SEK Yönteminin Güvenilirliği Sayısal Bir Örnek. Ekonometri 1 Konu 11 Sürüm 2,0 (Ekim 2011)

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "SEK Yönteminin Güvenilirliği Sayısal Bir Örnek. Ekonometri 1 Konu 11 Sürüm 2,0 (Ekim 2011)"

Transkript

1 İk Değşkenl Bağlanım Model SEK Yöntemnn Güvenlrlğ Ekonometr 1 Konu 11 Sürüm,0 (Ekm 011)

2 UADMK Açık Lsans Blgs İşbu belge, Creatve Commons Attrbuton-Non-Commercal ShareAlke 3.0 Unported (CC BY-NC-SA 3.0) lsansı altında br açık ders malzemes olarak genel kullanıma sunulmuştur. Esern lk sahbnn belrtlmes ve geçerl lsansın korunması koşulu le özgürce kullanılablr, çoğaltılablr ve değştrleblr. Creatve Commons örgütü ve CC-BY-NC-SA lsansı le lgl ayrıntılı blg adresnde bulunmaktadır. Bu ekonometr ders notları setnn tamamına adresnden ulaşılablr. A. Talha Yalta TOBB Ekonom ve Teknoloj Ünverstes Ekm 011

3 Ders Planı SEK Yöntemnn Güvenlrlğ 1 SEK Yöntemnn Güvenlrlğ Monte Carlo Yöntem

4 Monte Carlo Yöntem Sıradan en küçük kareler tahmnclernn örneklem verlernn brer şlev olduğunu anımsayalım: ˆβ = n X Y X Y n X ( X ) ˆβ 1 = X Y X X Y n X ( X ) = x y x = Ȳ ˆβ X Verler örneklemden örnekleme değşeceğ çn tahmnler de buna bağlı olarak değşecektr. Öyleyse ˆβ 1 ve ˆβ tahmnclernn güvenlrlğ çn br ölçüte gereksnm vardır.

5 Monte Carlo Yöntem İstatstkte rastsal br değşkenn doğruluk dereces ölçünlü hata (standard error), kısaca öh (se) le ölçülür: Ölçünlü Hata Ölçünlü hata, br tahmncye at örneklem dağılımının kend ortalamasından ortalama olarak ne kadar saptığını gösterr. Örneklem dağılımı varyansının artı değerl kare köküdür.

6 Monte Carlo Yöntem Başta sözü edlmş olan Gaussçu varsayımlar geçerl ken SEK tahmnclernn ölçünlü hataları aşağıdak gbdr: var( ˆβ ) = σ x var( ˆβ 1 ) = X n σ x öh( ˆβ ) = σ x öh( ˆβ 1 ) = X n x σ Burada var değşrlk ya da varyansı, öh ölçünlü hatayı, σ se bağlanımın sabt varyansını göstermektedr.

7 Monte Carlo Yöntem u nn sabt varyansını veren σ şöyle tahmn edlr: ˆσ = û n Buradak ˆσ, blnmeyen σ nn SEK tahmncsdr. û termne kalıntı kareler toplamı (resdual sum of squares), kısaca KKT (RSS) denr ve şöyle bulunur: û = y ˆβ x n değer se k değşkenl çözümleme çn geçerl serbestlk derecesdr.

8 Serbestlk Dereces Kavramı Monte Carlo Yöntem Serbestlk Dereces Serbestlk dereces (degree of freedom), örneklemdek toplam gözlem sayısı (n) eks bunlar üzerne konulmuş olan bağımsız ve doğrusal sınırlama sayısıdır. Örnek olarak, KKT nn hesaplanablmes çn önce ˆβ 1 ve ˆβ değerlernn bulunmuş olması gerekldr: û = (Y ˆβ 1 ˆβ X ) Dolayısıyla bu k tahmnc KKT üzerne k sınırlama getrr. Bu durumda, KKT y ve dolayısıyla da ölçünlü hatayı doğru hesaplayablmek çn aslında elde n değl n sayıda bağımsız gözlem vardır.

9 Monte Carlo Yöntem nın Özellkler SEK tahmncler ˆβ 1 ve ˆβ nın varyans formüllern anımsayalım: var( ˆβ ) = σ x var( ˆβ 1 ) = X n x ˆβ 1 le ˆβ tahmnclernn varyanslarının ve dolayısıyla bunların ölçünlü hatalarının şu özellkler önemldr: 1 Örneklem büyüklüğü n arttıkça x toplamındak term sayısı da artar. Böylece n büyüdükçe ˆβ 1 ve ˆβ nın doğruluk dereceler de artar. ˆβ 1 ve ˆβ, verl br örneklemde brbrler le lşkl olablrler. Bu bağımlılık aralarındak kovaryans le ölçülür: cov( ˆβ 1, ˆβ ) = X var( ˆβ ) 3 Eğer X artı değerl se kovaryans da eks değerl olur. Bu durumda eğer β katsayısı olduğundan büyük tahmn edlr se β 1 de olduğundan küçük tahmn edlmş olur. σ

10 Monte Carlo Yöntem Eldek gözlemler çoğunlukla bağlanım doğrusu üzernde yer almazlar. Artı ya da eks şaretl û hataları le karşılaşıldığına göre örneklem bağlanım doğrusunun eldek verlerle ne ölçüde örtüştüğünü gösteren br ölçüte gereksnm vardır: Belrleme Katsayısı Belrleme katsayısı (coeffcent of determnaton) ya da r (çoklu bağlanımda R ), örneklem bağlanım şlevnn verlere ne kadar y yakıştığını gösteren özet br ölçüttür.

11 Monte Carlo Yöntem Belrleme Katsayısının Hesaplanması Belrleme katsayısını hesaplamak çn, y = ŷ + û eştlğnn k yanının kares alınır ve örneklem boyunca toplanır: y = ŷ + û + ŷ û = ŷ + û = ˆβ x + û TKT = BKT + KKT Burada TKT Toplam Kareler Toplamı (Total Sum of Squares), BKT Bağlanım Kareler Toplamı (Regresson Sum of Squares), KKT Kalıntı Kareler Toplamı (Resdual Sum of Squares) anlamına gelmektedr. Yukarıdak ŷ û termnn SEK bağlanım doğrusunun 3. özellğnden dolayı sıfıra eşt olduğuna dkkat ednz.

12 Monte Carlo Yöntem Belrleme Katsayısının Hesaplanması y = ˆβ x + û TKT = BKT + KKT Yukarıdak eştlğn her k yanını TKT ye bölelm: 1 = BKT TKT + KKT TKT Buna göre r aşağıdak gb tanımlanır: Belrleme Katsayısı r = ŷ y = ( Ŷ Ȳ ) BKT = (Y Ȳ ) TKT = 1 KKT TKT

13 Belrleme Katsayısının Özellkler Monte Carlo Yöntem r nn k temel özellğnden söz edleblr: 1 r eks değer almayan br büyüklüktür. Sınırları 0 r 1 dr. Buna göre: Eğer r = 1 olursa bu kusursuz br yakışma demektr. Bu durumda rastsal hata yoktur ve tüm gözlemler bre br bağlanım doğrusu üzernde yer almaktadır. Sıfıra eşt br r se bağımlı değşkenle açıklayıcı değşken arasında hçbr lşknn olmadığı ( ˆβ = 0) anlamına gelr.

14 İlnt Katsayısı SEK Yöntemnn Güvenlrlğ Monte Carlo Yöntem r le yakın lşkl ama kavramsal olarak çok uzak br büyüklük lnt katsayısı (coeffcent of correlaton), kısaca r dr: İlnt Katsayısı r = ± r r değer, bağımlı ve açıklayıcı değşkenler arasındak doğrusal bağımlılığın br ölçüsüdür. 1 ve +1 arasında yer alır: 1 r 1. Bakışımlıdır: r XY = r YX. Sıfır noktasından ve ölçekten bağımsızdır. Herhang br neden-sonuç lşks çermez. İk değşken arasında sıfır lnt (r = 0) mutlaka bağımsızlık göstermez çünkü r yalnızca doğrusal lşky ölçer.

15 Monte Carlo Yöntem Monte Carlo Yöntem KDBM varsayımları altında SEK tahmnclernn EDYT (En y Doğrusal Yansız Tahmnc) olmalarını sağlayan bazı arzulanan özellkler taşıdıklarını anımsayalım. EDYT özellklernn geçerllğ, br benzetm (smulaton) yöntem olan Monte Carlo deneyler le doğrulanablr. Bu yöntem, anakütle katsayılarını tahmn eden süreçlern statstksel özellklern ncelemede sıkça kullanılmaktadır. Monte Carlo aynı zamanda statstksel çıkarsamanın temel sayılan tekrarlı örnekleme (repeated samplng) kavramının anlaşılması çn de yararlı br araçtır.

16 Monte Carlo Yöntemnn Adımları Monte Carlo Yöntem Br Monte Carlo deney aşağıdak gb yapılır: 1 Anakütle katsayıları seçlr. Örnek: β 1 = 0 ve β = 0,6. Br örneklem büyüklüğü seçlr. Örnek: n = 5. 3 Her gözlem çn br X değer belrlenr. 4 Br rastsal sayı oluşturucu kullanılarak u kalıntıları üretlr. 5 β 1, β, X ler ve u ler kullanılarak Y değerler bulunur. 6 Bu şeklde üretlen Y değerler X ler le bağlanıma sokulur ve ˆβ 1 ve ˆβ SEK tahmncler hesaplanır. 7 İşlem tekrarlanır (örneğn 1000 kez) ve rastsallıktan dolayı her seferde değşen tahmnlern ortalamaları ( ˆβ 1, ˆβ ) alınır. 8 Eğer ˆβ 1 ve ˆβ değerler β 1 ve β ye aşağı yukarı eşt se, deney SEK tahmnclernn yansızlığını, dğer br deyşle E( ˆβ 1 ) = β 1 ve E( ˆβ ) = β olduğunu saptamış sayılır.

17 SEK Yöntemnn Güvenlrlğ Ele almış olduğumuz bazı kavramları sayısal br örnek yardımı le gözden geçrelm. Türkye de arası toplam tüketm harcamaları ve GSYH verler şöyledr: Çzelge: Türkye de Tüketm ve GSYH ( ) Yıl C Y Yıl C Y Toplu özel nha tüketm harcamalarını (Y ), gayr saf yurtç hasıla (X) le lşklendrmek styor olalım.

18 SEK Yöntemnn Güvenlrlğ TÜRKİYE YILLARI ARASI MİLLİ GELİR VE TÜKETİM HARCAMALARI İLİŞKİSİ 100 Y = 8,03 + 0,593X Toplu Özel Nha Tüketm Harcamaları Gayr Saf Yurtç Hasıla

19 SEK Bağlanımı gretl Çıktısı

20 SEK Bağlanım Çıktısının Yorumlanması Gretl çıktısına göre marjnal tüketm eğlm (MTE) 0,59 dur. Buna göre gelr 1 lra arttığında tüketmn de 59 kuruş artması beklenmektedr. Sabt term, toplam gelr sıfır olduğunda toplam tüketmn yaklaşık 8 mlyon lra olacağını göstermektedr. Sıfır gelrn gözlem aralığı dışında kalan ve gerçek hayatta olanaksız br değer olmasından dolayı, sabt termn böyles br mekank yorumu ktsad anlam çermemektedr. Gretl ˆβ 1, ˆβ ve û çn ölçünlü hataları sırasıyla 1,85509 ve 0, ve 1, olarak hesaplamıştır. Yukarıdak değerlern kares alınarak var( ˆβ 1 ) = 3,44136 ve var( ˆβ ) = 0, ve ˆσ = 3,05590 varyansları da kolayca bulunablr. r = 0,985 değer se bağlanım modelnn verlere gerçekç kabul edlemeyecek kadar y yakıştığını göstermektedr.

21 Önümüzdek Dersn Konusu Önümüzdek ders Normallk varsayımı ve lşkn dağılımlar

SEK Tahmincilerinin Arzulanan Özellikleri. SEK Tahmincilerinin Arzulanan Özellikleri. Ekonometri 1 Konu 9 Sürüm 2,0 (Ekim 2011)

SEK Tahmincilerinin Arzulanan Özellikleri. SEK Tahmincilerinin Arzulanan Özellikleri. Ekonometri 1 Konu 9 Sürüm 2,0 (Ekim 2011) SEK Tahmnclernn Arzulanan Özellkler İk Değşkenl Bağlanım Model SEK Tahmnclernn Arzulanan Özellkler Ekonometr 1 Konu 9 Sürüm 2,0 (Ekm 2011) http://www.ackders.org.tr SEK Tahmnclernn Arzulanan Özellkler

Detaylı

Bölüm 4. Tahmin Sorunu. 4.1 Sıradan En Küçük Kareler Yöntemi. Sıradan En Küçük Kareler Yöntemi

Bölüm 4. Tahmin Sorunu. 4.1 Sıradan En Küçük Kareler Yöntemi. Sıradan En Küçük Kareler Yöntemi Bölüm 4 İk Değşkenl Bağlanım Model - Tahmn Sorunu 4.1 Sıradan En Küçük Kareler Yöntem Sıradan En Küçük Kareler Yöntem Bağlanım çözümlemesnde amaç, örneklem bağlanım şlev (ÖBİ) temel alınarak anakütle bağlanım

Detaylı

Tahmin Sorunu. Yrd. Doç. Dr. A. Talha YALTA Ekonometri 1 Ders Notları Sürüm 2,0 (Ekim 2011)

Tahmin Sorunu. Yrd. Doç. Dr. A. Talha YALTA Ekonometri 1 Ders Notları Sürüm 2,0 (Ekim 2011) İk Değşkenl Bağlanım Model Tahmn Sorunu Yrd. Doç. Dr. A. Talha YALTA Ekonometr 1 Ders Notları Sürüm 2,0 (Ekm 2011) Açık Lsans Blgs İşbu belge, Creatve Commons Attrbuton-Non-Commercal ShareAlke 3.0 Unported

Detaylı

ÇOKLU REGRESYON MODELİ, ANOVA TABLOSU, MATRİSLERLE REGRESYON ÇÖZÜMLEMESİ,REGRES-YON KATSAYILARININ YORUMU

ÇOKLU REGRESYON MODELİ, ANOVA TABLOSU, MATRİSLERLE REGRESYON ÇÖZÜMLEMESİ,REGRES-YON KATSAYILARININ YORUMU 6.07.0 ÇOKLU REGRESON MODELİ, ANOVA TABLOSU, MATRİSLERLE REGRESON ÇÖZÜMLEMESİ,REGRES-ON KATSAILARININ ORUMU ÇOKLU REGRESON MODELİ Ekonom ve şletmeclk alanlarında herhang br bağımlı değşken tek br bağımsız

Detaylı

İki Değişkenli Bağlanım Çıkarsama Sorunu

İki Değişkenli Bağlanım Çıkarsama Sorunu İki Değişkenli Bağlanım Çıkarsama Sorunu Aralık Tahmini Ekonometri 1 Konu 15 Sürüm 2,0 (Ekim 2011) UADMK Açık Lisans Bilgisi İşbu belge, Creative Commons Attribution-Non-Commercial ShareAlike 3.0 Unported

Detaylı

Farklı Varyans. Var(u i X i ) = Var(u i ) = E(u i2 ) = σ i2. Eşit Varyans. Hata. Zaman

Farklı Varyans. Var(u i X i ) = Var(u i ) = E(u i2 ) = σ i2. Eşit Varyans. Hata. Zaman Farklı Varyans Var(u X ) = Var(u ) = E(u ) = σ Eşt Varyans Y X Farklı Varyans Hata Var(u X ) = Var(u ) = E(u ) = σ Farklı Varyans Zaman Farklı Varyans le Karşılaşılan Durumlar Kest Verlernde. Kar dağıtım

Detaylı

İki Değişkenli Bağlanım Modelinin Uzantıları

İki Değişkenli Bağlanım Modelinin Uzantıları İki Değişkenli Bağlanım Modelinin Uzantıları Sıfır Noktasından Geçen Bağlanım Ekonometri 1 Konu 18 Sürüm 2,0 (Ekim 2011) UADMK Açık Lisans Bilgisi İşbu belge, Creative Commons Attribution-Non-Commercial

Detaylı

Eşanlı Denklem Modelleri

Eşanlı Denklem Modelleri Eşanlı Denklem Modelleri Eşanlı Denklem Yöntemleri Ekonometri 2 Konu 23 Sürüm 2,0 (Ekim 2011) UADMK Açık Lisans Bilgisi İşbu belge, Creative Commons Attribution-Non-Commercial ShareAlike 3.0 Unported (CC

Detaylı

SEK Tahmincilerinin Türetilmesi. SEK Tahmincilerinin Türetilmesi. Ekonometri 1 Konu 8 Sürüm 2,0 (Ekim 2011)

SEK 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

Detaylı

Normallik Varsayımı ve Ençok Olabilirlik Yöntemi

Normallik Varsayımı ve Ençok Olabilirlik Yöntemi Normallik Varsayımı ve Ençok Olabilirlik Yöntemi EO Açıklayıcı Örnekler Ekonometri 1 Konu 14 Sürüm 2,0 (Ekim 2011) UADMK Açık Lisans Bilgisi İşbu belge, Creative Commons Attribution-Non-Commercial ShareAlike

Detaylı

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

Farklı Varyans. Var(u i X i ) = Var(u i ) = E(u i2 ) = s 2 Eşit Varyans Farklı Varyans Var(u X ) = Var(u ) = E(u ) = s Eşt Varyans Y X 1 Farklı Varyans Hata Var(u X ) = Var(u ) = E(u ) = s Farklı Varyans Zaman EKKY nn varsayımlarından br anakütle regresyon fonksyonu u lern

Detaylı

Çoklu Bağlanım Çıkarsama Sorunu

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

Detaylı

TOBB Ekonomi ve Teknoloji Üniversitesi İKT351 Ekonometri I, Dönem Sonu Sınavı

TOBB Ekonomi ve Teknoloji Üniversitesi İKT351 Ekonometri I, Dönem Sonu Sınavı TOBB Ekonomi ve Teknoloji Üniversitesi Öğr.Gör.: Yrd. Doç. Dr. A. Talha YALTA Ad, Soyad: Açıklama ve uyarılar: Bu sınav toplam 100 puan değerinde 6 sorudan oluşmaktadır. Sınav süresi 90 dakikadır ve tüm

Detaylı

İstatistiksel Kavramların Gözden Geçirilmesi

İstatistiksel Kavramların Gözden Geçirilmesi İstatistiksel Kavramların Gözden Geçirilmesi İstatistiksel Çıkarsama Ekonometri 1 Konu 3 Sürüm 2,0 (Ekim 2011) UADMK Açık Lisans Bilgisi İşbu belge, Creative Commons Attribution-Non-Commercial ShareAlike

Detaylı

NİTEL TERCİH MODELLERİ

NİTEL TERCİH MODELLERİ NİTEL TERCİH MODELLERİ 2300 gözlem sayısı le verlen değşkenler aşağıdak gbdr: calsma: çocuk çalışıyorsa 1, çalışmıyorsa 0 (bağımlı değşken) Anne_egts: Anne eğtm sevyes Baba_egts: Baba eğtm sevyes Kent:

Detaylı

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

Sabit Varyans. Var(u i X i ) = Var(u i ) = E(u i2 ) = s 2 X Sabt Varyans Y Var(u X ) = Var(u ) = E(u ) = s Eşt Varyans EKKY nn varsayımlarından br anakütle regresyon fonksyonu u lern eşt varyanslı olmasıdır Her hata term varyansı bağımsız değşkenlern verlen değerlerne

Detaylı

Ekonometri 1 Ders Notları

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

Detaylı

UYUM ĐYĐLĐĞĐ TESTĐ. 2 -n olup. nin dağılımı χ dir ve sd = (k-1-p) dir. Burada k = sınıf sayısı, p = tahmin edilen parametre sayısıdır.

UYUM ĐYĐLĐĞĐ TESTĐ. 2 -n olup. nin dağılımı χ dir ve sd = (k-1-p) dir. Burada k = sınıf sayısı, p = tahmin edilen parametre sayısıdır. UYUM ĐYĐLĐĞĐ TESTĐ Posson: H o: Ver Posson dağılıma sahp br ktleden gelmektedr. H a : Ver Posson dağılıma sahp br ktleden gelmemektedr. Böyle br hpotez test edeblmek çn, önce Posson dağılım parametres

Detaylı

Zaman Serileri Ekonometrisine Giriş

Zaman Serileri Ekonometrisine Giriş Zaman Serileri Ekonometrisine Giriş Yöney Özbağlanım Modeli Ekonometri 2 Konu 27 Sürüm 2,0 (Ekim 2011) UADMK Açık Lisans Bilgisi İşbu belge, Creative Commons Attribution-Non-Commercial ShareAlike 3.0 Unported

Detaylı

Çoklu Bağlanım Çözümlemesi

Çoklu Bağlanım Çözümlemesi Çoklu Bağlanım Çözümlemesi Tahmin Sorunu Yrd. Doç. Dr. A. Talha YALTA Ekonometri 1 Ders Notları Sürüm 2,0 (Ekim 2011) Açık Lisans Bilgisi İşbu belge, Creative Commons Attribution-Non-Commercial ShareAlike

Detaylı

Kİ KARE ANALİZİ. Doç. Dr. Mehmet AKSARAYLI Ki-Kare Analizleri

Kİ KARE ANALİZİ. Doç. Dr. Mehmet AKSARAYLI  Ki-Kare Analizleri Kİ KAR ANALİZİ 1 Doç. Dr. Mehmet AKSARAYLI www.mehmetaksarayl K-Kare Analzler OLAY 1: Genelde br statstk sınıfında, öğrenclern %60 ının devamlı, %30 unun bazen, %10 unun se çok az derse geldkler düşünülmektedr.

Detaylı

UYGULAMA 2. Bağımlı Kukla Değişkenli Modeller

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

Detaylı

Bölüm 6. Çıkarsama Sorunu. 6.1 Aralık Tahmini Bazı Temel Noktalar

Bölüm 6. Çıkarsama Sorunu. 6.1 Aralık Tahmini Bazı Temel Noktalar Bölüm 6 İki Değişkenli Bağlanım Modeli - Çıkarsama Sorunu 6.1 Aralık Tahmini 6.1.1 Bazı Temel Noktalar Yansız SEK tahmincilerinin ürettiği tahminlerin anakütle değerlerine eşit olması beklenir. Ancak,

Detaylı

Çıkarsama Sorunu. Yrd. Doç. Dr. A. Talha YALTA Ekonometri 1 Ders Notları Sürüm 2,0 (Ekim 2011)

Çıkarsama Sorunu. Yrd. Doç. Dr. A. Talha YALTA Ekonometri 1 Ders Notları Sürüm 2,0 (Ekim 2011) İki Değişkenli Bağlanım Modeli Çıkarsama Sorunu Yrd. Doç. Dr. A. Talha YALTA Ekonometri 1 Ders Notları Sürüm 2,0 (Ekim 2011) Açık Lisans Bilgisi İşbu belge, Creative Commons Attribution-Non-Commercial

Detaylı

Sorunun varlığı durumunda hata terimi varyans-kovaryans matrisi Var, Cov(u) = E(uu') = σ 2 I n şeklinde yazılamıyor fakat

Sorunun varlığı durumunda hata terimi varyans-kovaryans matrisi Var, Cov(u) = E(uu') = σ 2 I n şeklinde yazılamıyor fakat 8. DEĞİŞEN VARYANS SORUNU (HETEROSCEDASTICITY) 8.. Değşen Varyans Sorunu Nedr? Matrslerle yan Y = β u Y = β β β 3 3 β k k u, = n genel doğrusal modeln ele alalım. Hata term çn yapılan varsayımlardan brs

Detaylı

TOBB Ekonomi ve Teknoloji Üniversitesi İKT351 Ekonometri I, Ara Sınavı

TOBB Ekonomi ve Teknoloji Üniversitesi İKT351 Ekonometri I, Ara Sınavı TOBB Ekoom ve Tekoloj Üverstes İKT351 Ekoometr I, Ara Sıavı Öğr.Gör.: Yrd. Doç. Dr. A. Talha YALTA Ad, Soyad: Açıklamalar: Bu sıav toplam 100 pua değerde 4 soruda oluşmaktadır. Sıav süres 90 dakkadır ve

Detaylı

Zaman Serileri Ekonometrisine Giriş

Zaman Serileri Ekonometrisine Giriş Zaman Serileri Ekonometrisine Giriş Düzmece Bağlanım ve Eştümleşim Ekonometri 2 Konu 25 Sürüm 2,0 (Ekim 2011) UADMK Açık Lisans Bilgisi İşbu belge, Creative Commons Attribution-Non-Commercial ShareAlike

Detaylı

Nitel Tepki Bağlanım Modelleri

Nitel Tepki Bağlanım Modelleri Doğrusal-Dışı Yaklaşım ve Nitel Tepki Bağlanım Modelleri Doğrusal-Dışı Yaklaşım ve Ekonometri 2 Konu 18 Sürüm 2,0 (Ekim 2011) Doğrusal-Dışı Yaklaşım ve UADMK Açık Lisans Bilgisi İşbu belge, Creative Commons

Detaylı

BÖLÜM 5 İKİ VEYA DAHA YÜKSEK BOYUTLU RASGELE DEĞİŞKENLER İki Boyutlu Rasgele Değişkenler

BÖLÜM 5 İKİ VEYA DAHA YÜKSEK BOYUTLU RASGELE DEĞİŞKENLER İki Boyutlu Rasgele Değişkenler BÖLÜM 5 İKİ VEYA DAHA YÜKSEK BOYUTLU RASGELE DEĞİŞKENLER 5.. İk Boyutlu Rasgele Değşkenler Br deney yapıldığında, aynı deneyle lgl brçok rasgele değşkenn aynı andak durumunu düşünmek gerekeblr. Böyle durumlarda

Detaylı

İki Değişkenli Bağlanım Modelinin Uzantıları

İki Değişkenli Bağlanım Modelinin Uzantıları İki Değişkenli Bağlanım Modelinin Uzantıları Bağlanım Modellerinin İşlev Biçimleri Ekonometri 1 Konu 20 Sürüm 2,0 (Ekim 2011) UADMK Açık Lisans Bilgisi İşbu belge, Creative Commons Attribution-Non-Commercial

Detaylı

X, R, p, np, c, u ve diğer kontrol diyagramları istatistiksel kalite kontrol diyagramlarının

X, R, p, np, c, u ve diğer kontrol diyagramları istatistiksel kalite kontrol diyagramlarının 1 DİĞER ÖZEL İSTATİSTİKSEL KALİTE KONTROL DİYAGRAMLARI X, R, p, np, c, u ve dğer kontrol dyagramları statstksel kalte kontrol dyagramlarının temel teknkler olup en çok kullanılanlarıdır. Bu teknkler ell

Detaylı

Merkezi Eğilim (Yer) Ölçüleri

Merkezi Eğilim (Yer) Ölçüleri Merkez Eğlm (Yer) Ölçüler Ver setn tanımlamak üzere kullanılan ve genellkle tüm elemanları dkkate alarak ver setn özetlemek çn kullanılan ölçülerdr. Ver setndek tüm elemanları temsl edeblecek merkez noktasına

Detaylı

Kukla Değişkenlerle Bağlanım. Ekonometri 1 Konu 30 Sürüm 2,0 (Ekim 2011)

Kukla Değişkenlerle Bağlanım. Ekonometri 1 Konu 30 Sürüm 2,0 (Ekim 2011) Kukla Değişkenlerle Bağlanım Kukla Değişkenlere İlişkin Konular Ekonometri 1 Konu 30 Sürüm 2,0 (Ekim 2011) UADMK Açık Lisans Bilgisi İşbu belge, Creative Commons Attribution-Non-Commercial ShareAlike 3.0

Detaylı

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

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

Detaylı

Uygulama: Keynesçi Tüketim Kuramı. Ekonometri Nedir? Uygulama: Keynesçi Tüketim Kuramı. Ekonometri 1 Konu 5 Sürüm 2,0 (Ekim 2011)

Uygulama: Keynesçi Tüketim Kuramı. Ekonometri Nedir? Uygulama: Keynesçi Tüketim Kuramı. Ekonometri 1 Konu 5 Sürüm 2,0 (Ekim 2011) Ekonometri Nedir? Uygulama: Keynesçi Tüketim Kuramı Ekonometri 1 Konu 5 Sürüm 2,0 (Ekim 2011) UADMK Açık Lisans Bilgisi İşbu belge, Creative Commons Attribution-Non-Commercial ShareAlike 3.0 Unported (CC

Detaylı

Sansürlenmiş ve Kesikli Regresyon Modelleri

Sansürlenmiş ve Kesikli Regresyon Modelleri TOBİT MODEL 1 Sansürlenmş ve Keskl Regresyon Modeller Sınırlı bağımlı değşkenler: sansürlenmş (censored) ve keskl (truncated) regresyon modeller şeklnde k gruba ayrılır. 2 Sansürlenmş ve Keskl Regresyon

Detaylı

Bölüm 9. Çoklu Bağlanım Çözümlemesi - Çıkarsama Sorunu. 9.1 T Sınamaları Çoklu Bağlanımda Önsav Sınaması

Bölüm 9. Çoklu Bağlanım Çözümlemesi - Çıkarsama Sorunu. 9.1 T Sınamaları Çoklu Bağlanımda Önsav Sınaması Bölüm 9 Çoklu Bağlanım Çözümlemesi - Çıkarsama Sorunu 9.1 T Sınamaları 9.1.1 Çoklu Bağlanımda Önsav Sınaması Bu bölümde daha önce iki değişkenli bağlanım modelleri için ele almış olduğumuz aralık tahmini

Detaylı

İSTATİSTİK DERS NOTLARI

İSTATİSTİK 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

Detaylı

Dizey Cebirinin Gözden Geçirilmesi

Dizey Cebirinin Gözden Geçirilmesi Bölüm 1 Dizey Cebirinin Gözden Geçirilmesi 1.1 Dizeylere İlişkin Temel Kavramlar 1.1.1 Tanımlar Dizey cebiri kullanmaksızın k değişkenli bir bağlanım modeliyle uğraşmak son derece karmaşık bir iştir. Burada,

Detaylı

REGRESYON ANALİZİ BÖLÜM 1-2

REGRESYON 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.

Detaylı

ALGILANAN HİZMET KALİTESİ VE LOJİSTİK REGRESYON ANALİZİ İLE HİZMET TERCİHİNE ETKİSİNİN BELİRLENMESİ. Özet

ALGILANAN HİZMET KALİTESİ VE LOJİSTİK REGRESYON ANALİZİ İLE HİZMET TERCİHİNE ETKİSİNİN BELİRLENMESİ. Özet Dokuz Eylül Ünverstes Sosyal Blmler Ensttüsü Dergs Yayın Gelş Tarh: 18.02.2011 Clt: 13, Sayı: 1, Yıl: 2011, Sayfa: 21-37 Yayına Kabul Tarh: 17.03.2011 ISSN: 1302-3284 ALGILANAN HİZMET KALİTESİ VE LOJİSTİK

Detaylı

Eşanlı Denklem Modelleri

Eşanlı Denklem Modelleri Eşanlı Denklem Modelleri Tek Denklemli Modellerde Eşanlılık Ekonometri 2 Konu 22 Sürüm 2,0 (Ekim 2011) UADMK Açık Lisans Bilgisi İşbu belge, Creative Commons Attribution-Non-Commercial ShareAlike 3.0 Unported

Detaylı

= P 1.Q 1 + P 2.Q P n.q n (Ürün Değeri Yaklaşımı)

= P 1.Q 1 + P 2.Q P n.q n (Ürün Değeri Yaklaşımı) A.1. Mll Gelr Hesaplamaları ve Bazı Temel Kavramlar 1 Gayr Saf Yurtç Hâsıla (GSYİH GDP): Br ekonomde belrl br dönemde yerleşklern o ülkede ekonomk faalyetler sonucunda elde ettkler gelrlern toplamıdır.

Detaylı

Zaman Serileri Ekonometrisine Giriş

Zaman Serileri Ekonometrisine Giriş Zaman Serileri Ekonometrisine Giriş Box-Jenkins Yöntemi Ekonometri 2 Konu 26 Sürüm 2,0 (Ekim 2011) UADMK Açık Lisans Bilgisi İşbu belge, Creative Commons Attribution-Non-Commercial ShareAlike 3.0 Unported

Detaylı

Farklıserpilimsellik

Farklıserpilimsellik Farklıserpilimsellik Hata Varyansı Sabit Değilse Ne Olur? Yrd. Doç. Dr. A. Talha YALTA Ekonometri 2 Ders Notları Sürüm 2,0 (Ekim 2011) Açık Lisans Bilgisi İşbu belge, Creative Commons Attribution-Non-Commercial

Detaylı

4. TAHMİN SONUÇLARININ DEĞERLENDİRİLMESİ Katsayıların Yorumu

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

Detaylı

ENDÜSTRİNİN DEĞİŞİK İŞ KOLLARINDA İHTİYAÇ DUYULAN ELEMANLARIN YÜKSEK TEKNİK EĞİTİM MEZUNLARINDAN SAĞLANMASINDAKİ BEKLENTİLERİN SINANMASI

ENDÜSTRİNİN DEĞİŞİK İŞ KOLLARINDA İHTİYAÇ DUYULAN ELEMANLARIN YÜKSEK TEKNİK EĞİTİM MEZUNLARINDAN SAĞLANMASINDAKİ BEKLENTİLERİN SINANMASI V. Ulusal Üretm Araştırmaları Sempozyumu, İstanbul Tcaret Ünverstes, 5-7 Kasım 5 ENDÜSTRİNİN DEĞİŞİK İŞ KOLLARINDA İHTİYAÇ DUYULAN ELEMANLARIN YÜKSEK TEKNİK EĞİTİM MEZUNLARINDAN SAĞLANMASINDAKİ BEKLENTİLERİN

Detaylı

TOBB Ekonomi ve Teknoloji Üniversitesi İKT351 Ekonometri I, Ara Sınavı

TOBB Ekonomi ve Teknoloji Üniversitesi İKT351 Ekonometri I, Ara Sınavı TOBB Ekonomi ve Teknoloji Üniversitesi Öğr.Gör.: Yrd. Doç. Dr. A. Talha YALTA Ad, Soyad: Açıklamalar: Bu sınav toplam 100 puan değerinde 4 sorudan oluşmaktadır. Sınav süresi 90 dakikadır ve tüm soruların

Detaylı

Regresyon ve Korelasyon Analizi. Regresyon Analizi

Regresyon ve Korelasyon Analizi. Regresyon Analizi Regresyo ve Korelasyo Aalz Regresyo Aalz Regresyo Aalz Regresyo aalz, aralarıda sebep-souç lşks bulua k veya daha fazla değşke arasıdak lşky belrlemek ve bu lşky kullaarak o kou le lgl tahmler (estmato)

Detaylı

Matris Cebiriyle Çoklu Regresyon Modeli

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

Detaylı

Dizey Cebirinin Gözden Geçirilmesi

Dizey Cebirinin Gözden Geçirilmesi Dizey Cebirinin Gözden Geçirilmesi Yrd. Doç. Dr. A. Talha YALTA Ekonometri 2 Ders Notları Sürüm 2,0 (Ekim 2011) Açık Lisans Bilgisi İşbu belge, Creative Commons Attribution-Non-Commercial ShareAlike 3.0

Detaylı

Tek Yönlü Varyans Analizi

Tek Yönlü Varyans Analizi Tek Yönlü Varyan Analz Nedr ve hang durumlarda kullanılır? den fazla grupların karşılaştırılmaı öz konuu e, çok ayıda t-tet nn kullanılmaı, Tp I hatanın artmaına yol açar; Örneğn, eğer 5 grubu kşerl olarak

Detaylı

Temel Kavramlar. Bağlanım Çözümlemesi. Temel Kavramlar. Ekonometri 1 Konu 6 Sürüm 2,0 (Ekim 2011)

Temel Kavramlar. Bağlanım Çözümlemesi. Temel Kavramlar. Ekonometri 1 Konu 6 Sürüm 2,0 (Ekim 2011) Bağlanım Çözümlemesi Temel Kavramlar Ekonometri 1 Konu 6 Sürüm 2,0 (Ekim 2011) UADMK Açık Lisans Bilgisi İşbu belge, Creative Commons Attribution-Non-Commercial ShareAlike 3.0 Unported (CC BY-NC-SA 3.0)

Detaylı

YARIPARAMETRİK KISMİ DOĞRUSAL PANEL VERİ MODELLERİYLE ULUSLAR ARASI GÖÇ

YARIPARAMETRİK KISMİ DOĞRUSAL PANEL VERİ MODELLERİYLE ULUSLAR ARASI GÖÇ Özet YARIPARAMETRİK KISMİ DOĞRUSAL PANEL VERİ MODELLERİYLE ULUSLAR ARASI GÖÇ Atıf EVREN *1 Elf TUNA ** Yarı parametrk panel ver modeller parametrk ve parametrk olmayan modeller br araya getren; br kısmı

Detaylı

BAŞKENT ÜNİVERSİTESİ MAKİNE MÜHENDİSLİĞİ BÖLÜMÜ MAK MAKİNE MÜHENDİSLİĞİ LABORATUVARI DENEY - 8

BAŞKENT ÜNİVERSİTESİ MAKİNE MÜHENDİSLİĞİ BÖLÜMÜ MAK MAKİNE MÜHENDİSLİĞİ LABORATUVARI DENEY - 8 BAŞKENT ÜNİVERSİTESİ MAKİNE MÜHENDİSLİĞİ BÖLÜMÜ MAK - 402 MAKİNE MÜHENDİSLİĞİ LABORATUVARI DENEY - 8 FARKLI YÜZEY ÖZELLİKLERİNE SAHİP PLAKALARIN ISIL IŞINIM YAYMA ORANLARININ HESAPLANMASI BAŞKENT ÜNİVERSİTESİ

Detaylı

Tanımlayıcı İstatistikler

Tanımlayıcı İstatistikler Taımlayıcı İstatstkler Taımlayıcı İstatstkler br değerler dzs statstksel olarak geel özellkler taımlaya ölçülerdr Taımlayıcı İstatstkler Yer Göstere Ölçüler Yaygılık Ölçüler Yer Göstere Ölçüler Br dağılımı

Detaylı

Ekonometri 2 Ders Notları

Ekonometri 2 Ders Notları Ekonometri 2 Ders Notları A. TALHA YALTA TÜRKİYE BİLİMLER AKADEMİSİ AÇIK DERS MALZEMELERİ PROJESİ SÜRÜM 2.0 EKİM 2011 Açık Lisans Bilgisi İşbu belge, Creative Commons Attribution-Non-Commercial ShareAlike

Detaylı

İÇME SUYU ŞEBEKELERİNİN GÜVENİLİRLİĞİ

İÇME SUYU ŞEBEKELERİNİN GÜVENİLİRLİĞİ Türkye İnşaat Mühendslğ, XVII. Teknk Kongre, İstanbul, 2004 İÇME SUYU ŞEBEKELERİNİN GÜVENİLİRLİĞİ Nur MERZİ 1, Metn NOHUTCU, Evren YILDIZ 1 Orta Doğu Teknk Ünverstes, İnşaat Mühendslğ Bölümü, 06531 Ankara

Detaylı

TOBB Ekonomi ve Teknoloji Üniversitesi İKT352 Ekonometri II, Dönem Sonu Sınavı

TOBB Ekonomi ve Teknoloji Üniversitesi İKT352 Ekonometri II, Dönem Sonu Sınavı TOBB Ekonomi ve Teknoloji Üniversitesi Öğr.Gör.: Yrd. Doç. Dr. A. Talha YALTA Ad, Soyad: Açıklamalar: Bu sınav toplam 100 puan değerinde 5 sorudan oluşmaktadır. Sınav süresi 90 dakikadır ve tüm soruların

Detaylı

ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ

ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ Gülesen ÜSTÜNDAĞ BAZI PARAMETRİK OLMAYAN İSTATİSTİKSEL YÖNTEMLERİN İNCELENMESİ İSTATİSTİK ANABİLİM DALI ADANA, 005 ÇUKUROVA ÜNİVERSİTESİ

Detaylı

A İSTATİSTİK. 4. X kesikli rasgele (random) değişkenin moment çıkaran. C) 4 9 Buna göre, X in beklenen değeri kaçtır?

A İSTATİSTİK. 4. X kesikli rasgele (random) değişkenin moment çıkaran. C) 4 9 Buna göre, X in beklenen değeri kaçtır? . Br torbada 6 syah, 4 beyaz top vardır. Bu torbadan yerne koyarak top seçlyor. A İSTATİSTİK KPSS/-AB-PÖ/006. Normal dağılıma sahp br rasgele (random) değşkenn varyansı 00 dür. Seçlen topların ksnn de

Detaylı

BASİT REGRESYON MODELİ

BASİT REGRESYON MODELİ BASİT REGRESYON MODELİ Hüseyin Taştan 1 1 Yıldız Teknik Üniversitesi İktisat Bölümü Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge 14 Ekim 2012 Ekonometri I: Basit Regresyon

Detaylı

bir yol oluşturmaktadır. Yine i 2 , de bir yol oluşturmaktadır. Şekil.DT.1. Temel terimlerin incelenmesi için örnek devre

bir yol oluşturmaktadır. Yine i 2 , de bir yol oluşturmaktadır. Şekil.DT.1. Temel terimlerin incelenmesi için örnek devre Devre Analz Teknkler DEE AAĐZ TEKĐKEĐ Bu zamana kadar kullandığımız Krchoffun kanunları ve Ohm kanunu devre problemlern çözmek çn gerekl ve yeterl olan eştlkler sağladılar. Fakat bu kanunları kullanarak

Detaylı

2. REGRESYON ANALİZİNİN TEMEL KAVRAMLARI Tanım

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

Detaylı

Ekonometrinin Konusu ve Yöntembilimi. Ekonometri Nedir? Ekonometrinin Konusu ve Yöntembilimi. Ekonometri 1 Konu 4 Sürüm 2,0 (Ekim 2011)

Ekonometrinin Konusu ve Yöntembilimi. Ekonometri Nedir? Ekonometrinin Konusu ve Yöntembilimi. Ekonometri 1 Konu 4 Sürüm 2,0 (Ekim 2011) Ekonometri Nedir? ve Yöntembilimi Ekonometri 1 Konu 4 Sürüm 2,0 (Ekim 2011) UADMK Açık Lisans Bilgisi İşbu belge, Creative Commons Attribution-Non-Commercial ShareAlike 3.0 Unported (CC BY-NC-SA 3.0) lisansı

Detaylı

3. TAHMİN En Küçük Kareler (EKK) Yöntemi 1

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

Detaylı

Ekonometrik Modelleme

Ekonometrik Modelleme Ekonometrik Modelleme Modellemeye İlişkin Konular Ekonometri 2 Konu 16 Sürüm 2,0 (Ekim 2011) UADMK Açık Lisans Bilgisi İşbu belge, Creative Commons Attribution-Non-Commercial ShareAlike 3.0 Unported (CC

Detaylı

3 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI

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

Detaylı

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

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

Detaylı

2.7 Bezier eğrileri, B-spline eğrileri

2.7 Bezier eğrileri, B-spline eğrileri .7 Bezer eğrler, B-splne eğrler Bezer eğrler ve B-splne eğrler blgsaar grafklernde ve Blgsaar Destekl Tasarım (CAD) ugulamalarında çok kullanılmaktadır.. B-splne eğrler sadece br grup ver noktası çn tanımlanan

Detaylı

GM-220 MÜH. ÇALIŞ. İSTATİSTİKSEL. Frekans Dağılımı Oluşturma Adımları VERİLERİN SUNUMU. Verilerin Özetlenmesi ve Grafikle Gösterilmesi

GM-220 MÜH. ÇALIŞ. İSTATİSTİKSEL. Frekans Dağılımı Oluşturma Adımları VERİLERİN SUNUMU. Verilerin Özetlenmesi ve Grafikle Gösterilmesi VERİLERİN SUNUMU GM-0 MÜH. ÇALIŞ. İSTATİSTİKSEL YÖNTEMLER Br çalışadan elde edlen verler ha ver ntelğndedr. Ha verlerden blg ednek zor ve zaan alıcıdır. Ha verler çok karaşık durudadır. Verlern düzenlenes

Detaylı

SAYISAL ANALİZ. Doç.Dr. Cüneyt BAYILMIŞ. Sayısal Analiz. Doç.Dr. Cüneyt BAYILMIŞ

SAYISAL ANALİZ. Doç.Dr. Cüneyt BAYILMIŞ. Sayısal Analiz. Doç.Dr. Cüneyt BAYILMIŞ SAYISAL ANALİZ Doç.Dr. Cüneyt BAYILMIŞ Doç.Dr. Cüneyt BAYILMIŞ Sayısal Analz SAYISAL ANALİZ SAYISAL TÜREV Numercal Derentaton Doç.Dr. Cüneyt BAYILMIŞ Sayısal Analz İÇİNDEKİLER Sayısal Türev Ger Farklar

Detaylı

SIRADAN EN KÜÇÜK KARELER (OLS)

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

Detaylı

Adi Diferansiyel Denklemler NÜMERİK ANALİZ. Adi Diferansiyel Denklemler. Adi Diferansiyel Denklemler

Adi 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

Detaylı

ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ

ÇUKUROVA 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

Detaylı

SUÇ VERİ TABANININ LOJİSTİK REGRESYON ANALİZİ İLE TAHMİNİ: BURSA ÖRNEĞİ Estimating of Crime Database with Logistic Regression Analysis: Bursa Case

SUÇ VERİ TABANININ LOJİSTİK REGRESYON ANALİZİ İLE TAHMİNİ: BURSA ÖRNEĞİ Estimating of Crime Database with Logistic Regression Analysis: Bursa Case SUÇ VERİ TABANININ LOJİSTİK REGRESYON ANALİZİ İLE TAHMİNİ: BURSA ÖRNEĞİ Estmatng of Crme Database wth Logstc Regresson Analyss: Bursa Case Mehmet NARGELEÇEKENLER * B Özet u çalışmada, Bursa Emnyet Müdürlüğünden

Detaylı

Temel İstatistik. Y.Doç.Dr. İbrahim Turan Mart Tanımlayıcı İstatistik. Dağılımları Tanımlayıcı Ölçüler Dağılış Ölçüleri

Temel 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

Detaylı

Değişkenler Arasındaki İlişkiler Regresyon ve Korelasyon. Dr. Musa KILIÇ

Değişkenler Arasındaki İlişkiler Regresyon ve Korelasyon. Dr. Musa KILIÇ Değşkeler Arasıdak İlşkler Regresyo ve Korelasyo Dr. Musa KILIÇ http://ks.deu.edu.tr/musa.klc 1. Grş Buda öcek bölümlerde celedğmz koular, br tek değşke ç yorumlamalar yapmaya yöelk statstk yötemler üzerde

Detaylı

REGRESYON ANALİZİ BÖLÜM 5-6

REGRESYON ANALİZİ BÖLÜM 5-6 REGRESYON ANALİZİ BÖLÜM 5-6 Yayın Tarh: 03-11-2007 Revzyon No:0 1 5. E.K.K. REGRESYONUNDA KARŞILAŞILAN PROBLEMLER VE BAZI KONU BAŞLIKLARI 2 1 EN KÜÇÜK KARELERDE KARŞILAŞILAN PROBLEMLER EKK da karşılaşılan

Detaylı

TOBB Ekonomi ve Teknoloji Üniversitesi İKT351 Ekonometri I, Dönem Sonu Sınavı

TOBB Ekonomi ve Teknoloji Üniversitesi İKT351 Ekonometri I, Dönem Sonu Sınavı TOBB Ekonomi ve Teknoloji Üniversitesi Öğr. Gör.: Yrd. Doç. Dr. A. Talha YALTA Ad, Soyad: Açıklamalar: Bu sınav toplam 100 puan değerinde 4 sorudan oluşmaktadır. Sınav süresi 90 dakikadır ve tüm soruların

Detaylı

Zaman Serileri Ekonometrisine Giriş

Zaman Serileri Ekonometrisine Giriş Zaman Serileri Ekonometrisine Giriş Durağanlık ve Durağan-Dışılık Ekonometri 2 Konu 24 Sürüm 2,0 (Ekim 2011) UADMK Açık Lisans Bilgisi İşbu belge, Creative Commons Attribution-Non-Commercial ShareAlike

Detaylı

Bölüm 3. Çoklueşdoğrusallık. 1. Çoklueşdoğrusallığın niteliği nedir? 3.1.1 Çoklueşdoğrusallık Kavramı

Bölüm 3. Çoklueşdoğrusallık. 1. Çoklueşdoğrusallığın niteliği nedir? 3.1.1 Çoklueşdoğrusallık Kavramı Bölüm 3 Çoklueşdoğrusallık 3.1 Çoklueşdoğrusallığın Niteliği 3.1.1 Çoklueşdoğrusallık Kavramı Klasik doğrusal bağlanım modelinin (KDBM) varsayımlarından biri, modele katılan değişkenler arasında çoklueşdoğrusallık

Detaylı

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

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

Detaylı

ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ ÇOKLU İÇ İLİŞKİ VE EKOLOJİK REGRESYON İSTATİSTİK ANABİLİM DALI

ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ ÇOKLU İÇ İLİŞKİ VE EKOLOJİK REGRESYON İSTATİSTİK ANABİLİM DALI ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ Berrn GÜLTAY YÜKSEK LİSANS TEZİ ÇOKLU İÇ İLİŞKİ VE EKOLOJİK REGRESYON İSTATİSTİK ANABİLİM DALI ADANA, 9 ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ ÇOKLU

Detaylı

VEKTÖRLER VE VEKTÖREL IŞLEMLER

VEKTÖRLER VE VEKTÖREL IŞLEMLER VEKTÖRLER VE VEKTÖREL IŞLEMLER 1 2.1 Tanımlar Skaler büyüklük: Sadece şddet bulunan büyüklükler (örn: uzunluk, zaman, kütle, hacm, enerj, yoğunluk) Br harf le sembolze edleblr. (örn: kütle: m) Şddet :

Detaylı

4.5. SOĞUTMA KULELERİNİN BOYUTLANDIRILMASI İÇİN BİR ANALIZ

4.5. SOĞUTMA KULELERİNİN BOYUTLANDIRILMASI İÇİN BİR ANALIZ Ünsal M.; Varol, A.: Soğutma Kulelernn Boyutlandırılması İçn Br Kuramsal 8 Mayıs 990, S: 8-85, Adana 4.5. SOĞUTMA KULELERİNİN BOYUTLANDIRILMASI İÇİN BİR ANALIZ Asaf Varol Fırat Ünverstes, Teknk Eğtm Fakültes,

Detaylı

Ekonometrik Modelleme

Ekonometrik Modelleme Ekonometrik Modelleme Model Belirtimi ve Tanısal Sınamaları Yrd. Doç. Dr. A. Talha YALTA Ekonometri 2 Ders Notları Sürüm 2,0 (Ekim 2011) Açık Lisans Bilgisi İşbu belge, Creative Commons Attribution-Non-Commercial

Detaylı

Neden Ayrı Bir Bilim Dalı? Ekonometri; kuramsal iktisat, matematiksel iktisat ve iktisadi istatistikten ayrı bir bilim dalıdır çünkü:

Neden Ayrı Bir Bilim Dalı? Ekonometri; kuramsal iktisat, matematiksel iktisat ve iktisadi istatistikten ayrı bir bilim dalıdır çünkü: Bölüm 2 Ekonometri Nedir? 2.1 Ekonometri Nedir? 2.1.1 Ekonometrinin Konusu Ekonometri Sözcük anlamı ile ekonometri, ekonomik ölçüm demektir. Matematiksel araç ve istatistiksel hesaplama yöntemlerinin ekonomi

Detaylı

ANTALYA DA OBEZİTE YAYGINLIĞI VE DÜZEYİNİ ETKİLEYEN SOSYO-EKONOMİK DEĞİŞKENLER

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

Detaylı

Bağlanım Çözümlemesi. Yrd. Doç. Dr. A. Talha YALTA Ekonometri 1 Ders Notları Sürüm 2,0 (Ekim 2011) Temel Kavramlar Varsayımsal Bir Örnek

Bağlanım Çözümlemesi. Yrd. Doç. Dr. A. Talha YALTA Ekonometri 1 Ders Notları Sürüm 2,0 (Ekim 2011) Temel Kavramlar Varsayımsal Bir Örnek Bağlanım Çözümlemesi Yrd. Doç. Dr. A. Talha YALTA Ekonometri 1 Ders Notları Sürüm 2,0 (Ekim 2011) Açık Lisans Bilgisi Temel Kavramlar İşbu belge, Creative Commons Attribution-Non-Commercial ShareAlike

Detaylı

ENERJİ. Isı Enerjisi. Genel Enerji Denklemi. Yrd. Doç. Dr. Atilla EVCİN Afyon Kocatepe Üniversitesi 2007

ENERJİ. Isı Enerjisi. Genel Enerji Denklemi. Yrd. Doç. Dr. Atilla EVCİN Afyon Kocatepe Üniversitesi 2007 Yrd. Doç. Dr. Atlla EVİN Afyon Kocatepe Ünverstes 007 ENERJİ Maddenn fzksel ve kmyasal hal değşm m le brlkte dama enerj değşm m de söz s z konusudur. Enerj değşmler mler lke olarak Termodnamğn Brnc Yasasına

Detaylı

Bölüm 7. Uzantıları. 7.1 Sıfır Noktasından Geçen Bağlanım. Kuram bazen modelde sabit terimin bulunmamasını öngörür: Y i = ˆβ 2 X i + û i

Bölüm 7. Uzantıları. 7.1 Sıfır Noktasından Geçen Bağlanım. Kuram bazen modelde sabit terimin bulunmamasını öngörür: Y i = ˆβ 2 X i + û i Bölüm 7 İki Değişkenli Bağlanım Modelinin Uzantıları 7.1 Sıfır Noktasından Geçen Bağlanım Kuram bazen modelde sabit terimin bulunmamasını öngörür: Y i = β 2 X i + u i Sıfır noktasından geçen bağlanım modelinin

Detaylı

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

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

Detaylı

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

17 Ekim Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge. 1 Yıldız Teknik Üniversitesi ÇOK DEĞİŞKENLİ REGRESYON ANALİZİ: TAHMİN Hüseyin Taştan 1 1 Yıldız Teknik Üniversitesi İktisat Bölümü Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge 17 Ekim 2012 Ekonometri

Detaylı

0,5749. Menkul Kıymet Getirisi ve Riskinin Hesaplanması Tek dönemlik basit getiri (Kesikli getiri)

0,5749. Menkul Kıymet Getirisi ve Riskinin Hesaplanması Tek dönemlik basit getiri (Kesikli getiri) Menkul Kıymet Getirisi ve Riskinin Hesaplanması Tek dönemlik basit getiri (Kesikli getiri) R t : t dönemlik basit getiri P t : t dönemdeki fiyat P t-1 : t dönemden önceki fiyat Örneğin, THYAO hisse senedinin

Detaylı

Genel olarak test istatistikleri. Merkezi Eğilim (Yığılma) Ölçüleri Dağılım (Yayılma) Ölçüleri. olmak üzere 2 grupta incelenebilir.

Genel 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

Detaylı

Tanımlayıcı İstatistikler (Descriptive Statistics) Dr. Musa KILIÇ

Tanımlayıcı İstatistikler (Descriptive Statistics) Dr. Musa KILIÇ Taımlayıcı İstatstkler (Descrptve Statstcs) Dr. Musa KILIÇ TANIMLAYICI ÖRNEK İSTATİSTİKLERİ YER ÖLÇÜLERİ (Frekas dağılışıı abss eksedek durumuu belrtr.) DEĞİŞİM ÖLÇÜLERİ ( Frekas dağılışıı şekl belrtr.).

Detaylı

Ekonometri Ders Notları İçin Önsöz

Ekonometri Ders Notları İçin Önsöz Ekonometri Ders Notları İçin Önsöz Yrd. Doç. Dr. A. Talha YALTA Ekonometri Ders Notları Sürüm 2,0 (Ekim 2011) Açık Lisans Bilgisi İşbu belge, Creative Commons Attribution-Non-Commercial ShareAlike 3.0

Detaylı

Basit Regresyon Modeli BASİT REGRESYON MODELİ. Basit Regresyon Modeli. Basit Regresyon Modeli: y = β 0 + β 1 x + u

Basit Regresyon Modeli BASİT REGRESYON MODELİ. Basit Regresyon Modeli. Basit Regresyon Modeli: y = β 0 + β 1 x + u 1 2 Basit Regresyon Modeli BASİT REGRESYON MODELİ Hüseyin Taştan 1 1 Yıldız Teknik Üniversitesi İktisat Bölümü Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge 14 Ekim

Detaylı

İki veri setinin yapısının karşılaştırılması

İki veri setinin yapısının karşılaştırılması İk ver set yapısıı karşılaştırılması Dağılım: 6,6,6 Ortalama: 6 Medya: 6 Mod: 6 td. apma: 0 Dağılım: 0,6,1 Ortalama: 6 Medya: 6 Mod: çoklu mod td: apma: 6 Amaç: Görüe Ötese Bakablmek Verler değşkelk durumuu

Detaylı