DOĞRUSAL ZAMAN SERİSİ MODELLERİ. Durağan ARIMA Modelleri: Hareketli Ortalama Modelleri MA(q) Süreci
|
|
- Umut Hikmet
- 6 yıl önce
- İzleme sayısı:
Transkript
1 DOĞRUSAL ZAMAN SERİSİ MODELLERİ Durağan ARIMA Modelleri: Hareketli Ortalama Modelleri MA(q) Süreci
2 Hareketli Ortalama Süreci:MA(q) Hareketli Ortalama sürecini yapısını ortaya koymak için önce hisse senedi fiyatının yapısını inceleyelim. Herhangi bir hisse senedinin fiyatına ait zaman dizisinin: Ortalaması sıfırdır, Sabit varyansla dağılmaktadır, Gözlemler arasında korelasyon yoktur.
3 Hareketli Ortalama Süreci:MA(q) Herhangi bir t günündeki hisse senedinin fiyatı P t ise fiyattaki değişme aşağıdaki gibi ifade edilebilir: Y t = P t -P t-1 = e t t=1,,..,t e t bilinen özelliklere sahip rassal değişkendir. e t nin modelde yer almasının nedenleri : Şirketin finansmanı hakkındaki yeni bilgilerin öğrenilmesi, Ürün satışındaki ani yükseliş ve düşüşler, Yeni rakipler nedeniyle şirketin durumundaki risk, Teknolojik gelişmeler ve bunlara şirketin verdiği tepki, Yönetim kademesinde meydana gelen olumsuzluklar, vd. 3
4 Hareketli Ortalama Süreci:MA(q) Herhangi bir t günündeki hisse senedinin fiyatı P t ise fiyattaki değişme aşağıdaki gibi ifade edilebilir: Y t+1 = e t+1 + e t e t+1 : t+1 gününün etkisi e t : t gününün etkisi Hareketli Ortalama Süreci Hareketli Ortalama Süreci, Y t+1 ekonomik değişkeninin cari ve geçmiş rassal bir kalıntının ağırlıklı ortalamasıdır. 4
5 Hareketli Ortalama Süreci:MA(q) Genel MA(q) süreci için istatistiki model: Y t = + e t + 1 e t-1 + e t q e t-q e t ~ IID (0,s ) i bilinmeyen parametreler sabit parametre 5
6 Hareketli Ortalama Süreci:MA(q) MA(q) sürecinin ortalaması: E(Y t )= MA(q) sürecinin varyansı: Var(Y t )= 0 =E[(Y t - ) ] E et 1 e t1... q etq 1 et1e t... s s... s e 1 e q e s (1... ) e 1 q 6
7 MA(1) Sürecinin Ortalaması ve Varyansı Birinci dereceden hareketli ortalama süreci: Y t = + e t + 1 e t-1 Sürecin Ortalaması: E(Y t )= Sürecin Varyansı: Var(Y t )= E[(Y t - ) ] 0 = s (1 θ) e 1 7
8 MA(1) Sürecinin Kovaryansı Cov(Y t, Y t-1 ) = E[(Y t - )(Y t-1 - )] 1 = = E[(e t + 1 e t-1 )(e t e t- )] 1s e Cov(Y t, Y t- ) = E[(Y t - )(Y t- - )] = E[(e t + 1 e t-1 )(e t- + 1 e t-3 )] = 0 Cov(Y t, Y t-k ) = E[(Y t - )(Y t-k - )] = E[(e t + 1 e t-1 )(e t-k + 1 e t-k )] k = 0 8
9 MA(1) Sürecinin Kovaryansı k=1 için kovaryans hesaplanabilmektedir. k>1 için kovaryanslar sıfırdır. Bu durumda MA(1) süreci yalnızca bir dönemlik belleğe sahiptir. Y t değeri, Y t-1 ve Y t+1 dönemleri ile korelasyonludur. 9
10 MA(1) Sürecinin Otokorelasyon Fonksiyonu k θ1 1+θ1 0 k >1 k k=1 0 10
11 MA(1) Sürecinin Tersine Çevrilmesi Aşağıda verilen AR(1) süreci Y t = + 1 Y t-1 + e t Aşağıdaki gibi tersine çevrilebilir. Y t = e e e e... 3 t 1 t1 1 t 1 t3 Böylece sınırsız dereceli bir MA süreci elde edilir. 11
12 MA(1) Sürecinin Tersine Çevrilmesi MA(1) süreci Y t, Y t-1,... de sınırsız bir seri olarak e t de tersine çevrilebilir: e t = Y Y Y... t 1 t1 1 t Gerekli düzenlemelerden sonra yukarıdaki ifade: Y Y Y... e t 1 t1 1 t t Bu son ifade AR() sürecini tanımlar. Kısmi otokorelasyonlar kesilmez fakat sıfıra doğru sönerler. Diğer taraftan otokorelasyonlar birinci gecikmeden sonra sıfır olur. 1
13 MA(1) Modeli ACF ve PACF Grafikleri Hareketli ortalama modelinde kısmi otokorelasyon değerleri gecikme sayısı arttıkça üstel olarak yavaş yavaş azalmaktadır. Ancak otokorelasyon değerlerinde bu azalma bir anda olmaktadır. Örneğin, MA(1) modelinde ilk gecikmeden sonra otokorelasyon değerleri 0 değerini almaktadır. 13
14 MA(1) Modeli ACF ve PACF Grafikleri 14
15 15
16 16
17 MA() Sürecinin Ortalaması ve Varyansı İkinci dereceden hareketli ortalama süreci: Y t = + e t + 1 e t-1 + e t- Sürecin Ortalaması: E(Y t )= Sürecin Varyansı: Var(Y t )= = 0 s (1 ) e 1 17
18 MA() Sürecinin Kovaryansı Cov(Y t, Y t-1 ) = E[(e t + 1 e t-1 + e t- )(e t e t- + e t-3 )] 1 = s s 1 e 1 e s ( ) e 1 1 Cov(Y t, Y t- ) = E[(e t + 1 e t-1 + e t- )(e t- + 1 e t-3 + e t-4 )] = s e Cov(Y t, Y t-3 ) = E[(e t + 1 e t-1 + e t- )(e t e t-4 + e t-5 )] 3 = 0 Cov(Y t, Y t-k ) = k = 0 18
19 MA() Sürecinin Kovaryansı k=1ve k= için kovaryans hesaplanabilmektedir. k> için kovaryanslar sıfırdır. Bu durumda MA() süreci yalnızca iki dönemlik belleğe sahiptir. 19
20 MA() Sürecinin Otokorelasyon Fonsiyonu 1 (1 ) k > k = < 1-1 < 1 < 1 0
21 MA() Modeli ACF ve PACF Grafikleri MA() modelinde otokorelasyon fonksiyonu grafiğinde ilk iki gecikmeye ait ilişki önemli olmaktadır. Kısmi otokorelasyon fonksiyonunun gecikme sayısı arttıkça yavaş bir şekilde azaldığı görülür. 1
22 MA() Modeli ACF ve PACF Grafikleri
23 3
24 4
25 5
26 6
27 MA(q) Sürecinin Özellikleri Y t = + e t + 1 e t-1 + e t q e t-q 0 = (1... ) s 1 q e i = E[(e t + 1 e t-1 + e t- +.+ q e t-q ) (e t-k + 1 e t-k + e t-k- +.+ q e t-k-q )] E e e e... e k tk k1 1 tk1 k tk q qk tqk γ i s θk θk+1θ1 θk+θ θqθq-i e k 1,,,q 0 k q 7
28 MA(q) Sürecinin Özellikleri 0 = 1 = 0 = (1 ) s 1 e ( ) s 1 1 e ( ) s e 3 = 4 =. =0 k q 0 k k1 1 k q qk k = 1,,,q k > q 8
29 MA(q) Sürecinin Tahmini S( 1 ) = Y t = T t1 e t e t + 1 e t-1 T t1 (Y q e ) t 1 t1 e 1 = Y 1 - e 0 e = Y - e 1 =Y - Y 1 + e 0 e 3 = Y 3 - e =Y 3 - Y + Y 1-3 e 0 e T = Y T - e T-1 =Y T - Y T-1 + Y T- + T-1 Y 1 - T e 0 9
30 MA(q) Sürecinin Tahmini S( 1 ) = T t1 e t e t = Y t - e t-1 t=1,,,t Lθ 1 θ 1-θ T+ 1T S θ 30
31 31
32 3
DOĞRUSAL ZAMAN SERİSİ MODELLERİ. Durağan ARIMA Modelleri: Otoregresiv Modeller AR(p) Süreci
DOĞRUSAL ZAMAN SERİSİ MODELLERİ Durağan ARIMA Modelleri: Otoregresiv Modeller AR(p) Süreci Tek Değişkenli Zaman Serisi Modelleri Ekonomik verilerin analizi ile ekonomik değişkenlerin gelecekte alabilecekleri
DetaylıEME 3117 SİSTEM SIMÜLASYONU. Girdi Analizi. Özet İstatistikler ve Histogram (Minitab)(1) Örnek: Eczane İçin Servis Süreleri
EME 3117 1 2 Girdi Analizi SİSTEM SIMÜLASYONU Modellenecek sistemi (prosesi) dokümante et. Veri toplamak için bir plan geliştir. Veri topla. Verilerin grafiksel ve istatistiksel analizini yap. Girdi Analizi-I
Detaylı0,5749. 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
DetaylıZAMAN SERİSİ SÜREÇLERİ Durağan ve Durağan Olmayan Zaman Serileri
ZAMAN SERİSİ SÜREÇLERİ Durağan ve Durağan Olmayan Zaman Serileri 1 Zaman Serileri Analizi Zaman Serisi Modelleri Veri Üretme Süreci(DGP) Stokastik Süreçler Durağan Stokastik Süreçler Durağan Stokastik
DetaylıALIŞTIRMA 1 ULUSAL SINAİ ENDEKS
ALIŞTIRMA 1 ULUSAL SINAİ ENDEKS Bu çalışmada Ulusal Sınai Endeks serisiyle ilgili analizler yapılacaktır. Öncelikle seri oluşturulur. Data dan Define Dates e girilir oradan weekly,days(5) işaretlenir ve
DetaylıZaman Serileri. IENG 481 Tahmin Yöntemleri Dr. Hacer Güner Gören
Zaman Serileri IENG 481 Tahmin Yöntemleri Dr. Hacer Güner Gören Zaman Serisi nedir? Kronolojik sırayla elde edilen verilere sahip değișkenlere zaman serisi adı verilmektedir. Genel olarak zaman serisi,
DetaylıİÇİNDEKİLER 1. GİRİŞ...
İÇİNDEKİLER 1. GİRİŞ... 1 1.1. Regresyon Analizi... 1 1.2. Uygulama Alanları ve Veri Setleri... 2 1.3. Regresyon Analizinde Adımlar... 3 1.3.1. Problemin İfadesi... 3 1.3.2. Konu ile İlgili Potansiyel
Detaylı2018 İKİNCİ SEVİYE AKTÜERLİK SINAVLARI RİSK ANALİZİ VE AKTÜERYAL MODELLEME 12 MAYIS 2018
2018 İKİNCİ SEVİYE AKTÜERLİK SINAVLARI RİSK ANALİZİ VE AKTÜERYAL MODELLEME 12 MAYIS 2018 Sigortacılık Eğitim Merkezi (SEGEM) tarafından hazırlanmış olan bu sınav sorularının her hakkı saklıdır. Hangi amaçla
DetaylıZaman Serileri-1. If you have to forecast, forecast often. EDGAR R. FIEDLER, American economist. IENG 481 Tahmin Yöntemleri Dr.
Zaman Serileri-1 If you have to forecast, forecast often. EDGAR R. FIEDLER, American economist IENG 481 Tahmin Yöntemleri Dr. Hacer Güner Gören Zaman Serisi nedir? Kronolojik sırayla elde edilen verilere
DetaylıAKT201 Matematiksel İstatistik I Yrd. Doç. Dr. Könül Bayramoğlu Kavlak
AKT20 Matematiksel İstatistik I 207-208 Güz Dönemi AKT20 MATEMATİKSEL İSTATİSTİK I ÖDEV 6 Son Teslim Tarihi: 29 Aralık 207 Cuma, Saat: 5:00 (Ödevlerinizi Arş. Gör. Ezgi NEVRUZ a elden teslim ediniz.) (SORU
Detaylı3. TAHMİN En Küçük Kareler (EKK) Yöntemi 1
3. TAHMİN 3.1. En Küçük Kareler (EKK) Yöntemi 1 En Küçük Kareler (EKK) yöntemi, regresyon çözümlemesinde en yaygın olarak kullanılan, daha sonra ele alınacak bazı varsayımlar altında çok aranan istatistiki
Detaylıİçindekiler. Ön Söz... xiii
İçindekiler Ön Söz.................................................... xiii Bölüm 1 İstatistiğe Giriş....................................... 1 1.1 Giriş......................................................1
DetaylıOLS 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
DetaylıProf. Dr. Aydın Yüksel MAN 504T Yön. için Finansal Analiz & Araçları Ders: Risk-Getiri İlişkisi ve Portföy Yönetimi I
Risk-Getiri İlişkisi ve Portföy Yönetimi I 1 Giriş İşlenecek ana başlıkları sıralarsak: Finansal varlıkların risk ve getirisi Varlık portföylerinin getirisi ve riski 2 Risk ve Getiri Yatırım kararlarının
DetaylıRİSK ANALİZİ VE AKTÜERYAL MODELLEME
SORU 1: Bir hasar sıklığı dağılımının rassal değişken olan ortalaması (0,8) aralığında tekdüze dağılmaktadır. Hasar sıklığı dağılımının Poisson karma dağılıma uyduğu bilindiğine göre 1 ya da daha fazla
DetaylıMIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009
MIT OpenCourseWare http://ocw.mit.edu 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 Bu materyale atıfta bulunmak ve kullanım koşulları için http://ocw.mit.edu/terms sayfasını ziyaret ediniz.
DetaylıDoç. Dr. Dilek ALTAŞ İSTATİSTİKSEL ANALİZ
I Doç. Dr. Dilek ALTAŞ İSTATİSTİKSEL ANALİZ II Yayın No : 2845 Teknik Dizisi : 158 1. Baskı Şubat 2013 İSTANBUL ISBN 978-605 - 377 868-4 Copyright Bu kitabın bu basısı için Türkiye deki yayın hakları BETA
DetaylıMIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009
MIT OpenCourseWare http://ocw.mit.edu 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 Bu materyale atıfta bulunmak ve kullanım koşulları için http://ocw.mit.edu/terms sayfasını ziyaret ediniz.
DetaylıYapılan alan araştırması sonucunda aşağıdaki sonuçlar elde edilmiştir. ( ) ( ) ( ) ( )
İKİ DEĞİŞKENLİ OLASILIK Rassal bir deneme yapılmakta ve farklı iki olay ile ilgilenilmektedir. A 1, A 2,,A i olayları bağdaşmaz ve bütünü kapsayıcıdır. B 1, B 2,,B j olayları bağdaşmaz ve bütünü kapsayıcıdır.
DetaylıSistem Simulasyonu. Ders 8 Laboratuvar. Girdi Analizi
Sistem Simulasyonu Ders 8 Laboratuvar Girdi Analizi Örneklem Verileri durağan olmalıdır. Bu sonuç zaman serisi grafiğinden gözlemlenir. Verilerde zamana bağlı farkedilebilir bir trend (eğilim) olmamalıdır.
DetaylıİSTATİSTİK VE OLASILIK SORULARI
İSTATİSTİK VE OLASILIK SORULARI SORU 1 Meryem, 7 arkadaşı ile bir voleybol maçına katılmayı planlamaktadır. Davet ettiği arkadaşlarından herhangi bir tanesinin EVET deme olasılığı 0,8 ise, en az 3 arkadaşının
DetaylıMatris Cebiriyle Çoklu Regresyon Modeli
Matris Cebiriyle Çoklu Regresyon Modeli Hüseyin Taştan Mart 00 Klasik Regresyon Modeli k açıklayıcı değişkenden oluşan regresyon modelini her gözlem i için aşağıdaki gibi yazabiliriz: y i β + β x i + β
DetaylıSistem Simulasyonu. Ders 8 Laboratuvar. Girdi Analizi
Sistem Simulasyonu Ders 8 Laboratuvar Girdi Analizi Örneklem Verileri durağan olmalıdır. Bu sonuç zaman serisi grafiğinden gözlemlenir. Verilerde zamana bağlı farkedilebilir bir trend (eğilim) olmamalıdır.
Detaylı3 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI
ÖNSÖZ İÇİNDEKİLER III Bölüm 1 İSTATİSTİK ve SAYISAL BİLGİ 11 1.1 İstatistik ve Önemi 12 1.2 İstatistikte Temel Kavramlar 14 1.3 İstatistiğin Amacı 15 1.4 Veri Türleri 15 1.5 Veri Ölçüm Düzeyleri 16 1.6
Detaylı2. REGRESYON ANALİZİNİN TEMEL KAVRAMLARI Tanım
2. REGRESYON ANALİZİNİN TEMEL KAVRAMLARI 2.1. Tanım Regresyon analizi, bir değişkenin başka bir veya daha fazla değişkene olan bağımlılığını inceler. Amaç, bağımlı değişkenin kitle ortalamasını, açıklayıcı
DetaylıAppendix B: Olasılık ve Dağılım Teorisi
Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Notları Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix B: Olasılık ve Dağılım
DetaylıYTÜ İktisat Bölümü EKONOMETRİ I Ders Notları
Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix B: Olasılık ve Dağılım Teorisi
DetaylıYTÜ İktisat Bölümü EKONOMETRİ I Ders Notları
Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix B: Olasılık ve Dağılım Teorisi
DetaylıSIRADAN 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
DetaylıZAMAN SERİLERİ EKONOMETRİSİ I: DURAĞANLIK, BİRİM KÖKLER
ZAMAN SERİLERİ EKONOMETRİSİ I: DURAĞANLIK, BİRİM KÖKLER ZAMAN SERİLERİ VE TEMEL KAVRAMLAR Bir zaman serisi, bir değişkenin zaman içindeki hareketini gözlemler. Değişkenlere ilişkin değerler aylık, üç aylık,
DetaylıZAMAN SERİ ANALİZİNDE TEMEL KAVRAMLAR
ZAMAN SERİ ANALİZİNDE TEMEL KAVRAMLAR 1 KAVRAMLAR Öngörü: Gelecek olayları ya da koşulları tahmin etmeye öngörü denir. Karar verme sürecinde vazgeçilmez bir unsurdur. Nitel(kalitatif) Yöntemler: Öngörü
Detaylı1.58 arasındaki her bir değeri alabileceği için sürekli bir
7.SUNUM Hatırlanacağı gibi, kesikli rassal değişkenler sonlu (örneğin; 0, 1, 2,...,10) veya sayılabilir sonsuzlukta (örneğin; 0, 1, 2,...) değerler alabilmektedir. Fakat birçok uygulamada, rassal değişkenin
Detaylı27 Mart Ders Kitabı: Introductory Econometrics: A Modern Approach (4th ed.) J. Wooldridge. 1 Yıldız Teknik Üniversitesi
ZAMAN SERİLERİ VERİLERİYLE REGRESYON ANALİZİNDE EK KONULAR Hüseyin Taştan 1 1 Yıldız Teknik Üniversitesi İktisat Bölümü Ders Kitabı: Introductory Econometrics: A Modern Approach (4th ed.) J. Wooldridge
DetaylıRastgele Süreçler. Rastgele süreç konsepti (Ensemble) Örnek Fonksiyonlar. deney. Zaman (sürekli veya kesikli) Ensemble.
1 Rastgele Süreçler Olasılık taması Rastgele Deney Çıktı Örnek Uzay, S (s) Zamanın Fonksiy onu (t, s) Olayları Tanımla Rastgele süreç konsepti (Ensemble) deney (t,s 1 ) 1 t Örnek Fonksiyonlar (t,s ) t
DetaylıÖRNEKLEME DAĞILIŞLARI VE TAHMİNLEYİCİLERİN ÖZELLİKLERİ
ÖRNEKLEME DAĞILIŞLARI VE TAHMİNLEYİCİLERİN ÖZELLİKLERİ TEMEL KAVRAMLAR PARAMETRE: Populasyonun sayısal açıklayıcı bir ölçüsüdür ve anakütledeki tüm elemanlar dikkate alınarak hesaplanabilir. Ana kütledeki
DetaylıİÇİNDEKİLER. Ön Söz Saymanın Temel Kuralları Permütasyon (Sıralama) Kombinasyon (Gruplama) Binom Açılımı...
İÇİNDEKİLER Ön Söz... Saymanın Temel Kuralları... Permütasyon (Sıralama)... 8 Kombinasyon (Gruplama)... 6 Binom Açılımı... Olasılık... 9 İstatistik... 8... Dağılımlar... 5 Genel Tarama Sınavı... 6 RASTGELE
DetaylıEME Sistem Simülasyonu. Giriş. Olasılık Dağılımı. Rassal Degiskenler
EME 3105 1 Giriş Sistem Simülasyonu Önümüzdeki hafta simulasyon girdilerinin modellenmesinde kullanılan kesikli ve sürekli Simulasyonda İstatistiksel Modeller-I Ders 4 dağılımlar hatırlatılacaktır. Rassal
DetaylıISTATISTIK VE OLASILIK SINAVI EKİM 2016 WEB SORULARI
SORU- 1 : ISTATISTIK VE OLASILIK SINAVI EKİM 2016 WEB SORULARI X ve Y birbirinden bağımsız iki rasgele değişken olmak üzere, sırasıyla aşağıdaki moment çıkaran fonksiyonlarına sahiptir: 2 2 M () t = e,
DetaylıZaman Serileri Analizi. TFF Süper Lig 2018 Şampiyon Takımın Puan Tahmini İLYAS TUNÇ / SULTAN ŞENTEKİN. DANIŞMAN Yrd. Doç. Dr. Özge ELMASTAŞ GÜLTEKİN
2017 Zaman Serileri Analizi TFF Süper Lig 2018 Şampiyon Takımın Puan Tahmini İLYAS TUNÇ / SULTAN ŞENTEKİN DANIŞMAN Yrd. Doç. Dr. Özge ELMASTAŞ GÜLTEKİN Bornova 2017 İÇİNDEKİLER Özet 3 1) TFF Süper Lig
DetaylıRisk ve Getiri (1) Ders 9 Finansal Yönetim 15.414
Risk ve Getiri (1) Ders 9 Finansal Yönetim 15.414 Bugün Risk ve Getiri İstatistik Tekrarı Hisse senedi davranışlarına giriş Okuma Brealey ve Myers, Bölüm 7, sayfalar 153-165 Yol haritası 1. Bölüm: Değerleme
DetaylıNedensel Modeller Y X X X
Tahmin Yöntemleri Nedensel Modeller X 1, X 2,...,X n şeklinde tanımlanan n değişkenin Y ile ilgili olmakta; Y=f(X 1, X 2,...,X n ) şeklinde bir Y fonksiyonu tanımlanmaktadır. Fonksiyon genellikle aşağıdaki
Detaylı13. Olasılık Dağılımlar
13. Olasılık Dağılımlar Mühendislik alanında karşılaşılan fiziksel yada fiziksel olmayan rasgele değişken büyüklüklerin olasılık dağılımları için model alınabilecek çok sayıda sürekli ve kesikli fonksiyon
DetaylıKümülatif Dağılım Fonksiyonları. F X (x) = P (X x) = P X (x) = P (X x) = p X (x ) f X (x) = df X(x) dx
Kümülatif Dağılım Fonksiyonları Herhangi bir rastgele değişken için kümülatif dağılım fonksiyonu/cumulative distribution function (KDF/CDF) şu şekilde tanımlanır. F X (x) = P (X x) = x f X (x ) dx Sürekli
DetaylıZaman 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
DetaylıANADOLU ÜNİVERSİTESİ BEKLENEN DEĞER. X beklenen değeri B[X] ile gösterilir. B[X] = İST 213 OLASILIK DERSİ BEKLENEN DEĞER VE MOMENTLER
ANADOLU ÜNİVERSİTESİ İST 213 OLASILIK DERSİ BEKLENEN DEĞER VE MOMENTLER DOÇ. DR. NİHAL ERGİNEL 2015 X beklenen değeri B[X] ile gösterilir. B[X] = BEKLENEN DEĞER Belli bir malzeme taşınan kolilerin ağırlıkları
DetaylıZAMAN SERİSİ ANALİZİ. Ne ilginçtir ki, insanlar büyük ölçüde rassal olan şeylerde anlamlı örnekler bulmaya çalışır. Mr. Data Star Trek, 1992
ZAMAN SERİSİ ANALİZİ Ne ilginçtir ki, insanlar büyük ölçüde rassal olan şeylerde anlamlı örnekler bulmaya çalışır. Mr. Data Star Trek, 1992 Zaman Serisi Analizi İçin Temel Kavramlar Durağanlık ve Durağan
DetaylıSürelerine Göre Tahmin Tipleri
Girişimcilik Bölüm 5: Talep Tahmini scebi@ktu.edu.tr 5.1. Talep Tahmini Tahmin: Gelecek olayları önceden kestirme bilim ve sanatı. İstatistiksel Tahmin: Geçmiş verileri matematiksel modellerde kullanarak
DetaylıRİSK ANALİZİ VE AKTÜERYAL MODELLEME MAYIS 2015
RİSK ANALİZİ VE AKTÜERYAL MODELLEME MAYIS 2015 SORU 2: Motosiklet sigortası pazarlamak isteyen bir şirket, motosiklet kaza istatistiklerine bakarak, poliçe başına yılda ortalama 0,095 kaza olacağını tahmin
DetaylıZaman 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
DetaylıTürkiye deki İş Kazalarının Box-Jenkins Tekniği ile İncelenmesi. Doç. Dr. Arzu ALTIN YAVUZ Ar. Gör. Barış ERGÜL Ar. Gör. Ebru GÜNDOĞAN AŞIK
Türkiye deki İş Kazalarının Box-Jenkins Tekniği ile İncelenmesi Doç. Dr. Arzu ALTIN YAVUZ Ar. Gör. Barış ERGÜL Ar. Gör. Ebru GÜNDOĞAN AŞIK Sunu Planı Giriş Bu bölümde İş Sağlığı ve Güvenliği ile ilgili
Detaylı4. 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
DetaylıYatırım Analizi ve Portföy Yönetimi 6. Hafta
Yatırım Analizi ve Portföy Yönetimi 6. Hafta Dr. Mevlüt CAMGÖZ 1 Dr. Mevlüt CAMGÖZ İçerik Karakteristik Doğru ve Beta Katsayısı Karakteristik Doğrunun Tahmini Beta Katsayısının Hesaplanması Agresif ve
DetaylıSÜREKLİ ŞANS DEĞİŞKENLERİ. Üstel Dağılım Normal Dağılım
SÜREKLİ ŞANS DEĞİŞKENLERİ Üstel Dağılım Normal Dağılım 1 Üstel Dağılım Meydana gelen iki olay arasındaki geçen süre veya bir başka ifadeyle ilgilenilen olayın ilk defa ortaya çıkması için geçen sürenin
Detaylırasgele değişkeninin olasılık yoğunluk fonksiyonu,
3.6. Bazı Sürekli Dağılımlar 3.6.1 Normal Dağılım Normal dağılım hem uygulamalı hem de teorik istatistikte kullanılan oldukça önemli bir dağılımdır. Normal dağılımın istatistikte önemli bir yerinin olmasının
DetaylıT.C. İNÖNÜ ÜNİVERSİTESİ SOSYAL BİLİMLERİ ENSTİTÜSÜ
T.C. İNÖNÜ ÜNİVERSİTESİ SOSYAL BİLİMLERİ ENSTİTÜSÜ ASİMETRİK NEDENSELLİK TESTİ VE İHRACAT- EKONOMİK BÜYÜME İLİŞKİSİ ÜZERİNE BİR UYGULAMA YÜKSEK LİSANS TEZİ DANIŞMAN HAZIRLAYAN YRD.DOÇ.DR.FATMA ZEREN A.KÜBRA
DetaylıAvrasya Ekonomik Birliği Elektrik Piyasası Entegrasyonu Kapsamında Kırgızistan ın Enerji Tüketim Projeksiyonu
Avrasya Ekonomik Birliği Elektrik Piyasası Entegrasyonu Kapsamında Kırgızistan ın Enerji Tüketim Projeksiyonu Prof. Dr. Ahmet BurçinYERELİ Hacettepe Üniversitesi, İktisadi ve İdari Bilimler Fakültesi,
DetaylıMAKROEKONOMİK GÖSTERGELERİN HİSSE SENEDİ PİYASASI ÜZERİNDEKİ ETKİLERİ OYA CAN MUTAN İSTATİSTİKÇİ EKREM ÇANAKÇI BAŞUZMAN
ARAŞTIRMA RAPORU (KAMUYA AÇIK) MAKROEKONOMİK GÖSTERGELERİN HİSSE SENEDİ PİYASASI ÜZERİNDEKİ ETKİLERİ OYA CAN MUTAN İSTATİSTİKÇİ EKREM ÇANAKÇI BAŞUZMAN ARAŞTIRMA DAİRESİ 30.07.007 OCM/1 EÇ/1 YÖNETİCİ ÖZETİ
DetaylıALIŞTIRMALAR. Sayısal Bilginin Özetlenmesi:
İSTATİSTİK I ALIŞTIRMALAR Y.Doç.Dr. Hüseyin Taştan AÇIKLAMA: N: P. Newbold, İşletme ve İktisat için İstatistik, 4. basımdan çeviri. Çift sayılı alıştırmalar için kitabın arkasındaki çözümlere bakabilirsiniz.
DetaylıMIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009
MIT OpenCourseWare http://ocw.mit.edu 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 Bu materyale atıfta bulunmak ve kullanım koşulları için http://ocw.mit.edu/terms sayfasını ziyaret ediniz.
DetaylıGediz Havzası Yağışlarının Stokastik Modellemesi
Ege Üniv. Ziraat. Fak. Derg.,, ():- ISSN - Gediz Havzası Yağışlarının Stokastik Modellemesi Kıvanç TOPÇUOĞLU Gülay PAMUK Mustafa ÖZGÜREL Summary Stochastic Modelling of Gediz Basin s Precipitation In this
Detaylı009 BS 400- İstatistik sonılannın cevaplanmasında gerekli olabilecek tablolar ve formüller bu kitapçığın sonunda verilmiştir. 1. şağıdakilerden hangisi doğal birimdir? l TV alıcısı Bl Trafik kazası CL
DetaylıMIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009
MIT OpenCourseWare http://ocw.mit.edu 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 Bu materyale atıfta bulunmak ve kullanım koşulları için http://ocw.mit.edu/terms sayfasını ziyaret ediniz.
DetaylıGAZİ ÜNİVERSİTESİ, İ.İ.B.F, İSTATİSTİK VE OLASILIĞA GİRİŞ I, UYGULAMA SORULARI. Prof. Dr. Nezir KÖSE
GAZİ ÜNİVERSİTESİ, İ.İ.B.F, İSTATİSTİK VE OLASILIĞA GİRİŞ I, UYGULAMA SORULARI Prof. Dr. Nezir KÖSE 30.12.2013 S-1) Ankara ilinde satın alınan televizyonların %40 ı A-firması tarafından üretilmektedir.
DetaylıZaman Serileri Ekonometrisine Giriş
Bölüm 9 Zaman Serileri Ekonometrisine Giriş 9.1 Bazı Temel Kavramlar Önceki bölümlerde zaman serilerine dayanan bağlanım modellerinde verilerin durağan (stationary) olmasının önemli olduğunu söylemiştik.
DetaylıİSTATİSTİKSEL DARALTICI (SHRINKAGE) MODEL VE UYGULAMALARI * A Statistical Shrinkage Model And Its Applications*
Ç.Ü. Fen Bilimleri Enstitüsü Yıl:010 Cilt:-1 İSTATİSTİKSEL DARALTICI (SHRINKAGE) MODEL VE UYGULAMALARI * A Statistical Shrinkage Model And Its Applications* Işıl FİDANOĞLU İstatistik Anabilim Dalı Fikri
DetaylıARALIK TAHMİNİ (INTERVAL ESTIMATION):
YTÜ-İktisat İstatistik II Aralık Tahmini I 1 ARALIK TAHMİNİ INTERVAL ESTIMATION): Nokta tahmininde ilgilenilen anakütle parametresine ilişkin örneklem bilgisinden hareketle tek bir sayı üretilir. Bir nokta
DetaylıÖrnek. Aşağıdaki veri setlerindeki X ve Y veri çiftlerini kullanarak herbir durumda X=1,5 için Y nin hangi değerleri alacağını hesaplayınız.
Örnek Aşağıdaki veri setlerindeki X ve Y veri çiftlerini kullanarak herbir durumda X=1,5 için Y nin hangi değerleri alacağını hesaplayınız. i. ii. X 1 2 3 4 1 2 3 4 Y 2 3 4 5 4 3 2 1 Örnek Aşağıdaki veri
DetaylıBASİT 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
DetaylıSİSTEM SİMULASYONU FİNAL ÇALIŞMA SORULARI-I
SİSTEM SİMULASYONU FİNAL ÇALIŞMA SORULARI-I Soru 1) Rassal Sayı üretme yöntemlerinden Doğrusal Eşlik Üretecinin parametrelerinin a=13, m=40 ve c=1; başlangıç değeri x 0 =3 olsun. Verilen başlangıç değerini
DetaylıRASGELE SÜREÇLER İ.Ü. ELEKTRİK ELEKTRONİK MÜHENDİSLİĞİ İLETİŞİM LABORATUVARI ARALIK, 2007
RASGELE SÜREÇLER İ.Ü. ELEKTRİK ELEKTRONİK MÜHENDİSLİĞİ İLETİŞİM LABORATUVARI ARALIK, 007 1 Tekdüze Dağılım Bir X rasgele değişkenin, a ve b arasında tekdüze dağılımlı olabilmesi için olasılık yoğunluk
DetaylıDers 9: Kitle Ortalaması ve Varyansı için Tahmin
Ders 9: Kitle Ortalaması ve Varyansı için Tahmin Kitle ve Örneklem Örneklem Dağılımı Nokta Tahmini Tahmin Edicilerin Özellikleri Kitle ortalaması için Aralık Tahmini Kitle Standart Sapması için Aralık
DetaylıAppendix C: İstatistiksel Çıkarsama
Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Notları Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix C: İstatistiksel Çıkarsama
DetaylıYatırım Analizi ve Portföy Yönetimi 5. Hafta
Yatırım Analizi ve Portföy Yönetimi 5. Hafta Dr. Mevlüt CAMGÖZ 1 Dr. Mevlüt Camgöz İçerik Tek Endeks / Pazar Modeli Sistematik Risk Sistematik Olmayan Risk Sermaye Varlıklarını Fiyatlandırma Modeli (SVFM)
DetaylıYTÜ İktisat Bölümü EKONOMETRİ I Ders Notları
Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix C: İstatistiksel Çıkarsama Doç.
DetaylıMIT OpenCourseWare http://ocw.mit.edu. 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009
MIT OpenCourseWare http://ocw.mit.edu 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 Bu materyale atıfta bulunmak ve kullanım koşulları için http://ocw.mit.edu/terms sayfasını ziyaret ediniz.
DetaylıŞİRKET OLAĞAN GENEL KURUL TOPLANTILARININ HİSSE SENETLERİ OYNAKLIĞI ÜZERİNE ETKİSİ
T.C. DOKUZ EYLÜL ÜNİVERSİTESİ SOSYAL BİLİMLER ENSTİTÜSÜ İKTİSAT ANABİLİM DALI PARA VE BANKA PROGRAMI YÜKSEK LİSANS TEZİ ŞİRKET OLAĞAN GENEL KURUL TOPLANTILARININ HİSSE SENETLERİ OYNAKLIĞI ÜZERİNE ETKİSİ
DetaylıHerhangi bir rastgele değişken için kümülatif dağılım fonksiyonu/cumulative distribution function (KDF/CDF) şu şekilde tanımlanır.
Kümülatif Dağılım Fonksiyonları Herhangi bir rastgele değişken için kümülatif dağılım fonksiyonu/cumulative distribution function (KDF/CDF) şu şekilde tanımlanır. F X (x) = P (X x) = x f X(x ) dx Sürekli
DetaylıBMÜ-421 Benzetim ve Modelleme Kesikli Olay Benzetimi. İlhan AYDIN
BMÜ-421 Benzetim ve Modelleme Kesikli Olay Benzetimi İlhan AYDIN KESİKLİ-OLAY BENZETİMİ Kesikli olay benzetimi, durum değişkenlerinin zaman içinde belirli noktalarda değiştiği sistemlerin modellenmesi
DetaylıÖNGÖRÜ TEKNĐKLERĐ ÖDEV 5 (KEY)
ÖNGÖRÜ TEKNĐKLERĐ ÖDEV (KEY) Aşağıda verilen Y zaman sersisi bir ürünle ilgili satışları,aylar itibariyle, gösteren bir seridir. a) Bu serinin garfiğini çizip serinin taşıdığı desenleri (Trend, mevsimsellik
Detaylıİstatistik, genel olarak, rassal bir olayı (ya da deneyi) matematiksel olarak modellemek ve bu model yardımıyla, anakütlenin bilinmeyen karakteristik
6.SUNUM İstatistik, genel olarak, rassal bir olayı (ya da deneyi) matematiksel olarak modellemek ve bu model yardımıyla, anakütlenin bilinmeyen karakteristik özellikleri (ortalama, varyans v.b. gibi) hakkında
DetaylıOtomatik Kontrol. Kapalı Çevrim Kontrol Sistemin Genel Gereklilikleri. Hazırlayan: Dr. Nurdan Bilgin
Otomatik Kontrol Kapalı Çevrim Kontrol Sistemin Genel Gereklilikleri Hazırlayan: Dr. Nurdan Bilgin Kapalı Çevrim Kontrol Kapalı Çevrim Kontrol Sistemin Genel Gereklilikleri Tüm uygulamalar için aşağıdaki
DetaylıÇOKLU REGRESYON ANALİZİNDE VARSAYIMLARDAN SAPMALARIN İNCELENMESİ
ÇOKLU REGRESYON ANALİZİNDE VARSAYIMLARDAN SAPMALARIN İNCELENMESİ 1. ÇOKLU REGRESYON ANALİZİ VE VARSAYIMALARDAN SAPMALAR 1.1. Çoklu Regresyon modeli Varsayımları 1.2. Tahmincilerin anlamlılığının sınanması
DetaylıKi- Kare Testi ANADOLU ÜNİVERSİTESİ. ENM 317 MÜHENDİSLİK İSTATİSTİĞİ İYİ UYUM TESTİ Prof.Dr. Nihal ERGİNEL
ANADOLU ÜNİVERSİTESİ ENM 317 MÜHENDİSLİK İSTATİSTİĞİ İYİ UYUM TESTİ Prof.Dr. Nihal ERGİNEL İYİ UYUM TESTİ Rassal değişkenin olasılık yoğunluk fonksiyonunun ve parametresinin bilinmediği, ancak belirli
Detaylı1203608-SIMÜLASYON DERS SORUMLUSU: DOÇ. DR. SAADETTIN ERHAN KESEN. Ders No:5 Rassal Değişken Üretimi
1203608-SIMÜLASYON DERS SORUMLUSU: DOÇ. DR. SAADETTIN ERHAN KESEN Ders No:5 RASSAL DEĞIŞKEN ÜRETIMI Bu bölümde oldukça yaygın bir biçimde kullanılan sürekli ve kesikli dağılımlardan örneklem alma prosedürleri
DetaylıZaman Serileri Verileriyle Regresyon Analizinde Ek Konular. Durağan (Stationary) ve Durağan Olmayan (Nonstationary) Zaman Serileri
1 ZAMAN SERİLERİ VERİLERİYLE REGRESYON ANALİZİNDE EK KONULAR Hüseyin Taştan 1 1 Yıldız Teknik Üniversitesi İktisat Bölümü Ders Kitabı: Introductory Econometrics: A Modern Approach (4th ed.) J. Wooldridge
DetaylıTesadüfi Değişken. w ( )
1 Tesadüfi Değişken Tesadüfi değişkenler gibi büyük harflerle veya gibi yunan harfleri ile bunların aldığı değerler de gibi küçük harflerle gösterilir. Tesadüfi değişkenler kesikli veya sürekli olmak üzere
DetaylıKantitatif Tahmin Yöntemleri. Yrd.Doç.Dr. S.Kerem AYTULUN
Kantitatif Tahmin Yöntemleri Yrd.Doç.Dr. S.Kerem AYTULUN Tahmin Nedir? Günlük hayatta bilinçli veya bilinçsiz birçok tahminde bulunuruz. Hava durumu, trafik, sınav soruları, kişisel ilişkiler... Peki Firmalar???
DetaylıIE 303T Sistem Benzetimi
IE 303T Sistem Benzetimi 1 L E C T U R E 5 : O L A S I L I K T E K R A R 2 Review of the Last Lecture Random Variables Beklenen Değer ve Varyans Moment Kesikli Dağılımlar Bernoulli Dağılımı Binom Dağılımı
DetaylıTürkiye de Tavuk Yumurtası Mevcut Durumu ve Üretim Öngörüsü
Türkiye de Tavuk Yumurtası Mevcut Durumu ve Üretim Öngörüsü Zehra ÇİÇEKGİL Ebru YAZICI Öz Tavuk yumurtası insan beslenmesi açısından değerli bir gıda maddesidir. Türkiye de yumurta sektörü, son yıllarda
DetaylıMIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009
MIT OpenCourseWare http://ocw.mit.edu 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 Bu materyale atıfta bulunmak ve kullanım koşulları için http://ocw.mit.edu/terms sayfasını ziyaret ediniz.
DetaylıMIT OpenCourseWare http://ocw.mit.edu. 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009
MIT OpenCourseWare http://ocw.mit.edu 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 Bu materyale atıfta bulunmak ve kullanım koşulları için http://ocw.mit.edu/terms sayfasını ziyaret ediniz.
DetaylıİÇİNDEKİLER ÖN SÖZ...
İÇİNDEKİLER ÖN SÖZ... v GİRİŞ... 1 1. İSTATİSTİK İN TARİHÇESİ... 1 2. İSTATİSTİK NEDİR?... 3 3. SAYISAL BİLGİDEN ANLAM ÇIKARILMASI... 4 4. BELİRSİZLİĞİN ELE ALINMASI... 4 5. ÖRNEKLEME... 5 6. İLİŞKİLERİN
DetaylıANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ TÜRKİYE DE YATIRIM ARAÇLARININ GETİRİLERİNİN MODELLENMESİ ÜZERİNE UYGULAMA ÇALIŞMASI
ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ TÜRKİYE DE YATIRIM ARAÇLARININ GETİRİLERİNİN MODELLENMESİ ÜZERİNE UYGULAMA ÇALIŞMASI Sezin CANBULAT İSTATİSTİK ANABİLİM DALI ANKARA 2009 Her
Detaylı2. BASİT DOĞRUSAL REGRESYON 12
1. GİRİŞ 1 1.1 Regresyon ve Model Kurma / 1 1.2 Veri Toplama / 5 1.3 Regresyonun Kullanım Alanları / 9 1.4 Bilgisayarın Rolü / 10 2. BASİT DOĞRUSAL REGRESYON 12 2.1 Basit Doğrusal Regresyon Modeli / 12
DetaylıMIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009
MIT OpenCourseWare http://ocw.mit.edu 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 Bu materyale atıfta bulunmak ve kullanım koşulları için http://ocw.mit.edu/terms sayfasını ziyaret ediniz.
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık KORELASYON ve REGRESYON ANALİZİ Doç. Dr. İrfan KAYMAZ Tanım Bir değişkenin değerinin diğer değişkendeki veya değişkenlerdeki değişimlere bağlı olarak nasıl etkilendiğinin istatistiksel
Detaylı2016 YILI AKTÜERLİK SINAVLARI: İSTATİSTİK OLASILIK
Soru 1 X rassal değişkeninin olasılık yoğunluk fonksiyonu x x, x> f ( x) = 0, dy. 1 werilmiş ve Y = rassal değişkeni tanımlamış ise, Y değişkenin 0< 1 X 1 y için olasılık yoğunluk fonksiyonu aşağıdaki
DetaylıWEIBULL DAĞILIMI WEIBULL DAĞILIMI ANADOLU ÜNİVERSİTESİ
ANADOLU ÜNİVERSİTESİ İST 213 OLASILIK DERSİ SÜREKLİ DAĞILIMLAR-2 DOÇ. DR. NİHAL ERGİNEL 2015 WEIBULL DAĞILIMI Weibull dağılımı, pek çok farklı sistemlerin bozulana kadar geçen süreleri ile ilgilenir. Dağılımın
DetaylıBÖLÜM EN KÜÇÜK KARELER REGRESYONUNDA KARŞILAŞILAN PROBLEMLER
BÖLÜM 10 10. EN KÜÇÜK KARELER REGRESYONUNDA KARŞILAŞILAN PROBLEMLER En küçük kareler yöntemi, hataların eklenebilir, sabit varyansa sahip ve birbirinden bağımsız normal dağılış gösteren şans değişkenleri
DetaylıSeçilmiş Haftalık Veriler* 10 Haziran 2016
Seçilmiş Haftalık Veriler* 1 Haziran 216 Sermaye Piyasaları ve Makro Ekonomik Araştırmalar *BDDK ve TCMB nin 3 Haziran 216 haftasına ait haftalık istatistiklerinden derlenmiştir. Jun-9 Nov-9 Apr-1 Sep-1
Detaylı