REGRESYON DENKLEMİNİN HESAPLANMASI Basit Doğrusal Regresyon Basit doğrusal regresyon modeli: .. + n gözlem için matris gösterimi,. olarak verilir.

Save this PDF as:
 WORD  PNG  TXT  JPG

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "REGRESYON DENKLEMİNİN HESAPLANMASI Basit Doğrusal Regresyon Basit doğrusal regresyon modeli: .. + n gözlem için matris gösterimi,. olarak verilir."

Transkript

1 Bahar REGRESYON DENKLEMİNİN HESAPLANMASI Basit Doğrusal Regresyo Basit doğrusal regresyo modeli: y i = β 0 + β x i + ε i Modeli matris gösterimi, y i = [ x i ] β 0 β + ε i şeklidedir. x y 2 gözlem içi matris gösterimi,. x = y x y β 0 β + ε ε. 2 olarak verilir.. ε Kısaca Y = Xβ + ε şeklide gösterilir. Öreklem kestirim deklemi Y = Xβ ile taımlaır. Bua göre regresyo katsayıları, β = (X X) X Y formülü ile elde edilir. Örek : Başarı (Y) Tutum (X) Basit doğrusal regresyo aalizi ile tutum pualarıı başarıyı,04 5,43 yordama derecesi icelediğide; 4,36 5,4 5,4 4,4 6,64 6,60 Başarı: Bağımlı değişke (Y) 4,73 8,22 Tutum: Bağımsız değişke (X) 3,6 0,5 4,78 6,49 7,56 9,48 0,25 0,3 2,06 3,40 5,43 5,4 4,4 6,60 X = 8,22 0,5 6,49 9,48 0,3 3,40 Y =,04 4,36 5,4 6,64 4,73 3,6 4,78 7,56 0,25 2,06 Y = [,04 4,36 5,4 6,64 4,73 3,6 4,78 7,56 0,25 2,06]

2 Bahar Y Y = 33 veya Y 2 Y = i= y i = 33 formülü ile hesaplaabilir. X = 5,43 5,4 4,4 6,60 8,22 0,5 6,49 9,48 0,3 3, X X = veya X X = i= x i 2 formülü ile hesaplaabilir. i= x i x i i= (X X) 0,4 0,06 = 0,06 0,0 veya (X X) = KT x i= x i 2 / x x formülü ile hesaplaabilir. 50 X Y = 300, yardımı ile regresyo deklemie ilişki katsayılar; β = (X X) X 0,4 0,06 Y β = 0,06 0,0 50 =,9 olarak hesaplaır. 300, 0,62 Bua göre b 0 =,9 ve b =0,62 dir. Burada; y i =,9 + 0,62x i olarak yazılır. Regresyo hesaplamasıa ilişki Excel dosyası içi tıklayı. LİSREL SONUÇLARI Lisrel kullaılarak doğrusal regresyo aalizi soucuda da regresyo katsayılarıı bezerlik gösterdiği görülmüştür (Şekil ). Şekil. Basit doğrusal regresyo Lisrel souçları 2

3 Bahar Çoklu Doğrusal Regresyo Çoklu doğrusal regresyo modeli: y i = β 0 + β x i + β x i2. β x i + ε i Modeli matris gösterimi, y i = [ x i x i2 x ip] β 0 β + ε i şeklidedir. gözlem içi matris gösterimi, y y 2.. y = x x 2 x p x 2 x 22 x 2p x x 2 x p ε β ε β. ε olarak verilir. Kısaca Y = Xβ + ε şeklide gösterilir. Öreklem kestirim deklemi Y = Xβ ile taımlaır. Bua göre regresyo katsayıları, β = (X X) X Y formülü ile elde edilir. Örek: Başarı (Y) Tutum (X ) Özyeterlik (X 2 ) Özerklik (X 3 ) Motivasyo (X 4 ),04 5,43, 8,89 0,77 4,36 5,4 0,86 5,08 3,7 5,4 4,4 6,65 4,4 5,92 6,64 6,60 4,9 7,48 6,59 4,73 8,22 3,03 3,39 2,64 3,6 0,5 4,73,74 3,97 4,78 6,49 7,33 5,00 5,09 7,56 9,48,33 8,56 7,6 0,25 0,3 5,34-0,68 4,76 2,06 3,40 5,42 6,2-0,60 Çoklu doğrusal regresyo aalizi ile tutum, özyeterlik, özerklik ve motivasyo pualarıı başarıyı yordama derecesi iceleirse; Başarı: Bağımlı değişke (Y) Tutum: Bağımsız değişke (X ) Özyeterlik: Bağımsız değişke (X 2 ) Özerklik: Bağımsız değişke (X 3 ) Motivasyo: Bağımsız değişke (X 4 ) X = 5,43, 8,89 0,77 5,4 0,86 5,08 3,7 4,4 6,65 4,4 5,92 6,60 4,9 7,48 6,59 8,22 3,03 3,39 2,64 0,5 4,73,74 3,97 6,49 7,33 5,00 5,09 9,48,33 8,56 7,6 0,3 5,34 0,68 4,76 3,40 5,42 6,2 0,60 Y =,04 4,36 5,4 6,64 4,73 3,6 4,78 7,56 0,25 2,06 Y = [,04 4,36 5,4 6,64 4,73 3,6 4,78 7,56 0,25 2,06] 3

4 Bahar Y Y = 33 veya Y 2 Y = i= y i = 33 formülü ile hesaplaabilir. 5,43 X =, 8,89 0,77 5,4 0,86 5,08 3,7 4,4 6,65 4,4 5,92 6,60 4,9 7,48 6,59 8,22 3,03 3,39 2,64 0,5 4,73,74 3,97 6,49 7,33 5,00 5,09 9,48,33 8,56 7,6 0,3 5,34 0,68 4,76 3,40 5,42 6,2 0, ,8 306,36 270,56 X X = , ,04 285, ,36 260, , ,56 285,59 285,66 33 veya i= x i i= x i2 X X = 2 i= x i x i2 formülü ile hesaplaabilir. Sim. i= x i 2 x i2 i= ,8 306,36 270,56 (X X) = , ,04 285, ,36 260, , ,56 285,59 285,66 33 X Y = , 277,7 36,48 34,274 yardımı ile regresyo deklemie ilişki katsayılar; β = (X X) X Y ,8 306,36 270,56 300, β = , ,04 285, ,36 260, , ,56 285,59 285, ,7 36,48 34,274 =,405 0,234 0,32 0,427 0,488 Bua göre b 0 =-,405, b =0,234, b 2 =0,32, b 3 =0,427 ve b 4 =0,488 dir. Burada; olarak hesaplaır. y i =, ,234 Tutum + 0,32 Özyeterlik + 0,427 Özerklik + 0,488 Motivasyo olarak yazılır. Regresyo hesaplamasıa ilişki Excel dosyası içi tıklayıız. 4

5 Bahar LİSREL SONUÇLARI Lisrel kullaılarak doğrusal regresyo aalizi soucuda da regresyo katsayılarıı bezerlik gösterdiği görülmüştür (Şekil 2). Şekil 2. Çoklu doğrusal regresyo Lisrel souçları MATRİS KAVRAMLARI VE TANIMLARI Kare Matris Eğer satır sayısı sütu sayısıa eşitse (=p), A matrisie, p ici mertebede kare matris deir. Ayrıca bu matrisi i=j ola elemalarıa da esas köşege elemaları deir Öreği; A = 5 7 B = Not: Acak bir kare matrisi determiatı hesaplaabilir. Kare olmaya bir matrisi determiatıı hesaplaması söz kousu değildir. Üçge Matris Bir kare matriste asal köşegei üstüde ya da altıda kala tüm elemalar sıfır ise bu matrise üçge matris deir. Bir başka deyişle bir kare matrisi asal köşegei altıda kala tüm elemaları sıfır ise bu matrise üst-üçge matris; bir kare matrisi asal köşegei üstüde kala tüm elemaları sıfır ise bu matrise alt-üçge matris deir. 5

6 Bahar a. Üst-Üçge (Triagular) Matris i>j olduğuda a ij = 0 ise, köşegei altıdaki elemalar sıfır olacaktır Öreği; A = 0 7 matrisi 3x3 türüde bir üst üçge matristir b. Alt-Üçge (Triagular) Matris i<j olduğuda a ij = 0 ise, köşegei üstüdeki elemalar sıfır olacaktır. 0 0 Öreği; A = matrisi 3x3 türüde bir alt üçge matristir İdempotet (dekgüçlü) Matris A, x boyutlu bir matris ike A 2 =A özelliğii alıyorsa A matrisie idempotet (dekgüçlü) matris deir. A tam raklı ve idempotet bir matris ise A birim matristir (A=I) dır. İdempotet matrisi rakı, izie eşittir. İdempotet bir matrisi özdeğerleri ya sıfır ya da birdir. B= x matrisi idempotet ve rak(b)< ise B pozitif yarı taımlı bir matristir. B= x ve rak(b)=p olsu; o B idempotet ise B sıfırda farklı p tae özdeğere sahiptir ve buları her biri +'e eşittir. o B simetrik ise B 'i idempotet olması içi gerek ve yeter koşul B 'i her biri sıfırda farklı p tae özdeğerii olmasıdır. A= x tipide (simetrik) idempotet bir matris olsu; o A' (simetrik) idempotettir. o P ortogoal ise P'AP (simetrik) idempotettir. o P regüler ise PAP - idempotettir. o I - A simetrik idempotettir. o AA' = A'A ise A'A ve AA' matrisleri simetrik ve idempotettirler. Öreği; A = 5 5 2/4 2/4 B = 4 4 2/4 2/4 A ve B matrisleri idempotet matrislerdir. Bu bağlamda öreği; 2/4 2/4 2/4 2/4 2/4 2/4 BB = = = B olur. 2/4 2/4 2/4 2/4 2/4 2/4 6

7 Bahar Not: Birim matris bir idempotet matristir I = = Bir Matrisi İzi x boyutlu bir A matrisii (kare matrisi) izi, köşege elemalarıı toplamıa eşittir ve tr(a) ya da iz(a) ile gösterilir. tr(a) = a + a a = a ii i= Öreği; A = 8 9 ise, tr(a) = = 24 dür. KORELASYON MATRİSİ - FAKTÖR ANALİZİ Başarı Tutum Özyeterlik Özerklik Motivasyo Başarı, tutum, özyeterlik,,04 5,43, 8,89 0,77 özerklik ve motivasyo puaları 4,36 5,4 0,86 5,08 3,7 faktör aalizie tabi tutulursa; 5,4 4,4 6,65 4,4 5,92 6,64 6,60 4,9 7,48 6,59 4,73 8,22 3,03 3,39 2,64 3,6 0,5 4,73,74 3,97 4,78 6,49 7,33 5,00 5,09 7,56 9,48,33 8,56 7,6 0,25 0,3 5,34-0,68 4,76 2,06 3,40 5,42 6,2-0,60 0,686 0,3354 0,8207 0,7935 0,686 0,274 0,6958 0,2539 Korelasyo matrisi, K = 0,3354 0,274 0,24 0,4394 0,8207 0,6958 0,24 0,4402 0,7935 0,2539 0,4394 0,4402 7

8 Bahar Compoet Matrix a Compoet 2 Basari 0,737 0,664 Tutum 0,968-0,95 Ozyeterlik -0,9 0,289 Ozerklik 0,940 0,072 Motivasyo -0,09 0,970 Extractio Method: Pricipal Compoet Aalysis. a. 2 compoets extracted. Compoet matrisi traspozu; C = 0,737 0,664 0,968 0,95 0,9 0,289 0,940 0,072 0,09 0,970 0,984 0,584 0,479 0,740 0,564 0,584 0,974 0,938 0,895 0,295 CC = 0,479 0,938 0,93 0,835 0,379 0,740 0,895 0,835 0,889 0,032 0,564 0,295 0,379 0,032 0,953 Compoet matrisi traspozuyla çarpımı soucu elde edile matrisi köşege elemalarıı faktör aaliziyle elde edile ortak varyas (commuality) değerlerie eşit olduğu görülmektedir. Faktörlerde elde edile korelasyo matrisie ise yeide üretilmiş korelasyo matrisi (reproduced correlatio matrix) adı verilir. Bu faktörü köşege elemaları köşege elemaları yei ortak faktör varyaslarıı verir. Ortak varyas (commuality) bir değişkedeki varyası söz kousu faktörle paylaştığı varyas miktarıdır. Öreği; aşağıdaki tabloda 0,984 değeri, değişkedeki varyası % 98 oraıda belirlee faktörle açıklaabileceğii gösterir. Commualities Iitial Extractio BASARI 0,984 TUTUM 0,974 OZYETER 0,93 OZERK 0,889 MOTIV 0,953 Extractio Method: Pricipal Compoet Aalysis. 8

9 Bahar Bezer biçimde, ayı işlem Rotated Compoet Matrisle de yapıldığıda bezer souçları elde edildiği görülmektedir. Rotated Compoet Matrix a Compoet 2 Basari 0,646 0,753 Tutum 0,985-0,070 Ozyeterlik -0,940 0,70 Ozerklik 0,923 0,9 Motivasyo -0,232 0,949 Extractio Method: Pricipal Compoet Aalysis. Rotatio Method: Varimax with Kaiser Normalizatio. Rotated compoet matrisi traspozu; R = 0,646 0,753 0,985 0,070 0,940 0,70 0,923 0,9 0,232 0,949 0,984 0,584 0,479 0,740 0,564 0,584 0,974 0,938 0,895 0,295 RR = 0,479 0,938 0,93 0,835 0,379 0,740 0,895 0,835 0,889 0,032 0,564 0,295 0,379 0,032 0,953 Commualities Iitial Extractio BASARI 0,984 TUTUM 0,974 OZYETER 0,93 OZERK 0,889 MOTIV 0,953 Extractio Method: Pricipal Compoet Aalysis. 9

18.06 Professor Strang FİNAL 16 Mayıs 2005

18.06 Professor Strang FİNAL 16 Mayıs 2005 8.6 Professor Strag FİNAL 6 Mayıs 25 ( Pua) P,..., P R deki oktalar olsu. ( ai, ai2,..., a i) P i i koordiatlarıdır. Bütü P i oktasıı içere bir cx +... + cx = hiperdüzlemi bulmak istiyoruz. a) Bu hiperdüzlemi

Detaylı

6. BÖLÜM VEKTÖR UZAYI VEKTÖR UZAYI VEKTÖR UZAYLARI

6. BÖLÜM VEKTÖR UZAYI VEKTÖR UZAYI VEKTÖR UZAYLARI 6. BÖLÜM VEKTÖR LARI -BOYUTLU (ÖKLİT) I Taım: Eğer pozitif bir tam sayı ise sıralı -sayı, gerçel sayılar kümesideki adet sayıı (a 1, a 2,, a ) bir dizisidir. Tüm sıralı -sayılarıı kümesi -boyutlu uzay

Detaylı

v = ise v ye spacelike vektör,

v = ise v ye spacelike vektör, D.P.Ü. Fe Bilimleri Estitüsü 1. ayı Mayıs 6 emi-pozitif Ortogoal Matrisler içi Alteratif İi Yötem WO ALERNAIVE MEHOD FOR EMI-POIIVE OROGONAL MARICE B. BÜKCÜ* *Gaziosmapaşa Üiversitesi, Fe-Edebiyat Faültesi,

Detaylı

İDEAL ÇARPIMLARI (IDEAL PRODUCTS)

İDEAL ÇARPIMLARI (IDEAL PRODUCTS) T.C. ÇANAKKALE ONSEKİZ MART ÜNİVERSİTESİ FEN EDEBİYAT FAKÜLTESİ MATEMATİK BÖLÜMÜ (IDEAL PRODUCTS) 070216013 TUĞBA ÖZMEN 080216038 AYŞE MUTLU 080216064 SEVİLAY HOROZ Nil ehri, Düyaı e uzu ehridir (6.650

Detaylı

n, 1 den büyük bir sayma sayısı olmak üzere,

n, 1 den büyük bir sayma sayısı olmak üzere, KÖKLÜ SAYILAR, de üyük ir sayma sayısı olmak üzere, x = α deklemii sağlaya x sayısıa α ı yici derecede kökü deir. x m = x m O halde tersi düşüülürse, ir üslü sayıı üssü kesirli ise, o sayı köklü sayı içimide

Detaylı

ISF404 SERMAYE PİYASALARI VE MENKUL KIYMETYÖNETİMİ

ISF404 SERMAYE PİYASALARI VE MENKUL KIYMETYÖNETİMİ 8. HAFTA ISF404 SERMAYE PİYASALARI VE MENKUL KIYMETYÖNETİMİ PORTFÖY YÖNETİMİ II Doç.Dr. Murat YILDIRIM muratyildirim@karabuk.edu.tr Geleeksel Portföy Yaklaşımı, Bu yaklaşıma göre portföy bir bilim değil,

Detaylı

İleri Diferansiyel Denklemler

İleri Diferansiyel Denklemler MIT AçıkDersSistemi http://ocw.mit.edu 18.034 İleri Diferasiyel Deklemler 2009 Bahar Bu bilgilere atıfta bulumak veya kullaım koşulları hakkıda bilgi içi http://ocw.mit.edu/terms web sitesii ziyaret ediiz.

Detaylı

8. HAFTA BLM323 SAYISAL ANALİZ. Okt. Yasin ORTAKCI.

8. HAFTA BLM323 SAYISAL ANALİZ. Okt. Yasin ORTAKCI. 8. HAFTA BLM323 SAYISAL ANALİZ Okt. Yasin ORTAKCI yasinortakci@karabuk.edu.tr Karabük Üniversitesi Uzaktan Eğitim Uygulama ve Araştırma Merkezi 2 MATRİSLER Matris veya dizey, dikdörtgen bir sayılar tablosu

Detaylı

BÖLÜM 3 YER ÖLÇÜLERİ. Doç.Dr. Suat ŞAHİNLER

BÖLÜM 3 YER ÖLÇÜLERİ. Doç.Dr. Suat ŞAHİNLER BÖLÜM 3 YER ÖLÇÜLERİ İkici bölümde verileri frekas tablolarıı hazırlaması ve grafikleri çizilmesideki esas amaç; gözlemleri doğal olarak ait oldukları populasyo dağılışıı belirlemek ve dağılışı geel özelliklerii

Detaylı

POLİNOMLAR. reel sayılar ve n doğal sayı olmak üzere. n n. + polinomu kısaca ( ) 2 3 n. ifadeleri polinomun terimleri,

POLİNOMLAR. reel sayılar ve n doğal sayı olmak üzere. n n. + polinomu kısaca ( ) 2 3 n. ifadeleri polinomun terimleri, POLİNOMLAR Taım : a0, a, a,..., a, a reel sayılar ve doğal sayı olmak üzere P x = a x + a x +... + a x + a x + a biçimideki ifadelere x e bağlı reel katsayılı poliom (çok terimli) deir. 0 a 0 ax + a x

Detaylı

BAĞINTI VE FONKSİYON

BAĞINTI VE FONKSİYON BAĞINTI VE FONKSİYON SIRALI N-Lİ x, x, x,..., x tae elema olsu. ( x, x, x,..., x ) yazılışıda elemaları sırası öemli ise x, x, x,..., x ) e sıralı -li deir. x, x, x,..., x ) de ( x (, x, x ( x, ) sıralı

Detaylı

TAHMİNLEYİCİLERİN ÖZELLİKLERİ Sapmasızlık 3.2. Tutarlılık 3.3. Etkinlik minimum varyans 3.4. Aralık tahmini (güven aralığı)

TAHMİNLEYİCİLERİN ÖZELLİKLERİ Sapmasızlık 3.2. Tutarlılık 3.3. Etkinlik minimum varyans 3.4. Aralık tahmini (güven aralığı) 3 TAHMİNLEYİCİLERİN ÖZELLİKLERİ 3.1. Sapmasızlık 3.. Tutarlılık 3.3. Etkilik miimum varyas 3.4. Aralık tahmii (güve aralığı) İyi bir tahmi edici dağılımı tahmi edilecek populasyo parametresie yakı civarda

Detaylı

m=n şeklindeki matrislere kare matris adı verilir. şeklindeki matrislere ise sütun matrisi denir. şeklindeki A matrisi bir kare matristir.

m=n şeklindeki matrislere kare matris adı verilir. şeklindeki matrislere ise sütun matrisi denir. şeklindeki A matrisi bir kare matristir. Matrisler Satır ve sütunlar halinde düzenlenmiş tabloya matris denir. m satırı, n ise sütunu gösterir. a!! a!" a!! a!" a!! a!! a!! a!! a!" m=n şeklindeki matrislere kare matris adı verilir. [2 3 1] şeklinde,

Detaylı

5 İKİNCİ MERTEBEDEN LİNEER DİF. DENKLEMLERİN SERİ ÇÖZÜMLERİ

5 İKİNCİ MERTEBEDEN LİNEER DİF. DENKLEMLERİN SERİ ÇÖZÜMLERİ 5 İKİNCİ MERTEBEDEN LİNEER DİF. DENKLEMLERİN SERİ ÇÖZÜMLERİ Bir lieer deklemi geel çözümüü bulmak homoje kısmı temel çözümlerii belirlemesie bağlıdır. Sabit katsayılı diferasiyel deklemleri temel çözümlerii

Detaylı

İÇİNDEKİLER. Ön Söz Polinomlar II. ve III. Dereceden Denklemler Parabol II. Dereceden Eşitsizlikler...

İÇİNDEKİLER. Ön Söz Polinomlar II. ve III. Dereceden Denklemler Parabol II. Dereceden Eşitsizlikler... İÇİNDEKİLER Ö Söz... Poliomlar... II. ve III. Derecede Deklemler... Parabol... 9 II. Derecede Eşitsizlikler... 8 Trigoometri... 8 Logaritma... 59 Toplam ve Çarpım Sembolü... 7 Diziler... 79 Özel Taımlı

Detaylı

3. BÖLÜM MATRİSLER 1

3. BÖLÜM MATRİSLER 1 3. BÖLÜM MATRİSLER 1 2 11 21 1 m1 a a a v 12 22 2 m2 a a a v 1 2 n n n mn a a a v gibi n tane vektörün oluşturduğu, şeklindeki sıralanışına matris denir. 1 2 n A v v v Matris A a a a a a a a a a 11 12

Detaylı

değerine bu matrisin bir girdisi(elemanı,bileşeni) denir. Bir sütundan (satırdan) oluşan bir matrise bir sütun (satır) matrisi denir.

değerine bu matrisin bir girdisi(elemanı,bileşeni) denir. Bir sütundan (satırdan) oluşan bir matrise bir sütun (satır) matrisi denir. Bölüm 2 Matrsler aım 2.1 F br csm, m, brer doğal sayı olsu. a F ( 1,.., m; j 1,..., ) olmak üzere, a11... a1 fadese m satır sütuda oluşa (veya m tpde) br F matrs der. am 1... a m Böyle br matrs daha sade

Detaylı

POLİNOMLARDA İNDİRGENEBİLİRLİK. Derleyen Osman EKİZ Eskişehir Fatih Fen Lisesi 1. GİRİŞ

POLİNOMLARDA İNDİRGENEBİLİRLİK. Derleyen Osman EKİZ Eskişehir Fatih Fen Lisesi 1. GİRİŞ POLİNOMLARDA İNDİRGENEBİLİRLİK Derleye Osma EKİZ Eskişehir Fatih Fe Lisesi. GİRİŞ Poliomları idirgeebilmesi poliomları sıfırlarıı bulmada oldukça öemlidir. Şimdi poliomları idirgeebilmesi ile ilgili bazı

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

İstatistik Nedir? Sistem-Model Kavramı

İstatistik Nedir? Sistem-Model Kavramı İstatistik Nedir? İstatistik rasgelelik içere olaylar, süreçler, sistemler hakkıda modeller kurmada, gözlemlere dayaarak bu modelleri geçerliğii sıamada ve bu modellerde souç çıkarmada gerekli bazı bilgi

Detaylı

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

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

Detaylı

Doç. Dr. M. Mete DOĞANAY Prof. Dr. Ramazan AKTAŞ

Doç. Dr. M. Mete DOĞANAY Prof. Dr. Ramazan AKTAŞ TAHVİL DEĞERLEMESİ Doç. Dr. M. Mee DOĞANAY Prof. Dr. Ramaza AKTAŞ 1 İçerik Tahvil ve Özellikleri Faiz Oraı ve Tahvil Değeri Arasıdaki İlişki Tahvili Geiri Oraı ve Vadeye Kadar Geirisi Faiz Oraı Riski Verim

Detaylı

7. BÖLÜM DOĞRUSAL DÖNÜŞÜMLER

7. BÖLÜM DOĞRUSAL DÖNÜŞÜMLER 7. BÖLÜM DOĞRUSAL DÖNÜŞÜMLER DOĞRUSAL DÖNÜŞÜMLER Bir V ektör uzayıı bir başka W ektör uzayıa döüştüre foksiyolar şu şekilde gösterilir: : V W Burada kullaıla termioloji foksiyolarla ayıdır. Öreği, V ektör

Detaylı

TĐCARĐ MATEMATĐK - 5.2 Bileşik Faiz

TĐCARĐ MATEMATĐK - 5.2 Bileşik Faiz TĐCARĐ MATEMATĐK - 5 Bileşik 57ÇÖZÜMLÜ ÖRNEKLER: Örek 57: 0000 YTL yıllık %40 faiz oraıyla yıl bileşik faiz ile bakaya yatırılmıştır Bu paraı yılı souda ulaşacağı değer edir? IYol: PV = 0000 YTL = PV (

Detaylı

Tümevarım_toplam_Çarpım_Dizi_Seri. n c = nc i= 1 n ca i. k 1. i= r n. Σ sembolü ile bilinmesi gerekli bazı formüller : 1) k =1+ 2 + 3+...

Tümevarım_toplam_Çarpım_Dizi_Seri. n c = nc i= 1 n ca i. k 1. i= r n. Σ sembolü ile bilinmesi gerekli bazı formüller : 1) k =1+ 2 + 3+... MC formülüü doğruluğuu tümevarım ilkesi ile gösterelim. www.matematikclub.com, 00 Cebir Notları Gökha DEMĐR, gdemir@yahoo.com.tr Tümevarım_toplam_Çarpım_Dizi_Seri Tümevarım Metodu : Matematikte kulladığımız

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

İstatistik ve Olasılık

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

Detaylı

ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI

ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI Bezetimi e öemli faydalarıda birisi, uygulamaya koymada öce alteratifleri karşılaştırmaı mümkü olmasıdır. Alteratifler; Fabrika yerleşim tasarımları Alteratif üretim

Detaylı

x 1,x 2,,x n ler bilinmeyenler olmak üzere, doğrusal denklemlerin oluşturduğu;

x 1,x 2,,x n ler bilinmeyenler olmak üzere, doğrusal denklemlerin oluşturduğu; 4. BÖLÜM DOĞRUSAL DENKLEM SİSTEMLERİ Doğrusal Denklem Sistemi x,x,,x n ler bilinmeyenler olmak üzere, doğrusal denklemlerin oluşturduğu; a x + a x + L + a x = b n n a x + a x + L + a x = b n n a x + a

Detaylı

Tahmin Edici Elde Etme Yöntemleri

Tahmin Edici Elde Etme Yöntemleri 6. Ders Tahmi Edici Elde Etme Yötemleri Öceki derslerde ve ödevlerde U(0; ) ; = (0; ) da¼g l m da, da¼g l m üst s r ola parametresi içi tahmi edici olarak : s ra istatisti¼gi ve öreklem ortalamas heme

Detaylı

Ki- kare Bağımsızlık Testi

Ki- kare Bağımsızlık Testi PARAMETRİK OLMAYAN İSTATİSTİKSEL TEKNİKLER Prof. Dr. Ali ŞEN Ki- kare Bağımsızlık Testi Daha öceki bölümlerde ölçümler arasıdaki ilişkileri asıl iceleeceğii gördük. Acak sıklıkla ilgileile veriler ölçüm

Detaylı

İşlenmemiş veri: Sayılabilen yada ölçülebilen niceliklerin gözlemler sonucu elde edildiği hali ile derlendiği bilgiler.

İşlenmemiş veri: Sayılabilen yada ölçülebilen niceliklerin gözlemler sonucu elde edildiği hali ile derlendiği bilgiler. OLASILIK VE İSTATİSTİK DERSLERİ ÖZET NOTLARI İstatistik: verileri toplaması, aalizi, suulması ve yorumlaması ile ilgili ilkeleri ve yötemleri içere ve bu işlemleri souçlarıı probabilite ilkelerie göre

Detaylı

Bağımsızlık özelliğinden hareketle Ortak olasılık fonksiyonu (sürekli ise

Bağımsızlık özelliğinden hareketle Ortak olasılık fonksiyonu (sürekli ise YTÜ-İktisat İstatistik II Örekleme ve Öreklem Dağılımları BASİT RASSAL ÖRNEKLEME N tae ese arasıda taelik bir öreklem seçilmesii istediğii düşüelim. eseli olaaklı her öreklemi seçilme şasıı eşit kıla seçim

Detaylı

BASAMAK ATLAYARAK VEYA FARKLI ZIPLAYARAK İLERLEME DURUMLARININ SAYISI

BASAMAK ATLAYARAK VEYA FARKLI ZIPLAYARAK İLERLEME DURUMLARININ SAYISI Projesii Kousu: Bir çekirgei metre, metre veya 3 metre zıplayarak uzuluğu verile bir yolu kaç farklı şekilde gidebileceği ya da bir kişii veya (veya 3) basamak atlayarak basamak sayısı verile bir merdivei

Detaylı

Korelasyon, Korelasyon Türleri ve Regresyon

Korelasyon, Korelasyon Türleri ve Regresyon Korelasyon, Korelasyon Türleri ve Regresyon İçerik Korelasyon Korelasyon Türleri Korelasyon Katsayısı Regresyon KORELASYON Korelasyon iki ya da daha fazla değişken arasındaki doğrusal ilişkiyi gösterir.

Detaylı

ORTALAMA EŞĐTSĐZLĐKLERĐNE GĐRĐŞ

ORTALAMA EŞĐTSĐZLĐKLERĐNE GĐRĐŞ ORTALAMA EŞĐTSĐZLĐKLERĐNE GĐRĐŞ Lokma Gökçe Olimpiyat problemlerii çözümüde eşitsizlik teorisi öemli bir yer tutar. Baze bir maksimum miimum değer problemide, baze bir geometrik eşitsizlik kaıtıda, baze

Detaylı

ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI

ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI µ µ içi Güve Aralığı ALTERNATİF İTEMLERİN KARŞILAŞTIRILMAI Bezetimi e öemli faydalarıda birisi, uygulamaya koymada öce alteratifleri karşılaştırmaı mümkü olmasıdır. Alteratifler; Fabrika yerleşim tasarımları

Detaylı

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

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

Detaylı

Örnek 2.1 YÖNEYLEM ARAŞTIRMASI III. Markov Süreçleri Ders 7. Koşulsuz Durum Olasılıkları. Örnek 2.1

Örnek 2.1 YÖNEYLEM ARAŞTIRMASI III. Markov Süreçleri Ders 7. Koşulsuz Durum Olasılıkları. Örnek 2.1 Örek.1 YÖNEYLEM ARAŞTIRMASI III Markov Süreçleri Ders 7 Yrd. Doç. Dr. Beyazıt Ocakta Web site: ocakta.bau.edu.tr E-mail: bocakta@gmail.com Reault marka otomobil sahilerii bir soraki otomobillerii de Reault

Detaylı

ÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ

ÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ İSTATİSTİKSEL TAHMİNLEME VE İSTATİSTİKSEL YORUMLAMA TAHMİNLEME SÜRECİ VE YORUMLAMA SÜRECİ ÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ ÖRNEKLEME VE ÖRNEKLEME ÖRNEKLEME DAĞILIMLARI VE ÖRNEKLEME DAĞILIMLARI Yorumlama

Detaylı

İstatistik ve Olasılık

İstatistik ve Olasılık İstatistik ve Olasılık Ders 3: MERKEZİ EĞİLİM VE DAĞILMA ÖLÇÜLERİ Prof. Dr. İrfa KAYMAZ Taım Araştırma souçlarıı açıklamasıda frekas tablosu ve poligou isteile bilgiyi her zama sağlamayabilir. Verileri

Detaylı

İSTATİSTİKSEL TAHMİNLEME VE HİPOTEZ TESTİ

İSTATİSTİKSEL TAHMİNLEME VE HİPOTEZ TESTİ İSTATİSTİKSEL TAHMİNLEME VE HİPOTEZ TESTİ Bu bölümdeki yötemler, bilimeye POPULASYON PARAMETRE değeri hakkıda; TAHMİN yapmaya yöelik ve, KARAR vermekle ilgili, olmak üzere iki grupta icelemektedir. Parametre

Detaylı

Normal Dağılımlı Bir Yığın a İlişkin İstatistiksel Çıkarım

Normal Dağılımlı Bir Yığın a İlişkin İstatistiksel Çıkarım Normal Dağılımlı Bir Yığı a İlişi İstatistisel Çıarım Bir üretici edi ürüleride, piyasadai 3,5 cm li vidalarda yalıca boyları 3,4 cm ile 3,7 cm aralığıda olaları ullaabilmetedir. Üretici, piyasadai bu

Detaylı

DETERMINANTLAR. 1. Permütasyon. 1. Permütasyon ) permütasyonundaki ters dönüşüm. 1. Permütasyon 2. BÖLÜM ( )

DETERMINANTLAR. 1. Permütasyon. 1. Permütasyon ) permütasyonundaki ters dönüşüm. 1. Permütasyon 2. BÖLÜM ( ) . BÖÜM. Permütsyo Tım: Bir tm syılr {,,, } kümesideki elemlrı tekrr olmksızı frklı DETERMINNTR sırlmlrıı düzelemesie permütsyo deir. Örek: {,, 3} tm syılr kümesii ltı frklı permütsyou vrdır: (,, 3), (,,

Detaylı

POLĐNOMLAR YILLAR ÖYS

POLĐNOMLAR YILLAR ÖYS YILLAR 4 5 6 7 8 9 ÖSS - - - - - - ÖYS POLĐNOMLAR a,a,a,..., a P () = a + a +... + a R ve N olmak üzere; ifadesie Reel katsayılı.ci derecede bir değişkeli poliom deir. P()= a sabit poliom, (a ) P()= sıfır

Detaylı

4. Ders Fisher informasyonu s f rdan büyük ve sonlu, yani 0 < I() < 1; R f(x; )dx (kesikli da¼g l mlarda R yerine P.

4. Ders Fisher informasyonu s f rdan büyük ve sonlu, yani 0 < I() < 1; R f(x; )dx (kesikli da¼g l mlarda R yerine P. 4. Ders tkilik Küçük varyasl olmak, tahmi edicileri vazgeçilmez bir özelli¼gidir. Bir tahmi edicii, yal veya yas z, küçük varyasl olmas isteir. Parametrei kedisi () veya bir foksiyou (g()) ile ilgili tahmi

Detaylı

BÖLÜM DETERMINANTLAR SD 1

BÖLÜM DETERMINANTLAR SD 1 SD 1 2. BÖLÜM DETERMINANTLAR 2 1 2 22 21 1 12 11 2 1 2 22 21 1 12 11 2 1 2 22 21 1 12 11 2 1 2 22 21 1 12 11 1. Permütsyo Tım: Bir tm syılr {1, 2,, } kümesideki elemlrı tekrr olmksızı frklı sırlmlrıı düzelemesie

Detaylı

5. Ders Yeterlilik. f(x 1 ; x 2 ; :::; x n ; ) = g (T (x 1 ; x 2 ; :::; x n ); ) h(x 1 ; x 2 ; :::; x n )

5. Ders Yeterlilik. f(x 1 ; x 2 ; :::; x n ; ) = g (T (x 1 ; x 2 ; :::; x n ); ) h(x 1 ; x 2 ; :::; x n ) 5. Ders Yeterlilik Yeterlilik Ilkesi: Bir T(X ; X ; :::; X ) istatisti¼gi, hakk da yeterli bir istatistik olacaksa hakk da herhagi bir souç ç kar m T arac l ¼g ile (X ; X,...,X ) öreklemie ba¼gl olmal

Detaylı

BEKLENEN DEĞER VE VARYANS

BEKLENEN DEĞER VE VARYANS BEKLEE DEĞER VE VARYAS.1. İadel ve adesz öreklemede tüm mümkü örekler.. Beklee değer.3. Varyas.4. İk değşke ortak dağılımı.5. İstatstksel bağımsızlık.6. Tesadüf değşkeler doğrusal kombasyolarıı beklee

Detaylı

Diziler ve Seriler ÜNİTE. Amaçlar. İçindekiler. Yazar Prof.Dr. Vakıf CAFEROV

Diziler ve Seriler ÜNİTE. Amaçlar. İçindekiler. Yazar Prof.Dr. Vakıf CAFEROV Diziler ve Seriler Yazar Prof.Dr. Vakıf CAFEROV ÜNİTE 7 Amaçlar Bu üiteyi çalıştıkta sora; dizi kavramıı taıyacak, dizileri yakısaklığıı araştırabilecek, sosuz toplamı alamıı bilecek, serileri yakısaklığıı

Detaylı

TÜME VARIM Bu bölümde öce,kısaca tümevarım yötemii, sorada ÖYS de karşılamakta olduğumuz sembolüü ve sembolüü ele alacağız. A. TÜME VARIM YÖNTEMİ Tümevarım yötemii ifade etmede öce, öerme ve doğruluk kümesi

Detaylı

18.034 İleri Diferansiyel Denklemler

18.034 İleri Diferansiyel Denklemler MIT AçıkDersSistemi http://ocw.mit.edu 18.034 İleri Diferansiyel Denklemler 2009 Bahar Bu bilgilere atıfta bulunmak veya kullanım koşulları hakkında bilgi için http://ocw.mit.edu/terms web sitesini ziyaret

Detaylı

PARAMETRİK TESTLER. Tek Örneklem t-testi. 200 öğrencinin matematik dersinden aldıkları notların ortalamasının 70 e eşit olup olmadığını test ediniz.

PARAMETRİK TESTLER. Tek Örneklem t-testi. 200 öğrencinin matematik dersinden aldıkları notların ortalamasının 70 e eşit olup olmadığını test ediniz. PARAMETRİK TESTLER Tek Örneklem t-testi 200 öğrencinin matematik dersinden aldıkları notların ortalamasının 70 e eşit olup olmadığını test ediniz. H0 (boş hipotez): 200 öğrencinin matematik dersinden aldıkları

Detaylı

( 1) ( ) işleminde etkisiz eleman e, tersi olmayan eleman t ise te kaçtır? a) 4/3 b) 3/4 c) -3 d) 4 e) Hiçbiri

( 1) ( ) işleminde etkisiz eleman e, tersi olmayan eleman t ise te kaçtır? a) 4/3 b) 3/4 c) -3 d) 4 e) Hiçbiri V MERSİN MATEMATİK OLİMPİYATI (ÜNV ÖĞR) I AŞAMA SINAV SORULARI ( Nisa 8) de ye taımlı, birebir ve örte f ve g foksiyoları her bir içi koşuluu sağlası g( a ) = ve f ( ) ( ) ( ) f = g a 4 = a ise a sayısı

Detaylı

Bağıntı YILLAR ) AxB BxA. 2) Ax(BxC) = (AxB)xC. 4) s(axb) = s(bxa) = s(a).s(b)

Bağıntı YILLAR ) AxB BxA. 2) Ax(BxC) = (AxB)xC. 4) s(axb) = s(bxa) = s(a).s(b) Bağıtı YILLAR 00 00 00 005 006 007 008 009 00 0 ÖSS-YGS - - - - - - - - - BAĞINTI ÖZELLĐKLER: SIRALI ĐKĐLĐ: (a,) şeklideki ifadeye ir sıralı ikili yada kısaca ikili deir (a,) sıralı ikiliside a ya irici

Detaylı

A= {1,2,3}, B={1,3,5,7}kümeleri veriliyor. A dan B ye tanımlanan aşağıdaki bağıntılardan hangisi fonksiyon değildir?

A= {1,2,3}, B={1,3,5,7}kümeleri veriliyor. A dan B ye tanımlanan aşağıdaki bağıntılardan hangisi fonksiyon değildir? ÖRNEK 1 : A= {1,,}, B={1,,5,7}kümeleri veriliyor. A da B ye taımlaa aşağıdaki bağıtılarda hagisi foksiyo değildir? A) {(1,), (,5), (,7)} B) {(1,), (1,5), (,1)} C) {(1,1), (,1), (,1)} D) {(1,5), (,1), (,7)}

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

7. Ders. Bazı Kesikli Olasılık Dağılımları

7. Ders. Bazı Kesikli Olasılık Dağılımları Hatırlatma: ( Ω, U, P) bir olasılık uzayı ve 7. Ders Bazı Kesikli Olasılık Dağılımları : Ω ω R ( ω) foksiyou Borel ölçülebilir, yai B B içi { ω Ω : ( ω) B } U oluyorsa foksiyoua bir Rasgele Değişke deir.

Detaylı

Mühendislik Fakültesi Endüstri Mühendisliği Bölümü. Doç. Dr. Nil ARAS ENM411 Tesis Planlaması Güz Dönemi

Mühendislik Fakültesi Endüstri Mühendisliği Bölümü. Doç. Dr. Nil ARAS ENM411 Tesis Planlaması Güz Dönemi Mühedislik Fakültesi Edüstri Mühedisliği Bölümü Doç. Dr. Nil ARAS ENM4 Tesis Plalaması 6-7 Güz Döemi 3 Sisteme ekleecek tesis sayısı birde fazladır. Yei tesisler birbirleri ile etkileşim halide olabilirler

Detaylı

PROJE ADI: Bir Koniğin Üzerindeki Veya Dışındaki Bir Noktadan Çizilen Teğetlerin Denklemlerini Matrisler Yardımıyla Bulma

PROJE ADI: Bir Koniğin Üzerindeki Veya Dışındaki Bir Noktadan Çizilen Teğetlerin Denklemlerini Matrisler Yardımıyla Bulma PROJE ADI: Bir Koniğin Üzerindeki Veya Dışındaki Bir oktadan Çizilen Teğetlerin Denklemlerini Matrisler Yardımıyla Bulma PROJEİ AMACI: Bu projede herhangi bir koniğin üzerindeki veya dışındaki bir noktadan

Detaylı

Matrisler ve matris işlemleri

Matrisler ve matris işlemleri 2.Konu Matrisler ve matris işlemleri Kaynaklar: 1.Uygulamalı lineer cebir. 7.baskıdan çeviri.bernhard Kollman, David R.Hill/çev.Ed. Ömer Akın, Palma Yayıncılık, 2002 2.Lineer Cebir. Feyzi Başar.Surat Universite

Detaylı

AKIŞKAN BORUSU ve VANTİLATÖR DENEYİ

AKIŞKAN BORUSU ve VANTİLATÖR DENEYİ AKIŞKA BORUSU ve ATİLATÖR DEEYİ. DEEYİ AMACI a) Lüle ile debi ölçmek, b) Dairesel kesitli bir borudaki türbülaslı akış şartlarıda hız profili ve eerji kayıplarıı deeysel olarak belirlemek ve literatürde

Detaylı

( KÜME LİSTE, ORTAK ÖZELLİK, ŞEMA YÖNTEMİ ELEMAN SAYISI BOŞ, SONLU, SONSUZ KÜME ALT KÜME VE ÖZELLİKLERİ ) ... BOŞ KÜME. w w w. m a t b a z.

( KÜME LİSTE, ORTAK ÖZELLİK, ŞEMA YÖNTEMİ ELEMAN SAYISI BOŞ, SONLU, SONSUZ KÜME ALT KÜME VE ÖZELLİKLERİ ) ... BOŞ KÜME. w w w. m a t b a z. KÜME KAVRAMI Küme matematiği taımsız bir kavramıdır. Acak kümeyi, iyi taımlamış kavram veya eseler topluluğu diye tarif edebiliriz. Kümeler A, B, X, K,... gibi büyük harflerle Bir kümeyi oluştura eseleri

Detaylı

Dr. AKIN PALA. Damızlık Değeri, genotipik değer, allel frekansları. Damızlık değeri hesabı. Damızlık değeri hesabı. Damızlık değeri hesabı

Dr. AKIN PALA. Damızlık Değeri, genotipik değer, allel frekansları. Damızlık değeri hesabı. Damızlık değeri hesabı. Damızlık değeri hesabı Damızlık Değeri, geotipik değer, allel frekasları Aki Pala, aki@comu.edu.tr ttp://members.comu.edu.tr/aki/ Damızlık değeri esabı µ Ökkeş =800 gr gülük calı ağırlık Sürü A Sürü µ Döller µ 500gr 700 DD esabı

Detaylı

ÖZDEĞERLER- ÖZVEKTÖRLER

ÖZDEĞERLER- ÖZVEKTÖRLER ÖZDEĞERLER- ÖZVEKTÖRLER GİRİŞ Özdeğerler, bir matrisin orijinal yapısını görmek için kullanılan alternatif bir yoldur. Özdeğer kavramını açıklamak için öncelikle özvektör kavramı ele alınsın. Bazı vektörler

Detaylı

Bir özvektörün sıfırdan farklı herhangi bri sabitle çarpımı yine bir özvektördür.

Bir özvektörün sıfırdan farklı herhangi bri sabitle çarpımı yine bir özvektördür. ÖZDEĞER VE ÖZVEKTÖRLER A n n tipinde bir matris olsun. AX = λx (1.1) olmak üzere n 1 tipinde bileşenleri sıfırdan farklı bir X matrisi için λ sayıları için bu denklemi sağlayan bileşenleri sıfırdan farklı

Detaylı

KORELASYON VE REGRESYON ANALİZİ. Doç. Dr. Bahar TAŞDELEN

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

Detaylı

İSTATİSTİK DERS NOTLARI

İSTATİSTİK DERS NOTLARI Balıkesir Üiversitesi İşaat Mühedisliği Bölümü umutokka@balikesir.edu.tr İSTATİSTİK DERS NOTLARI Yrd. Doç. Dr. Umut OKKAN idrolik Aabilim Dalı Balıkesir Üiversitesi İşaat Mühedisliği Bölümü Bölüm 5 Örekleme

Detaylı

YENĐ BĐR ADAPTĐF FĐLTRELEME YÖNTEMĐ: HĐBRĐD GS-NLMS ALGORĐTMASI

YENĐ BĐR ADAPTĐF FĐLTRELEME YÖNTEMĐ: HĐBRĐD GS-NLMS ALGORĐTMASI Uludağ Üiversitesi ühedislik-imarlık Fakültesi Dergisi, Cilt 3, Sayı, 008 YENĐ BĐR ADAPĐF FĐLRELEE YÖNEĐ: HĐBRĐD GS-NLS ALGORĐASI Sedat ĐRYAKĐ * eti HAUN ** Osma Hilmi KOÇAL ** Özet: Bu makalede, adaptif

Detaylı

3. Ders Parametre Tahmini Tahmin Edicilerde Aranan Özellikler

3. Ders Parametre Tahmini Tahmin Edicilerde Aranan Özellikler 3. Ders Parametre Tahmii Tahmi Edicilerde Araa Özellikler Gerçek düyada rasgelelik olgusu içere bir özellik ile ilgili ölçme işlemie karş l k gele X rasgele de¼gişkeii olas l k (yo¼guluk) foksiyou, F ff(;

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

T.C. SELÇUK ÜNĠVERSĠTESĠ FEN BĠLĠMLERĠ ENSTĠTÜSÜ

T.C. SELÇUK ÜNĠVERSĠTESĠ FEN BĠLĠMLERĠ ENSTĠTÜSÜ T.C. SELÇUK ÜNĠVERSĠTESĠ FEN BĠLĠMLERĠ ENSTĠTÜSÜ SĠRKÜLANT MATRĠSLERĠN SAYISAL ĠġARET ĠġLEMEDE KULLANIMI Ahmet ÖTELEġ YÜKSEK LĠSANS TEZĠ Matematik Aabilim Dalıı Ağustos-0 KONYA Her Hakkı Saklıdır ÖZET

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

MATRİSLER. Şekil 1 =A6:B7+D6:E7

MATRİSLER. Şekil 1 =A6:B7+D6:E7 MATRİSLER Bir A matrisi mxn adet gerçel veya sanal elemanların sıralı koleksiyonudur. Bu koleksiyon m satır ve n sütun ile düzenlenir. A(mxn) notasyonu matrisin m satırlı n sütunlu olduğunu gösterir ve

Detaylı

ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LISANS TEZİ MARKOV ZİNCİRLERİNDE BOOTSTRAP. Serhat DUMAN İSTATİSTİK ANABİLİM DALI ANKARA 2006

ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LISANS TEZİ MARKOV ZİNCİRLERİNDE BOOTSTRAP. Serhat DUMAN İSTATİSTİK ANABİLİM DALI ANKARA 2006 ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LISANS TEZİ MARKOV ZİNCİRLERİNDE BOOTSTRAP Serhat DUMAN İSTATİSTİK ANABİLİM DALI ANKARA 26 Her hakkı saklıdır Yrd. Doç. Dr. İhsa KARABULUT u daışmalığıda,

Detaylı

TOPOLOJİK TEMEL KAVRAMLAR

TOPOLOJİK TEMEL KAVRAMLAR TOPOLOJİK TEMEL KAVRAMLAR 1.1. Kümeler ve Foksiyolar A ı bir elemaıa B i yalız bir elemaıı eşleye bağıtıya bir foksiyo deir. f : A B, Domf = U A ve ragef B dir. Taım 1.1.1. f : A B foksiyou içi V A olsu.

Detaylı

4.Bölüm Tahvil Değerlemesi. Doç. Dr. Mete Doğanay Prof. Dr. Ramazan Aktaş

4.Bölüm Tahvil Değerlemesi. Doç. Dr. Mete Doğanay Prof. Dr. Ramazan Aktaş 4.Bölüm Tahvil Değerlemesi Doç. Dr. Mee Doğaay Prof. Dr. Ramaza Akaş Amaçlarımız Bu bölümü amamladıka sora aşağıdaki bilgi ve becerilere sahip olabileceksiiz: Tahvillerle ilgili emel kavramları bilmek

Detaylı

SHARPE TEK indeks MODELi ile PORTFÖY SEciMi

SHARPE TEK indeks MODELi ile PORTFÖY SEciMi Yöetim, Yil: 6 Sayi: 21 Hazira 1995, s. 55-60 SHARPE TEK indeks MODELi ile PORTFÖY SEciMi, Dr. Erha Özdemir I.Ü. Tekik Bilimler MY.O. Dr. I.Müfit GIRESUNLU i'ü. Tekik Bilimler M.Y.O. Bu çalismada her bir

Detaylı

T.C. PAMUKKALE ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ MATEMATİK ANABİLİM DALI

T.C. PAMUKKALE ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ MATEMATİK ANABİLİM DALI T.C. PAMUKKALE ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ MATEMATİK ANABİLİM DALI GAUSS BALANS VE GAUSS KOBALANS SAYILARI ÜZERİNE YÜKSEK LİSANS TEZİ MUSTAFA YILMAZ DENİZLİ, TEMMUZ - 07 T.C. PAMUKKALE ÜNİVERSİTESİ

Detaylı

Vektör bileşenleri için dikey eksende denge denklemi yazılırak, aşağıdaki eşitlik elde edilir. olarak elde edilir. 2

Vektör bileşenleri için dikey eksende denge denklemi yazılırak, aşağıdaki eşitlik elde edilir. olarak elde edilir. 2 Açıklama Sorusu : V kayışlar, ayı mekaizma büyüklükleride düz kayışlara göre daha yüksek dödürme mometlerii taşıyabildikleri bilimektedir. V kayışları düz kayışlara göre gözlee bu üstülüğü sebebi "kama

Detaylı

DOĞU AKDENİZ ÜNİVERSİTESİ MATEMATİK BÖLÜMÜ 22. LİSELERARASI MATEMATİK YARIŞMASI

DOĞU AKDENİZ ÜNİVERSİTESİ MATEMATİK BÖLÜMÜ 22. LİSELERARASI MATEMATİK YARIŞMASI DOĞU AKDENİZ ÜNİVERSİTESİ MATEMATİK BÖLÜMÜ 22. LİSELERARASI MATEMATİK YARIŞMASI BİREYSEL YARIŞMA SORULARI CEVAPLARI CEVAP KAĞIDI ÜZERİNE YAZINIZ. SORU KİTAPÇIĞINI KARALAMA MAKSATLI KULLANABİLİRSİNİZ SORU-1.

Detaylı

TÜMEVARIM. kavrayabilmek için sonsuz domino örneği iyi bir modeldir. ( ) domino taşını devirmek gibidir. P ( k ) Önermesinin doğru olması halinde ( 1)

TÜMEVARIM. kavrayabilmek için sonsuz domino örneği iyi bir modeldir. ( ) domino taşını devirmek gibidir. P ( k ) Önermesinin doğru olması halinde ( 1) TÜMEVARIM Matematite ulladığımız teoremleri ispatlamasıda pe ço ispat yötemi vardır. Özellile doğal sayılar ve birço ouda ispatlar yapare tümevarım yötemii sıça ullaırız. Tümevarım yötemii P Öermesii doğruluğuu

Detaylı

Polinom İnterpolasyonu

Polinom İnterpolasyonu Polom İterpolasyou (Ara Değer Bulma Br foksyou solu sayıdak, K, R oktalarıda aldığı f (, f (,, f ( değerler bls (foksyou keds blmyor. Bu oktalarda geçe. derecede br tek, P a + a + a + + a (... polumu vardır

Detaylı

www.fikretgultekin.com 1

www.fikretgultekin.com 1 KORELASYON ANALĐZĐ (Correlation Analysis ) Basit Korelasyon Analizi Basit korelasyon analizinde iki değişken söz konusudur ve bu değişkenlerin bağımlıbağımsız değişken olarak tanımlanması/belirlenmesi

Detaylı

REGRESYON ANALİZİ VE UYGULAMA. Yrd. Doç. Dr. Hidayet Takcı

REGRESYON ANALİZİ VE UYGULAMA. Yrd. Doç. Dr. Hidayet Takcı REGRESYON ANALİZİ VE UYGULAMA Yrd. Doç. Dr. Hidayet Takcı htakci@cumhuriyet.edu.tr Sunum içeriği Bu sunumda; Lojistik regresyon konu anlatımı Basit doğrusal regresyon problem çözümleme Excel yardımıyla

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

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

6.6. Korelasyon Analizi. : Kitle korelasyon katsayısı

6.6. Korelasyon Analizi. : Kitle korelasyon katsayısı 6.6. Korelasyon Analizi : Kitle korelasyon katsayısı İki ya da daha çok değişken arasındaki ilişkiyi gösterir. Korelasyon çözümlemesinin amacı değişkenler arasındaki ilişkinin derecesini ve yönünü belirlemektir.

Detaylı

LİNEER CEBİR. Ders Sorumlusu: Doç.Dr.Kemal HACIEFENDİOĞLU. Ders Notu: Prof. Dr. Şaban EREN

LİNEER CEBİR. Ders Sorumlusu: Doç.Dr.Kemal HACIEFENDİOĞLU. Ders Notu: Prof. Dr. Şaban EREN LİNEER CEBİR Ders Sorumlusu: Doç.Dr.Kemal HACIEFENDİOĞLU Ders Notu: Prof. Dr. Şaban EREN 1.BOLUM DOGRUSAL CEBIR VE DIFERANSIYEL DENKLEMLER LİNEER EŞİTLİKLER 1.1. LİNEER EŞİTLİKLERİN TANIMI x 1, x 2,...,

Detaylı

İleri Diferansiyel Denklemler

İleri Diferansiyel Denklemler MIT AçıkDersSistemi http://ocw.mit.edu 18.034 İleri Diferansiyel Denklemler 2009 Bahar Bu bilgilere atıfta bulunmak veya kullanım koşulları hakkında bilgi için http://ocw.mit.edu/terms web sitesini ziyaret

Detaylı

İstatistik ve Olasılık

İstatistik ve Olasılık İstatistik ve Olasılık Ders 3: MERKEZİ EĞİLİM VE DAĞILMA ÖLÇÜLERİ Prof. Dr. İrfa KAYMAZ Taım Araştırma souçlarıı açıklamasıda frekas tablosu ve poligou isteile bilgiyi her zama sağlamayabilir. Verileri

Detaylı

(Sopphie Germain Denklemi) çarpanlarına ayırınız. r s + t r s + t olduğunu ispatlayınız. + + + + olduğunu. + + = + + eşitliğini ispatlayınız.

(Sopphie Germain Denklemi) çarpanlarına ayırınız. r s + t r s + t olduğunu ispatlayınız. + + + + olduğunu. + + = + + eşitliğini ispatlayınız. Sayılar Teorisi Kouları Geel Sıavları www.sbelia.wordpress.com SINAV I(IDENTITIES WITH SQUARES) 4 4. a 4b (Sopphie Germai Deklemi) çarpalarıa ayırıız.. 4 4 = A ise A ı sadece = durumuda asal olduğuu ispatlayıız..

Detaylı

HARDY-CROSS METODU VE UYGULANMASI

HARDY-CROSS METODU VE UYGULANMASI HRY-ROSS MTOU V UYGUNMSI ğ şebekelerde debi bir oktaya çeşitli yollarda gelebildiği içi, şebekei er agi bir borusua suyu agi yolda geldiğii ilk bakışta söyleyebilmek geellikle mümkü değildir. Çözümleme

Detaylı

Özdeğer ve Özvektörler

Özdeğer ve Özvektörler Özdeğer ve Özvektörler Yazar Öğr.Grv.Dr.Nevin ORHUN ÜNİTE 9 Amaçlar Bu üniteyi çalıştıktan sonra; bir lineer dönüşümün ve bir matrisin özdeğer ve özvektör kavramlarını anlayacak, bir dönüşüm matrisinin

Detaylı

SBE 601 ARAŞTIRMA YÖNTEMLERİ, ARAŞTIRMA VE YAYIN ETİĞİ

SBE 601 ARAŞTIRMA YÖNTEMLERİ, ARAŞTIRMA VE YAYIN ETİĞİ SBE 601 ARAŞTIRMA YÖNTEMLERİ, ARAŞTIRMA VE YAYIN ETİĞİ ÖRNEKLEM BÜYÜKLÜĞÜNÜN SAPTANMASI ÖRNEKLEME YÖNTEMLERİ Prof. Dr. Ergu Karaağaoğlu H.Ü. Tıp Fakültesi Biyoistatistik ABD ÖRNEKLEM BÜYÜKLÜĞÜNÜN SAPTANMASI

Detaylı

DENKLEM DÜZENEKLERI 1

DENKLEM DÜZENEKLERI 1 DENKLEM DÜZENEKLERI 1 Dizey kuramının önemli bir kullanım alanı doğrusal denklem düzeneklerinin çözümüdür. 2.1. Doğrusal düzenekler Doğrusal denklem düzeneği (n denklem n bilinmeyen) a 11 x 1 + a 12 x

Detaylı

DOĞRUSAL DENKLEMLER VE KOORDİNAT SİSTEMİ

DOĞRUSAL DENKLEMLER VE KOORDİNAT SİSTEMİ DOĞRUSAL DENKLEMLER VE KOORDİNAT SİSTEMİ Örnek : Taksi ile yapılan yolculukların ücreti taksimetre ile belirlenir Bir taksimetrenin açılış ücreti 2 TL, sonraki her kilometre başına 1 TL ücret ödendiğine

Detaylı

DOKTORA TEZİ. Ali ÇEVİK

DOKTORA TEZİ. Ali ÇEVİK ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ DOKTORA TEZİ MATRİS ORTOGONAL POLİNOMLARININ ve MATRİS FONKSİYONLARININ BAZI ÖZELLİKLERİ Ali ÇEVİK MATEMATİK ANABİLİM DALI ANKARA 9 Her hakkı saklıdır ÖZET Doktora

Detaylı

İleri Diferansiyel Denklemler

İleri Diferansiyel Denklemler MIT AçıkDersSistemi http://ocw.mit.edu 18.034 İleri Diferansiyel Denklemler 2009 Bahar Bu bilgilere atıfta bulunmak veya kullanım koşulları hakkında bilgi için http://ocw.mit.edu/terms web sitesini ziyaret

Detaylı

7. Ders Genel Lineer Modeller Singüler Modeller, Yanlış veya Bilinmeyen Kovaryanslar, Đlişkili Hatalar

7. Ders Genel Lineer Modeller Singüler Modeller, Yanlış veya Bilinmeyen Kovaryanslar, Đlişkili Hatalar 7. Ders Genel Lineer Modeller Singüler Modeller, Yanlış veya Bilinmeyen Kovaryanslar, Đlişkili Hatalar Y = X β + ε Lineer Modeli pekçok özel hallere sahiptir. Bunlar, ε nun dağılımına, Cov( ε ) kovaryans

Detaylı