. Deneyn macı Bu deneyn amacı, doğrusal olmayan sıvı sevye sstemnn belrlenen br çalışma noktası cvarında doğrusallaştırılmış
DetaylıDenklem Çözümünde Açık Yöntemler
Denklem Çözümünde Bu yöntem, n yalnızca başlangıç değer kullanılan ya da kökü kapsayan br aralık kullanılması gerekmez. Açık yöntemler hızlı sonuç vermesne karşın, başlangıç değer uygun seçlmedğnde ıraksayablr.
DetaylıSESSION 1B: Büyüme ve Gelişme 279
SESSION 1B: Büyüme ve Gelşme 279 Türkye de Hanehalkı Tüketm Harcamaları: Pseudo Panel Ver le Talep Sstemnn Tahmn The Consumpton Expendture of Households n Turkey: Demand System Estmaton wth Pseudo Panel
DetaylıKALĐTE ARTIŞLARI VE ENFLASYON: TÜRKĐYE ÖRNEĞĐ
Central Bank Revew Vol. 11 (January 2011), pp.1-9 ISSN 1303-0701 prnt / 1305-8800 onlne 2011 Central Bank of the Republc of Turkey http://www.tcmb.gov.tr/research/revew/ KALĐTE ARTIŞLARI VE ENFLASYON:
DetaylıMIT Açık Ders Malzemeleri Bu materyallerden alıntı yapmak veya Kullanım Koşulları hakkında bilgi almak için
MIT Açık Ders Malzemeler http://ocm.mt.edu Bu materyallerden alıntı yapmak veya Kullanım Koşulları hakkında blg almak çn http://ocm.mt.edu/terms veya http://tuba.açık ders.org.tr adresn zyaret ednz. 18.102
DetaylıİÇME 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
DetaylıYANLI REGRESYON KESTİRİMİNDE SAPAN DEĞERLERİN BELİRLENMESİ İÇİN TANILAMA YÖNTEMLERİ
YANLI REGRESYON KESTİRİMİNDE SAPAN DEĞERLERİN BELİRLENMESİ İÇİN TANILAMA YÖNTEMLERİ Dagnostc Measures for Identfcaton of Outlers n Based Estmaton Asuman Seda TOPÇUBAŞI Fen Blmler Ensttüsü Matematk Anablm
DetaylıÇelik Yapıların Öngörülen Göreli Kat Ötelemesi Oranına Göre Enerji Esaslı Tasarımı *
İO Teknk Derg, 01 5777-5798, Yazı 369 Çelk Yaıların Öngörülen Görel Kat Ötelemes Oranına Göre Enerj Esaslı Tasarımı * Onur ERTER* Özgür BOZDAĞ** ustafa DÜZGÜ*** ÖZ Günümüz yönetmelklernde yer alan ve yaıların
DetaylıYAŞAM ÇÖZÜMLEMESİNDE ZAYIFLIK MODELLERİ FRAILTY MODELS IN SURVIVAL ANALYSIS
YAŞAM ÇÖZÜMLEMESİNDE ZAYIFLIK MODELLERİ FRAILTY MODELS IN SURVIVAL ANALYSIS DİREN YEĞEN DOÇ. DR. NİHAL ATA TUTKUN Tez Danışmanı Hacettepe Ünverstes Lsansüstü Eğtm-Öğretm ve Sınav Yönetmelğnn İstatstk Anablm
DetaylıYÖNETİM VE EKONOMİ Yıl:2006 Cilt:13 Sayı:1 Celal Bayar Üniversitesi İ.İ.B.F. MANİSA
YÖNETİM VE EKONOMİ Yıl:2006 Clt:3 Sayı: Celal Bayar Ünverstes İ.İ.B.F. MANİSA Bulanık Araç Rotalama Problemlerne Br Model Öners ve Br Uygulama Doç. Dr. İbrahm GÜNGÖR Süleyman Demrel Ünverstes, İ.İ.B.F.,
DetaylıÇOK DEĞİŞKENLİ OLASILIK DAĞILIMLARI
Bölüm 6 ÇOK DEĞİŞKENLİ OLASILIK DAĞILIMLARI Öncek bölümlerde tek-boutlu örnek uzalarla lgl rastgele değşkenler ve bu değşkenlern olasılık dağılımları ncelenmştr. Başka br anlatımla "br tek" rastgele değşkenle
DetaylıÇUKUROVA 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
Detaylı2005 Gazi Üniversitesi Endüstriyel Sanatlar Eğitim Fakültesi Dergisi Sayı:16, s31-46
2005 Gaz Ünverstes Endüstryel Sanatlar Eğtm Fakültes Dergs Sayı:16, s31-46 ÖZET BANKALARDA MALİ BAŞARISIZLIĞIN ÖNGÖRÜLMESİ LOJİSTİK REGRESYON VE YAPAY SİNİR AĞI KARŞILAŞTIRMASI 31 Yasemn KESKİN BENLİ 1
DetaylıPamukkale 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
DetaylıTEKNOLOJİ, PİYASA REKABETİ VE REFAH
TEKNOLOJİ, PİYASA REKABETİ VE REFAH Dr Türkmen Göksel Ankara Ünverstes Syasal Blgler Fakültes Özet Bu makalede teknoloj sevyesnn pyasa rekabet ve refah sevyes üzerndek etkler matematksel br model le ncelenecektr
Detaylı3. Parçaları Arasında Aralık Bulunan Çok Parçalı Basınç Çubukları
3. Parçaları Arasında Aralık Bulunan Çok Parçalı Basınç Çubukları Basınç çubukları brden fazla profl kullanılarak, bu profller arasında plan düzlemnde bell br mesafe bulunacak şeklde düzenleneblr. Bu teşklde,
DetaylıKısa 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