Bağımlı Kukla Değişkenler

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "Bağımlı Kukla Değişkenler"

Transkript

1 Bağımlı Kukla Dğşknlr Bağımlı dğşkn özünd k dğr alablyorsa yan br özllğn varlığı ya da yokluğu söz konusu s bu durumda bağımlı kukla dğşknlr söz konusudur. Bu durumdak modllr tahmn tmk çn dört yaklaşım vardır: -Doğrusal Olasılık Modl -Logt Modl -Probt Modl -Tobt Modl Doğrusal Olasılık Modl Bast doğrusal olasılıklı modl şöyldr: b + b +u () Eğr. Bry stnn özllğ sahps(k durumlu bağımlıdğşkn) 0 Dğr Durumlarda Bağımsız dğşkn Modl, k durumlu bağımlı dğşknn n doğrusal fonksyonu olarak göstrr. Buna doğrusal olasılık modl dnr. Bu modl olasılıklı modl dnmsnn ndn nn çn şartlı bklnn dğrnn, nn çn şartlı olasılığına şt olmasıdır E( )Pr( ) b + b ()

2 Doğrusal Olasılık Modl Olasılık 0 l arasında olduğundan aşağıdak sınırlama dama gçrldr: 0 E( ) E( )Pr( ) b + b () nolu dnklm şöyl spatlanır: Blndğ gb: E( ) b + b E(u ) 0 Ayrıca Doğrusal Olasılık Modl Olasılık 0 -P P Toplam Bklnn dğr tanımına gör E( ) Σ P 0.(-P ) +.(P ) P E( ) b + b P

3 DOM Tahmnndk Sorunlar u hata trmnn normal dağılmayışı(bnom dağılımlıdır) Normallk varsayımının sağlanmaması durumunda tahmn dclr sapmasızlıklarını korurlar. Nokta tahmnd normallk varsayımı gözardı dlr. Örnk hacm sonsuza gdrkn EKK tahmnclr çoğunlukla normal dağılıma uyarlar DOM l yapılan statstksl çıkarsamalar normallk varsayımı altındak EKK sürcn uyarlar. u -b -b (3) 0 çn u -b -b çn u -b -b DOM Tahmnndk Sorunlar u hata trmnn dğşn varyanslı olması: u İhtmalP(u ) 0 -b -b (-P ) -b -b P Var(u ) ( b b ) ( P) + ( b b ) (P) Var(u) (b + b)( b b) Var(u ) E( )[ E( )] P ( P ) u ların varyansı farklıdır. u nun varyansı nn çn şartlı olasılığına bağlıdır. u nun varyansı n dğrn bağlıdır v şt dğldr.

4 DOM Tahmnndk Sorunlar 0 E( ) varsayımının yrn glmyş: tahmnlrn 0 dan küçük ya da dn büyük çıkması durumunda vr st az s 0 dan küçük dğrlr 0, dn büyük dğrlr dğr vrlr. Eğr vr st büyük s gözlmlr çıkartılablr. Blrllk katsayısının güvnl olmaması: Blrllk katsayısı düşük çıktığından modl sçmnd blrllk katsayısı dkkat alınmaz. Doğrusal Olasılık Modl D b + b M +b 3 S +u D Eğr. Kadının br ş varsa ya da ş arıyorsa 0 Dğr Durumlarda M Eğr. Kadın vlys v dğr durumlarda 0 S.kadının yıl olarak aldığı ğtm

5 D M S D M S Kadının İşgücün Katılımı Modl: D.Kadının br ş varsa ya da ş arıyorsa 0 Dğr Durumlarda M. Kadın vlys 0 dğr durumlarda S.kadının yıl olarak aldığı ğtm Kadının İşgücün Katılımı Modl D b + b M +b 3 S +u Dpndnt Varabl: DI Includd obsrvatons: 30 Varabl Coffcnt Std. Error t-statstc Prob. C MI SI R-squard Man dpndnt var Adjustd R-squard S.D. dpndnt var S.E. of rgrsson Akak nfo crtron Sum squard rsd Schwarz crtron.9979 Log lklhood F-statstc Durbn-Watson stat Prob(F-statstc)

6 Wht Htroskdastcty Tst: F-statstc Probablty Obs*R-squard Probablty Dpndnt Varabl: RESID^ Includd obsrvatons: 30 Varabl Coffcnt Std. Error t-statstc Prob. C MI MI*SI SI SI^ R-squard Man dpndnt var Adjustd R-squard S.D. dpndnt var S.E. of rgrsson Akak nfo crtron Sum squard rsd Schwarz crtron Log lklhood F-statstc Durbn-Watson stat Prob(F-statstc) DOM d Farklı Varyansı Önlm u hata trmnn dğşn varyanslı olması: Var(u ) P (-P ) b b u + + v v v v v E( )[ E( )] P ( P ) Ancak burada anakütl dğrlr E( ) P blnmdğndn, örnk tahmn v ( ˆ ) ˆ Ŷ ld dlr. lr hsaplanarak

7 DOM d Farklı Varyansı Önlm D v b v + b M v + b S v + u v 3 Dpndnt Varabl: D/ v Includd obsrvatons: 30 Varabl Coffcnt Std. Error t-statstc Prob. / v M/ v S/ v R-squard Man dpndnt var Adjustd R-squard S.D. dpndnt var.5466 S.E. of rgrsson Akak nfo crtron Sum squard rsd Schwarz crtron Log lklhood F-statstc Durbn-Watson stat Prob(F-statstc) UGULAMA:Cp tlfonunun kullanılıp kullanılmamasını fad dn bağımlı kukla dğşkn 50 kşy yapılan ankt sonuncunda yaş v aylık ortalama glr l açıklanmıştır.(, cp tlfonuna sahp s, 0 cp tlfonuna sahp dğls) Kş (Glr) Z(aş) Kş (Glr) Z(aş)

8 Dpndnt Varabl: Mthod: Last Squars Includd obsrvatons: 50 Varabl Coffcnt Std. Error t-statstc Prob. C Z R-squard Man dpndntvar Adjustd R-squard S.D. dpndnt var S.E. of rgrsson Akak nfo crtron.653 Sum squard rsd Schwarz crtron.373 Log lklhood F-statstc Durbn-Watson stat Prob(F-statstc) Wht Htroskdastcty Tst: F-statstc Probablty Obs*R-squard Probablty Dpndnt Varabl: RESID^ Includd obsrvatons: 50 Varabl Coffcnt Std. Error t-statstc Prob. C ^.63E E *Z E Z Z^ R-squard Man dpndnt var Adjustd R-squard 0.75 S.D. dpndnt var 0.5 S.E. of rgrsson Akak nfo crtron Sum squard rsd Schwarz crtron Log lklhood F-statstc Durbn-Watson stat.375 Prob(F-statstc)

9 Kş Kş Kş Kş Dpndnt Varabl: / v Mthod: Last Squars Includd obsrvatons: 50 Varabl Coffcnt Std. Error t-statstc Prob. / v / v Z/ v R-squard Man dpndnt var Adjustd R-squard S.D. dpndnt var S.E. of rgrsson Akak nfo crtron Sum squard rsd Schwarz crtron Log lklhood F-statstc Durbn-Watson stat Prob(F-statstc)

10 DOM Altrnatf Modl Arama DOM l lgl sayılan sorunların hps br şkld aşılablr Ancak, DOM P E( ) olasılığının l doğrusal olarak arttığını varsayar. an dk marjnal vya küçük br artış hp sabttr. Grçk hayatta s bu bklnn br durum dğldr. DOM l lgl sorunlar şu k özllk saysnd aşılablr:. arttıkça P E( ) d artar ancak 0 l aralığının dışına çıkmaması stnr,.p l arasındak lşknn doğrusal olmaması stnr. DOM Altrnatf Modl Arama ukarıdak özllğ taşıyan modln şkl aşağıda vrlmştr: P KDF ukarıdak ğr kümülatf dağılım fonksyonuna bnzmktdr. Bu fonksyon bağımlı kukla dğşknl rgrsyon modllrnd kullanılablr.

11 Logstk Dağılım Fonksyonu Logt Modl PE( ) (b b ) Z Z b + b z z + -P z z z z P + z. z -P + z Bahs ya da olablrlk oranı Logt Modl P L ln Z b+ b Kümülatf logstk fonksyon P L fark oranı logartması olup hm hm d b paramtrlrn gör doğrusaldır. Z, - l + arasında dğrlr alırkn P nn aldığı dğrlr s 0 l arasında dğşmktdr. Z l P arasındak lşk doğrusal dğldr. Logstk modld b katsayısı, dk br brmlk artışın L d(yan v sahb olma lhn fark oranında ) yapacağı artışı göstrr.

12 Logt Modln Özllklr. P, 0 dan kadar dğr aldığında, Logtt - l + arasında dğr alır. P P ln ln ln + P 0 P 0 0 P 0 ln ln ln P 0 -. Logt, gör doğrusal kn olasılıklara gör dğldr. 3. Logt modln b katsayısı şu şkld yorumlanır: Bağımsız dğşkndk br brmlk dğşm karşısında Logttk dğşmy göstrr. 4. Logt modl tahmn dldktn sonra, bağımsız dğşknnn blrl br dğr çn logtn grçklşm olasılığı hsaplanablr. Logt Modln EKK İl Tahmn.Adım: P n N olasılıkları hsaplanır..adım: L ln(p P) fark oranı logartmaları hsaplanır. L ln[n (N n )] 3.Adım: L b+ b + u orjnal lojstk modl tahmnlnr. Farklı varyans durumu söz konusu s; orjnal lojstk modln hr k tarafı da l çarpılarak dönüşümlü lojstk modl ld dlr. v L b+ b + u v N P( P)

13 Logt Modln EKK İl Tahmn Farklı varyans durumu söz konusu s; orjnal lojstk modln hr k tarafı da l çarpılarak dönüşümlü lojstk modl ld dlr. v vl b v + b v + vu L b v + b + w Dönüşümlü vya Tartılı * * v NP( P) w u v EKK Lojstk Modl Logstk Modl Uygulaması 300 aldn oluşan küçük br kasabada allrn, yıllık glrlr ( ) v v sahb olanların sayısı (n ) aşağıdak tabloda göstrlmştr. Mlyon TL) Al Sayısı N Ev Sahb Olan Al Sayısın Nsp Frkanslar P n /N ΣN 300 Σn 40

14 Logstk Modl Uygulaması N n P 43/ P P /- P 64/ L 7ln(6) Logstk Modl Uygulaması Dpndnt Varabl: L Mthod: Last Squars Includd obsrvatons: 0 Varabl Coffcnt Std. Error t-statstc Prob. C R-squard Man dpndnt var Adjustd R-squard S.D. dpndnt var S.E. of rgrsson Akak nfo crtron Sum squard rsd Schwarz crtron Log lklhood F-statstc Durbn-Watson stat.5865 Prob(F-statstc)

15 vn.p.(-p) Logstk Modl Uygulaması v L* * Logstk Modl Uygulaması L * v *, s 0.84 s(b ): (0.35) ( ), R 0.80 t (-5.967) (6.044), d.649, F Glr br brm arttığında v sahb olma lhn fark oranının logartması artmaktadır. Bu fark oranından harktl bll br glr düzynd v sahb olma olasılığı bulunablr: 40 s L* (.903) (6.43) antlog(-0.088))0.90 (P/-P)0.90 s P0.4743

16 40 brm glrl br alnn v sahb olma olasılığı %47.43 dür. Logstk br modld bll br glr düzynd, glrdk br brm artışın v sahb olma olasılığını n ölçüd arttıracağı tahmn dlblr: b (-P)P formülündn 40 kn glr br brm daha arttığında v sahb olma olasılığı ( )( ) F(z) 0 Z FADA İNDEKSİ Probt Modl ( Zμz) / I b + b P R O B İ T (NORMAL) MODEL I * I fads faydanın bll br şk dğrndn sonra söz konusu olablcğn göstrr. Normal dağılım varsayımıyla I * ıni dn küçük vya şt olma htmal şu standartlaştırılmış normal KDF l hsaplanablr: P Pr()Pr(I * I )F(I ) I t / dt b + b t / dt

17 Probt Modl P F(I ) P 0 - I b + b + P F(I ) I vrlmşkn, ordnatta P htmal bulunur P P vrlmşkn, absst I bulunur. 0 - I F - (P ) + Probt Modln Tahmn Aşamaları. P n /N hsaplanır.. I F - (P ) normal şdğr sapma bulunur. 3. I b + b + u EKK l tahmn dlr. 4. İstnrs, I yrn, (I + 5)probt dğrlr alınarak, EKK l (3.9) tahmn dlr. 5. modlnn hata trm u farklı varyanslıdır. Bu sbptn dönüşümlü dğrlr alınarak TEKK uygulanablr: u P( P) Nf f F - (P ) fadsn şt standart normal yoğunluk fonksyonudur. 6. Büyük örnklr çn b 'lrn güvn aralıkları v hpotz tstlr uygulanarak, anakütld durumun gçrllğ araştırılablr. 7. Blrllk katsayısı R, modln fonksyonl bçmnn y sçlp sçlmdğ konusunda bz fkr vrmz.

18 Probt Modl Uygulaması P I F - (P ) ProbtlrZ (I +5) Probt Modl Uygulaması I , r r s(b ) (0.008) s 0. d.59 t (7.094) Z , r 0.86 r s(b ) (0.008) s 0. d.5637 t (7.07)

19 Probt Modl Uygulaması I , r r çn I -0.6 v P çn I -0.6 v P 0.39 Wooldrdg Exampl 7. nlf kdslt6 kdsg6 ag duc xpr nwfnc xprsq Obs: 753. nlf şgücün katılıyorsa. kdslt6 6 < yaşında küçük çocuk sayısı 3. kdsg6 6-8 yaşları arasındak çocuk sayısı 4. ag kadının yaşı 5. duc ğtm yılı 6. xpr dnym 7. nwfnc (alglr ücrt*saat)/ xprsq dnymkar

20 Wooldrdg Exampl 7.-DOM Dpndnt Varabl: INLF Mthod: Last Squars Includd obsrvatons: 753 Varabl Coffcnt Std. Error t-statstc Prob. NWIFEINC EDUC EPER EPERSQ AGE KIDSLT KIDSGE C R-squard Man dpndnt var Adjustd R-squard S.D. dpndnt var S.E. of rgrsson Akak nfo crtron.474 Sum squard rsd Schwarz crtron.965 Log lklhood F-statstc Durbn-Watson stat Prob(F-statstc) Wooldrdg Exampl 7.-LOGİT Dpndnt Varabl: INLF Mthod: ML - Bnary Logt Includd obsrvatons: 753 Varabl Coffcnt Std. Error z-statstc Prob. NWIFEINC EDUC EPER EPERSQ AGE KIDSLT KIDSGE C Man dpndnt var S.D. dpndnt var S.E. of rgrsson Akak nfo crtron Sum squard rsd Schwarz crtron.3748 Log lklhood Hannan-Qunn crtr Rstr. log lklhood Avg. log lklhood LR statstc (7 df) 6.6 McFaddn R-squard Probablty(LR stat) Obs wth Dp0 35 Total obs 753 Obs wth Dp 48

21 Wooldrdg Exampl 7.-PROBİT Dpndnt Varabl: INLF Mthod: ML - Bnary Probt Includd obsrvatons: 753 Varabl Coffcnt Std. Error z-statstc Prob. NWIFEINC EDUC EPER EPERSQ AGE KIDSLT KIDSGE C Man dpndnt var S.D. dpndnt var S.E. of rgrsson Akak nfo crtron.0874 Sum squard rsd Schwarz crtron.365 Log lklhood Hannan-Qunn crtr Rstr. log lklhood Avg. log lklhood LR statstc (7 df) 7.40 McFaddn R-squard Probablty(LR stat) Obs wth Dp0 35 Total obs 753 Obs wth Dp 48 Rgrsyon Katsayılarının En Çok Olablrlk Tahmnlr EKK dışında n çok kullanılan altrnatf br yöntm En Çok Olablrlk öntm dr. Büyük örnklrd hr k yöntmd yakın sonuçlar vrmktdr. Küçük örnklrd s En Çok Olablrlk öntmnd s sapmalıdır. Oysa EKK d s sapmasızdır.

22 9 lrn olasılık yoğunluk fonksyonları. + + ) ( f Rgrsyon Katsayılarının En Çok Olablrlk Tahmnlr 0 Ortak yoğunluk fonksyonları hr br yoğunluk fonksyonunun çarpımına şttr. ) ( f... ) (... ) ( n n n f f Rgrsyon Katsayılarının En Çok Olablrlk Tahmnlr

23 Olablrlk fonksyonunu, v ya gö kısm türvlrn alarak n çok olablrlk tahmnlrn ld dblrz., ) ( f... ) (... ) ( n n n f f ( )...,...,,, n n n L Rgrsyon Katsayılarının En Çok Olablrlk Tahmnlr ) ( f... ) (... ) ( n n n f f ( )...,...,,, n n n L n n... ln ln L Rgrsyon Katsayılarının En Çok Olablrlk Tahmnlr

24 n n... ln ln L ln n ln n L ln ( ) ( ) 0 * ln L + n ( ) ( ) 0 * ln L + Rgrsyon Katsayılarının En Çok Olablrlk Tahmnlr ( ) 4 ** n ln L ( ) 0 n ln L 3 + ( ) n Rgrsyon Katsayılarının En Çok Olablrlk Tahmnlr

25 Örnk Kadının İşgücün Katılımı Modl: D.Kadının br ş varsa ya da ş arıyorsa 0 Dğr Durumlarda M. Kadın vlys 0 dğr durumlarda S.kadının yıl olarak aldığı ğtm A. Kadının aşı Logt Modl Tahmnlr Dpndnt Varabl: DI Mthod: ML - Bnary Logt Includd obsrvatons: 30 Convrgnc achvd aftr 5 tratons Covaranc matrx computd usng scond drvatvs Varabl Coffcnt Std. Error z-statstc Prob. C MI SI Man dpndnt var S.D. dpndnt var S.E. of rgrsson Akak nfo crtron.0858 Sum squard rsd Schwarz crtron.548 Log lklhood Hannan-Qunn crtr Rstr. log lklhood Avg. log lklhood LR statstc ( df) McFaddn R-squard Probablty(LR stat) Obs wth Dp0 Total obs 30 Obs wth Dp 8

26 UGULAMA: Kasımpatı yaprak btklrn öldürn br laçtan Lt suya konan dozlar (, Mlgram), yaklaşık 50cl. lk bt grupları(n ) üzrn sıkılmış v öln bt sayısı (n ) aşağıdak gb tsbt dlmştr: Doz(Ltr başına mg) Gruplardak yaprak bt sayısı (N ) Öln (n ) L Bu vrlrl lgl Logt tahmn modl aşağıdak gbdr: Dpndnt Varabl: LI Mthod: Last Squars Includd obsrvatons: 5 Varabl Coffcnt Std. Error t-statstc Prob. C br laçtan Lt suya konan dozlar (, Mlgram), 50cl. lk bt grupları(n) öln bt sayısı (n)

27 a) Katsayı tahmnlrn yorumlayınız b) 7.7 mlgram doz svysnd ölüm htmal P y hsaplayınız. P L ln( ) P P L ln( ) (7.7).9 P P ln( ).95 P P P.83 P UGULAMA: Aşağıda br okulun ğtm l lgl vrlr kullanarak Probt dnklmn çıkartınız. GRADE: n br tknğn uygulanması sonucu öğrnclrn ld ttğ başarı PSI: n Öğrtm öntm GPA: Çocuğun Ortalama Drcs TUCE: Sınav Öncs Konu l lgl Blg SKoru

28 Dpndnt Varabl: GRADE Mthod: ML - Bnary Probt Includd obsrvatons: 3 Convrgnc achvd aftr 5 tratons Varabl Coffcnt Std. Error z-statstc Prob. C GPA PSI TUCE GRADE: n br tknğn uygulanması sonucu öğrnclrn ld ttğ başarı PSI: n Öğrtm öntm GPA: Çocuğun Ortalama Drcs TUCE: Sınav Öncs Konu l lgl Blg Skoru Dpndnt Varabl: GRADE Mthod: ML - Bnary Logt Sampl: 3 Varabl Coffcnt Std. Error z-statstc Prob. C GPA PSI TUCE GRADE: n br tknğn uygulanması sonucu öğrnclrn ld ttğ başarı PSI: n Öğrtm öntm GPA: Çocuğun Ortalama Drcs TUCE: Sınav Öncs Konu l lgl Blg SKoru

Bağımlı Kukla Değişkenler

Bağımlı Kukla Değişkenler Bağımlı Kukla Değişkenler Bağımlı değişken özünde iki değer alabiliyorsa yani bir özelliğin varlığı ya da yokluğu söz konusu ise bu durumda bağımlı kukla değişkenler söz konusudur. Bu durumdaki modelleri

Detaylı

EKONOMETRİYE GİRİŞ II ÖDEV 4 ÇÖZÜM

EKONOMETRİYE GİRİŞ II ÖDEV 4 ÇÖZÜM EKONOMETRİYE GİRİŞ II ÖDEV 4 ÇÖZÜM (Örgün e İknc Öğretm çn) 1. 754 hanehalkına at DOMerset sml Excel dosyasında yer alan erler kullanarak tahmnlenen DOM sonuçları: Dependent Varable: CALISANKADIN Sample:

Detaylı

Bağımlı Kukla Değişkenler

Bağımlı Kukla Değişkenler Bağımlı Kukla Değşkenler Bağımlı değşken özünde k değer alablyorsa yan br özellğn varlığı ya da yokluğu söz konusu se bu durumda bağımlı kukla değşkenler söz konusudur. Bu durumdak modeller tahmn etmek

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

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

Sosyoekonomi / 2006-1 / 060103. M. Emin İnal & Derviş Topuz & Okyay Uçan. Sosyo Ekonomi. Doğrusal Olasılık ve Logit Modelleri ile Parametre Tahmini

Sosyoekonomi / 2006-1 / 060103. M. Emin İnal & Derviş Topuz & Okyay Uçan. Sosyo Ekonomi. Doğrusal Olasılık ve Logit Modelleri ile Parametre Tahmini Sosyokonom / 2006- / 06003. M. Emn İnal & Drvş Topuz & Okyay Uçan Sosyo Ekonom Ocak-Hazran 2006- Doğrusal Olasılık v Logt Modllr l Paramtr Tahmn M. Emn İnal Drvş Topuz Okyay Uçan nal@ngd.du.tr drvs_topuz@ngd.du.tr

Detaylı

Bağımlı Kukla Değişkenler

Bağımlı Kukla Değişkenler Bağımlı Kukla Değişkenler Bağımlı değişken özünde iki değer alabiliyorsa yani bir özelliğin varlığı ya da yokluğu söz konusu ise bu durumda bağımlı kukla değişkenler söz konusudur. Bu durumdaki modelleri

Detaylı

Bağımlı Kukla Değişkenler

Bağımlı Kukla Değişkenler Bağımlı Kukla Değişkenler Bağımlı değişken özünde iki değer alabiliyorsa yani bir özelliğin varlığı ya da yokluğu söz konusu ise bu durumda bağımlı kukla değişkenler söz konusudur. Bu durumdaki modelleri

Detaylı

ADMIT: Öğrencinin yüksek lisans programına kabul edilip edilmediğini göstermektedir. Eğer kabul edildi ise 1, edilmedi ise 0 değerini almaktadır.

ADMIT: Öğrencinin yüksek lisans programına kabul edilip edilmediğini göstermektedir. Eğer kabul edildi ise 1, edilmedi ise 0 değerini almaktadır. Uygulama-2 Bir araştırmacı Amerika da yüksek lisans ve doktora programlarını kabul edinilmeyi etkileyen faktörleri incelemek istemektedir. Bu doğrultuda aşağıdaki değişkenleri ele almaktadır. GRE: Üniversitelerin

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

PARÇALI DOĞRUSAL REGRESYON

PARÇALI DOĞRUSAL REGRESYON HAFTA 4 PARÇALI DOĞRUSAL REGRESYO Gölge değşkenn br başka kullanımını açıklamak çn varsayımsal br şrketn satış temslclerne nasıl ödeme yaptığı ele alınsın. Satış prmleryle satış hacm Arasındak varsayımsal

Detaylı

Dependent Variable: Y Method: Least Squares Date: 03/23/11 Time: 16:51 Sample: Included observations: 20

Dependent Variable: Y Method: Least Squares Date: 03/23/11 Time: 16:51 Sample: Included observations: 20 ABD nin 1966 ile 1985 yılları arasında Y gayri safi milli hasıla, M Para Arazı (M) ve r faiz oranı verileri aşağıda verilmiştir. a) Y= b 1 +b M fonksiyonun spesifikasyon hatası taşıyıp taşımadığını Ramsey

Detaylı

İSTATİSTİK TERMODİNAMİK

İSTATİSTİK TERMODİNAMİK MI OpnCoursWar http://ocw.mt.du 5.60 hrmodnamk v Kntk ahar 008 u malzmlr atıfta bulunmak vya kullanım şartlarını öğrnmk çn http://ocw.mt.du/trms stsn zyart dnz İSİSİK ERMODİMİK Makroskopk trmodnamk sonuçların

Detaylı

Bu malzemelere atıfta bulunmak veya kullanım şartlarını öğrenmek için http://ocw.mit.edu/terms sitesini ziyaret ediniz

Bu malzemelere atıfta bulunmak veya kullanım şartlarını öğrenmek için http://ocw.mit.edu/terms sitesini ziyaret ediniz MIT OpnoursWar http://ocw.mt.du 5.6 Thrmodnamk v Kntk Bahar 8 Bu malzmlr atıfta bulunmak vya kullanım şartlarını öğrnmk çn http://ocw.mt.du/trms stsn zyart dnz MODEL SİSTEMLER Molkülr gçş, dönm v rşm çn

Detaylı

İSTATİSTİK TERMODİNAMİK

İSTATİSTİK TERMODİNAMİK MIT OpnCoursWar http://ocw.mt.du 5.60 Thrmodnamk v Kntk Bahar 2008 Bu malzmlr atıfta bulunmak vya kullanım şartlarını öğrnmk çn http://ocw.mt.du/trms stsn zyart dnz İSTATİSTİK TERMODİAMİK İstatstk mkanğn

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

KESİKLİ SEÇİM MODELLERİ

KESİKLİ SEÇİM MODELLERİ do:.34/rg...36.56 DERS NOTLARI KESİKLİ SEÇİM MODELLERİ Doç. Dr. /İstanbul Aydın Ünvrsts Ekono v Fnans Bölüü Ergnbay Uğurlu E. Ugurlu, p.-9. Drs Notları Şubat Ktapçık 3 do:.34/rg...36.56 KESİKLİ SEÇİM MODELLERİ

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

Sabit kur sisteminde ise faiz denge sistemi çalışamamaktadır. Çünkü kur sabittir. Yurt içi faiz oranının yurt dışı faize oranına eşit olmalıdır.

Sabit kur sisteminde ise faiz denge sistemi çalışamamaktadır. Çünkü kur sabittir. Yurt içi faiz oranının yurt dışı faize oranına eşit olmalıdır. B..A. Dövz Kuru Rjmlr Srbs Kur ssmnd hüküm yrl para brmnn dğr şu şkld dürülblr: gnşlc para polkaları aracılığı l pyasaya para sürrk faz oranlarının düşmsn, faz oranlarının düşms l sıcak para yrl paradan

Detaylı

Normal Dağılımlılık. EKK tahmincilerinin ihtimal dağılımları u i nin ihtimal dağılımı hakkında yapılan varsayıma bağlıdır.

Normal Dağılımlılık. EKK tahmincilerinin ihtimal dağılımları u i nin ihtimal dağılımı hakkında yapılan varsayıma bağlıdır. Normal Dağılımlılık EKK tahmincilerinin ihtimal dağılımları u i nin ihtimal dağılımı hakkında yapılan varsayıma bağlıdır. b tahminleri için uygulanan testlerin geçerliliği u i nin normal dağılmasına bağlıdır.

Detaylı

Bir Kompleks Sayının n inci Kökü.

Bir Kompleks Sayının n inci Kökü. Prof.Dr.Hüsy ÇAKALLI Br Komplks Sayıı c Kökü. hrhag br sab doğal sayı olmak ür, br komplks sayıı c kökü, c kuvv bu sayıya ş ola komplks sayıdır. ( r(cos s olsu v (cos s dylm. Bu akdrd ( [ (cos s] dr v

Detaylı

Normal Dağılımlılık. EKK tahmincilerinin ihtimal dağılımları u i nin ihtimal dağılımı hakkında yapılan varsayıma bağlıdır.

Normal Dağılımlılık. EKK tahmincilerinin ihtimal dağılımları u i nin ihtimal dağılımı hakkında yapılan varsayıma bağlıdır. Normal Dağılımlılık EKK tahmincilerinin ihtimal dağılımları u i nin ihtimal dağılımı hakkında yapılan varsayıma bağlıdır. β tahminleri için uygulanan testlerin geçerliliği u i nin normal dağılmasına bağlıdır.

Detaylı

Sakarya Ticaret Bozrsası. Üye Memnuniyet ve Beklenti Anketi. Raporu

Sakarya Ticaret Bozrsası. Üye Memnuniyet ve Beklenti Anketi. Raporu Tcar zsı My v Bkln k Mar 2015, SAKARYA Tcar sı 2014 Yılı My v Bklnlrnn Eld Edlms İçn Yapılan k İlşkn r Tcar sı hm ISO 9001 Toplam Kal Yönm Ssm, hm d TOBB Oda/ Akrdasyon Ssmnn grğ olarak gnş çaplı br My

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

İyi Bir Modelin Özellikleri

İyi Bir Modelin Özellikleri İyi Bir Modelin Özellikleri 1. Basitlik. Belirlenmişlik Y t = b 1 (1-r)+b X t -rb X t-1 +ry t-1 +e t 3. R ölçüsü 4. Teorik tutarlılık 5. Fonksiyonel Biçim 1 Model Tanımlanması Araştırmada kullanılan modelin

Detaylı

TABLO I: Bağımlı değişken; Tüketim,- bağımsız değişkenler; gelir ve fiyat olmak üzere değişkenlere ait veriler verilmiştir.

TABLO I: Bağımlı değişken; Tüketim,- bağımsız değişkenler; gelir ve fiyat olmak üzere değişkenlere ait veriler verilmiştir. EKONOMETRİ II Uygulama - Otokorelasyon TABLO I: Bağımlı değişken; Tüketim,- bağımsız değişkenler; gelir ve fiyat olmak üzere Tuketim 58 Gelir 3959 Fiyat 312 değişkenlere ait veriler verilmiştir. 56 3858

Detaylı

1. Basitlik 2. Belirlenmişlik Y t = b 1 (1-r)+b 2 X t -rb 2 X t-1 +ry t-1 +e t 3. R 2 ölçüsü 4. Teorik tutarlılık 5. Doğru Fonksiyonel Biçim

1. Basitlik 2. Belirlenmişlik Y t = b 1 (1-r)+b 2 X t -rb 2 X t-1 +ry t-1 +e t 3. R 2 ölçüsü 4. Teorik tutarlılık 5. Doğru Fonksiyonel Biçim 1. Basitlik. Belirlenmişlik Y t = b 1 (1-r)+b X t -rb X t-1 +ry t-1 +e t 3. R ölçüsü 4. Teorik tutarlılık 5. Doğru Fonksiyonel Biçim 1 Model Tanımlanması Araştırmada kullanılan modelin tanımlamasının doğru

Detaylı

Korelasyon ve Regresyon

Korelasyon ve Regresyon Korelasyon ve Regresyon 1 Korelasyon Analz İk değşken arasında lşk olup olmadığını belrlemek çn yapılan analze korelasyon analz denr. Korelasyon; doğrusal yada doğrusal olmayan dye kye ayrılır. Korelasyon

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

KUKLA DEĞİŞKENLİ MODELLERDE KANTİTATİF DEĞİŞKEN SAYISININ İKİ SINIF İÇİN FARKLI OLMASI DURUMU

KUKLA DEĞİŞKENLİ MODELLERDE KANTİTATİF DEĞİŞKEN SAYISININ İKİ SINIF İÇİN FARKLI OLMASI DURUMU KUKLA DEĞİŞKENLİ MODELLERDE KANTİTATİF DEĞİŞKEN SAYISININ İKİ SINIF İÇİN FARKLI OLMASI DURUMU.HAL: Sabit Terimlerin Farklı Eğimlerin Eşit olması Yi = b+ b2di + b3xi + ui E(Y Di =,X i) = b + b3xi E(Y Di

Detaylı

BURSA TEKNİK ÜNİVERSİTESİ MAKİNE MÜHENDİSLİĞİ BÖLÜMÜ MAKİNE LABORATUVAR DERSİ. İçten Yanmalı Motorlarda Performans ve Enerji Dağılımı Deneyi

BURSA TEKNİK ÜNİVERSİTESİ MAKİNE MÜHENDİSLİĞİ BÖLÜMÜ MAKİNE LABORATUVAR DERSİ. İçten Yanmalı Motorlarda Performans ve Enerji Dağılımı Deneyi BURSA TEKNİK ÜNİVERSİTESİ MAKİNE MÜHENDİSLİĞİ BÖLÜMÜ MAKİNE LABORATUVAR DERSİ İçtn Yanmalı Motorlarda rformans v Enrj Dağılımı Dny Laboratuvar Tarh: Laboratuvarı Yöntn: Laboratuvar Yr: Laboratuvar Adı:

Detaylı

AYRIK VE SÜREKLİ ZAMANLI BİRİNCİ DERECEDEN SİGMA-DELTA MODÜLATÖRÜNÜN PRATİK OLARAK GERÇEKLEŞTİRİLMESİ

AYRIK VE SÜREKLİ ZAMANLI BİRİNCİ DERECEDEN SİGMA-DELTA MODÜLATÖRÜNÜN PRATİK OLARAK GERÇEKLEŞTİRİLMESİ AYRIK VE SÜREKLİ ZAMANLI BİRİNCİ DERECEDEN SİGMADELTA MODÜLATÖRÜNÜN PRATİK OLARAK GERÇEKLEŞTİRİLMESİ D. Hanba * v A. Uçar ** *Fırat Ünvrsts Elktronk Blgsaar Eğtm dhanba@frat.du.tr ** Fırat Ünvrsts Elktrk

Detaylı

Ölçme Kuramnda Temel Yaklamlar

Ölçme Kuramnda Temel Yaklamlar yurdugul@hacttp.du.tr Ölçm Kuramnda Tml Yaklamlar Gözlnn l gözlnmyn arasndak bantlar, br baka fad l ölçülbln dknlrdn gözlnmyn dknlrn ld dlmsn dayanan yaklamlar ölçmnn tml konularn oluturmaktadr. Bu bantlar

Detaylı

MODEL SORU - 1 DEKİ SORULARIN ÇÖZÜMLERİ

MODEL SORU - 1 DEKİ SORULARIN ÇÖZÜMLERİ 6 BÖÜM ATENATİF AKIM MODE SOU - DEKİ SOUAIN ÇÖÜMEİ (t) 30snπt s grlmn maksmum dğr, m 30 volt tkn dğr d, m 30 5 Akımın zamanla dğşm dnklmndn, (t) max sn~t (t) 0 sn00rt Maksmum akım, max 0 A CEAP D İltknn

Detaylı

Regresyon Analizinde Nitel Bilgi. Nitel Değişkenler: Ders Planı. Nitel Bilgi

Regresyon Analizinde Nitel Bilgi. Nitel Değişkenler: Ders Planı. Nitel Bilgi 1 ÇOKLU REGRESYON ANALİZİNDE NİTEL DEĞİŞKENLER Hüseyin Taştan 1 1 Yıldız Teknik Üniversitesi İktisat Bölümü Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge 2 Regresyon

Detaylı

Sakarya Ticaret Borsası. Üye Memnuniyet ve Beklenti Anketi. Raporu

Sakarya Ticaret Borsası. Üye Memnuniyet ve Beklenti Anketi. Raporu Tcar sı My v Bkln k Ocak 2016, SAKARYA Tcar sı My v Bklnlrnn Eld Edlms İçn Yapılan k İlşkn r Tcar sı hm ISO 9001 Toplam Kal Yönm Ssm, hm d TOBB Oda/ Akrdasyon Ssmnn grğ olarak My v Bkln k çalışması grçklşrmşr.

Detaylı

KUKLA DEĞİŞKENLİ MODELLER

KUKLA DEĞİŞKENLİ MODELLER KUKLA DEĞİŞKENLİ MODELLER Bir kukla değişkenli modeller (Varyans Analiz Modelleri) Kukla değişkenlerin diğer kantitatif değişkenlerle alındığı modeller (Kovaryans Analizi Modeller) Kukla değişkenlerin

Detaylı

0, model 3 doğruysa a3. Variable Coefficient Std. Error t-statistic Prob.

0, model 3 doğruysa a3. Variable Coefficient Std. Error t-statistic Prob. EKONOMETRİYE GİRİŞ II ÖDEV 2 ÇÖZÜM (Örgün ve İkinci Öğretim için) 1987-2006 yıllarına ait GSYH, YATIRIM ve FAİZ verileri kullanılarak elde edilen sonuçlar şu şekildedir: Yuvalanmamış-F Testi Model 1: YATIRIM

Detaylı

kadar ( i. kaynağın gölge fiyatı kadar) olmalıdır.

kadar ( i. kaynağın gölge fiyatı kadar) olmalıdır. KONU : DUAL MODELİN EKONOMİK YORUMU Br prmal-dual model lşks P : max Z cx D: mn Z bv AX b AV c X 0 V 0 bçmnde tanımlı olsun. Prmal modeln en y temel B ve buna lşkn fyat vektörü c B olsun. Z B B BB c X

Detaylı

Yuvalanmamış F testi- Davidson- MacKinnon J sınaması

Yuvalanmamış F testi- Davidson- MacKinnon J sınaması Yuvalanmamış F testi- Davidson- MacKinnon J sınaması Tablo da yer alan verileri kullanarak aşağıdaki ilgili soruları cevaplayınız. Yıllar Yatırım GSYH Faiz 1987 18491 747 45 1988 78 7495 54 1989 5187 8014

Detaylı

Kukla Değişken Nedir?

Kukla Değişken Nedir? Kukla Değişken Nedir? Cinsiyet, eğitim seviyesi, meslek, din, ırk, bölge, tabiiyet, savaşlar, grevler, siyasi karışıklıklar (=darbeler), iktisat politikasındaki değişiklikler, depremler, yangın ve benzeri

Detaylı

Termodinamiğin Yasaları:

Termodinamiğin Yasaları: NTR0PĐ trop kavramı, makroskopk görüş açısıda (klask trmodamk), mkroskopk görüş açısıda (statstksl trmodamk) v formasyo görüş açısıda (formasyo tors) olmak üzr, üç şkld l alıablr. trop statstksl taımlaması

Detaylı

BİRDEN ÇOK BAĞIMLI DEĞİŞKENİ OLAN MODELLER

BİRDEN ÇOK BAĞIMLI DEĞİŞKENİ OLAN MODELLER BİRDEN ÇOK BAĞIMLI DEĞİŞKENİ OLAN MODELLER Birden çok bağımlı değişkenin yer aldığı modelleri incelemek amacıyla kullanılan modeller Birden Çok Bağımlı Değişkenli Regresyon Modelleri ya da kısaca MRM ler

Detaylı

İLETKEN ve YARIİLETKENLERDE HALL OLAYI

İLETKEN ve YARIİLETKENLERDE HALL OLAYI İLETKEN v YARIİLETKENLERDE HALL OLAYI 1. HALL OLAYI Mtallrdk ltknlk, srst haldk lktronların uygulanan lktrk alan doğrultusundak harktlr ntcsnd ld dlr. Yarıltknlrd s, lktronların harcnd oşluklarda lktrksl

Detaylı

ÇOKLU REGRESYON MODELİ. Bir bağımlı değişkene etki eden çok sayıda bağımsız değişkeni analize dahil ederek çoklu regresyon modeli uygulanabilir.

ÇOKLU REGRESYON MODELİ. Bir bağımlı değişkene etki eden çok sayıda bağımsız değişkeni analize dahil ederek çoklu regresyon modeli uygulanabilir. ÇOKLU REGRESYON MODELİ Bir bağımlı değişkene etki eden çok sayıda bağımsız değişkeni analize dahil ederek çoklu regresyon modeli uygulanabilir. Y=b 1 + b X + b X + u Y=b 1 + b X + b X +...+ b k X k + u

Detaylı

A. Regresyon Katsayılarında Yapısal Kırılma Testleri

A. Regresyon Katsayılarında Yapısal Kırılma Testleri A. Regresyon Katsayılarında Yapısal Kırılma Testleri Durum I: Kırılma Tarihinin Bilinmesi Durumu Kırılmanın bilinen bir tarihte örneğin tarihinde olduğunu önceden bilinmesi durumunda uygulanır. Örneğin,

Detaylı

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

ELM201 ELEKTRONİK-I DERSİ LABORATUAR FÖYÜ

ELM201 ELEKTRONİK-I DERSİ LABORATUAR FÖYÜ T SKY ÜNİESİTESİ TEKNOOJİ FKÜTESİ EEKTİKEEKTONİK MÜHENDİSİĞİ EM01 EEKTONİKI DESİ BOTU FÖYÜ DENEYİ YPTIN: DENEYİN DI: DENEY NO: DENEYİ YPNIN DI v SOYDI: SINIFI: OKU NO: DENEY GUP NO: DENEY TİHİ PO TESİM

Detaylı

Dependent Variable: Y Method: Least Squares Date: 03/23/11 Time: 16:51 Sample: Included observations: 20

Dependent Variable: Y Method: Least Squares Date: 03/23/11 Time: 16:51 Sample: Included observations: 20 ABD nin 1966 ile 1985 yllar arasnda Y gayri safi milli hasla, M Para Araz (M) ve r faiz oran verileri a#a$da verilmi#tir. a) Y= b 1 +b M fonksiyonun spesifikasyon hatas ta#yp ta#mad$n Ramsey RESET testi

Detaylı

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

SEK Yönteminin Güvenilirliği Sayısal Bir Örnek. Ekonometri 1 Konu 11 Sürüm 2,0 (Ekim 2011) İk Değşkenl Bağlanım Model SEK Yöntemnn Güvenlrlğ Ekonometr 1 Konu 11 Sürüm,0 (Ekm 011) UADMK Açık Lsans Blgs İşbu belge, Creatve Commons Attrbuton-Non-Commercal ShareAlke 3.0 Unported (CC BY-NC-SA 3.0)

Detaylı

OTOKORELASYON OTOKORELASYON

OTOKORELASYON OTOKORELASYON OTOKORELASYON OTOKORELASYON Y = α + βx + u Cov (u,u s ) 0 u = ρ u -1 + ε -1 < ρ < +1 Birinci dereceden Ookorelasyon Birinci Dereceden Ooregressif Süreç; A R(1) e = ρ e -1 + ε Σe e ˆ ρ = Σ 1 e KARŞILA ILAŞILAN

Detaylı

4. BİR BOYUTLU ZAMANA BAĞLI ISI İLETİMİ

4. BİR BOYUTLU ZAMANA BAĞLI ISI İLETİMİ üm yayın hakları Prof. Dr. Büln Yşlaa ya ar. İznsz çoğalılamaz. 4. BİR BOYUU ZAMANA BAĞI ISI İEİMİ Zamana bağlı ısı gçş roblmlr gnllkl ssmn sınır koşulları dğşğnd oraya çıkar. Zamana bağlı ısı roblmlrn

Detaylı

Y = 29,6324 X 2 = 29,0871 X 3 = 28,4473 y 2 = 2,04 x 2 2 = 0,94 x 2 3 = 2,29 yx 2 = 0,19 yx 3 = 1,60 x 2 x 3 = 1,06 e 2 = 0,2554 X + 28,47 X 3-0,53

Y = 29,6324 X 2 = 29,0871 X 3 = 28,4473 y 2 = 2,04 x 2 2 = 0,94 x 2 3 = 2,29 yx 2 = 0,19 yx 3 = 1,60 x 2 x 3 = 1,06 e 2 = 0,2554 X + 28,47 X 3-0,53 EKONOMETR DERS ÇALIMA SORULARI SORU : 1 1980-1994 y llar aras ndaki Türkiye Özel Yat r m (Y), Reel Mevduat Faiz Oran (X ) ve GSMH (X 3 ) verilerinden hareketle a*a+ daki ortalamadan farklara göre ara sonuçlar

Detaylı

Ekonometri I VARSAYIMLARI

Ekonometri I VARSAYIMLARI Ekonometri I ÇOK DEĞİŞKENLİ REGRESYON MODELİNİN VARSAYIMLARI Hüseyin Taştan Temmuz 23, 2006 İçindekiler 1 Varsayım MLR.1: Parametrelerde Doğrusallık 1 2 Varsayım MLR.2: Rassal Örnekleme 1 3 Varsayım MLR.3:

Detaylı

KATEGORİK VERİLERİN TESTİ (ki-kare testi)

KATEGORİK VERİLERİN TESTİ (ki-kare testi) KATEGORİK VERİLERİN TESTİ (k-kar tst).. K-kar dağılışı.. Bağımsızlık tst... x tablolarda bağımsızlık (ora/homojt) tstlr... rxc tablolarda bağımsızlık (ora/homojt) tstlr.3. İy uyum tstlr.3.. Normal dağılışa

Detaylı

Appendix C: İstatistiksel Çıkarsama

Appendix 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

Detaylı

MAK TERMODİNAMİK (CRN: 22594, 22599, 22603, ) BAHAR YARIYILI ARA SINAV-1

MAK TERMODİNAMİK (CRN: 22594, 22599, 22603, ) BAHAR YARIYILI ARA SINAV-1 MK - ERMODİNMİK.0.00 CRN: 594, 599, 60, 608 ) 009-00 BHR YRIYILI R SIN- Soru -) Br pston-slndr düznğnd, başlangıçta 75 kpa basınçta doyuş sııbuhar karışıı, 5 kg su bulunaktadır. Suyun.09 kg lık bölüü sıı

Detaylı

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları

YTÜ 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.

Detaylı

KUKLA DEĞİŞKENLİ MODELLER

KUKLA DEĞİŞKENLİ MODELLER KUKLA DEĞİŞKENLİ MODELLER Bir kukla değişkenli modeller (Varyans Analiz Modelleri) Kukla değişkenlerin diğer kantitatif değişkenlerle alındığı modeller (Kovaryans Analizi Modeller) Kukla değişkenlerin

Detaylı

dir. Bir başka deyişle bir olayın olasılığı, uygun sonuçların sayısının örnek uzaydaki tüm sonuçların sayısına oranıdır.

dir. Bir başka deyişle bir olayın olasılığı, uygun sonuçların sayısının örnek uzaydaki tüm sonuçların sayısına oranıdır. BÖLÜM 3 OLASILIK HESABI 3.. Br Olayın Olasılığı Tanım 3... Br olayın brbrnden ayrık ve ortaya çıkma şansı eşt n mümkün sonucundan m tanes br A olayına uygun se, A olayının P(A) le gösterlen olasılığı P(A)

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

1. YAPISAL KIRILMA TESTLERİ

1. YAPISAL KIRILMA TESTLERİ 1. YAPISAL KIRILMA TESTLERİ Yapısal kırılmanın araştırılması için CUSUM, CUSUMSquare ve CHOW testleri bize gerekli bilgileri sağlayabilmektedir. 1.1. CUSUM Testi (Cumulative Sum of the recursive residuals

Detaylı

ÖRNEKLEME DAĞILIŞLARI VE TAHMİNLEYİCİLERİN ÖZELLİKLERİ

ÖRNEKLEME 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

Detaylı

HAFTA 13. kadın profesörlerin ortalama maaşı E( Y D 1) erkek profesörlerin ortalama maaşı. Kestirim denklemi D : t :

HAFTA 13. kadın profesörlerin ortalama maaşı E( Y D 1) erkek profesörlerin ortalama maaşı. Kestirim denklemi D : t : HAFTA 13 GÖLGE EĞİŞKENLERLE REGRESYON (UMMY VARIABLES) Gölge veya kukla (dummy) değşkenler denen ntel değşkenler, cnsyet, dn, ten reng gb hemen sayısallaştırılamayan ama açıklanan değşkenn davranışını

Detaylı

OLASILIK ve ÝSTATÝSTÝK ( Genel Tekrar Testi-1) KPSS MATEMATÝK. Bir anahtarlıktaki 5 anahtardan 2 si kapıyı açmak - tadır.

OLASILIK ve ÝSTATÝSTÝK ( Genel Tekrar Testi-1) KPSS MATEMATÝK. Bir anahtarlıktaki 5 anahtardan 2 si kapıyı açmak - tadır. OLASILIK v ÝSTATÝSTÝK ( Gnl Tkrar Tsti-1) 1. Bir anahtarlıktaki 5 anahtardan si kapıyı açmak - tadır. Açmayan anahtar bir daha dnnmdiğin gör, bu kapının n çok üçüncü dnmd açılma olasılığı kaçtır? 5 6 7

Detaylı

DENEY 10 PM DC Servo Motor Karakteristikleri

DENEY 10 PM DC Servo Motor Karakteristikleri DNY 0 PM DC Srvo Moor rkrklr DNYİN AMACI. PM DC rvo oorlrın krkrk prrlrn nlk.. PM DC rvo oorlrın krkrk prrlrn ölçk. GİİŞ Dc rvo oor, konrol lr çlışlrınd, konrol orn uygun olrk konrol yönlr glşrk çn, konrol

Detaylı

DOĞUŞ ÜNİVERSİTESİ MATEMATİK KLÜBÜ FEN LİSELERİ TAKIM YARIŞMASI 2007 SORULARI

DOĞUŞ ÜNİVERSİTESİ MATEMATİK KLÜBÜ FEN LİSELERİ TAKIM YARIŞMASI 2007 SORULARI DOĞUŞ ÜNİVERSİTESİ MATEMATİK KLÜBÜ FEN LİSELERİ TAKIM YARIŞMASI 007 SORULARI Doğuş Ünivrsitsi Matmatik Kulübü tarafından düznlnn matmatik olimpiyatları, fn lislri takım yarışması sorularından bazıları

Detaylı

ÇOKLU DOĞRUSAL BAĞLANTI

ÇOKLU DOĞRUSAL BAĞLANTI ÇOKLU DOĞRUSAL BAĞLANTI ÇOKLU DOĞRUSALLIĞIN ANLAMI Çoklu doğrusal bağlanı; Bağımsız değişkenler arasında doğrusal (yada doğrusala yakın) ilişki olmasıdır... r xx i j paramereler belirlenemez hale gelir.

Detaylı

Çok Parçalı Basınç Çubukları

Çok Parçalı Basınç Çubukları Çok Parçalı Basınç Çubukları Çok parçalı basınç çubukları gnl olarak k gruba arılır. Bunlar; a) Sürkl brlşk parçalardan oluşan çok parçalı basınç çubukları b) Parçaları arasında aralık bulunan çok parçalı

Detaylı

NADİR TOPRAK ELEMENTLERİ OKSİTLERİNİN ELEKTRONİK VE OPTİK ÖZELLİKLERİNİN İNCELENMESİ: AB İNİTİO YÖNTEMİ *

NADİR TOPRAK ELEMENTLERİ OKSİTLERİNİN ELEKTRONİK VE OPTİK ÖZELLİKLERİNİN İNCELENMESİ: AB İNİTİO YÖNTEMİ * Ç.Ü. Fn v Mühndslk Blmlr Drgs Yıl:016 Clt:34-6 ADİR TOPRAK ELEMETLERİ OKSİTLERİİ ELEKTROİK VE OPTİK ÖZELLİKLERİİ İCELEMESİ: AB İİTİO YÖTEMİ * Invstıgatıonof ElctronıcandOptıcalProprtıs of RarEarthsOxıds:

Detaylı

GAUSS IŞINLARININ SAÇILMASININ SINIR KIRINIM DALGASI TEORİSİ İLE İNCELENMESİ

GAUSS IŞINLARININ SAÇILMASININ SINIR KIRINIM DALGASI TEORİSİ İLE İNCELENMESİ ludağ Ünvrsts Mühndslk-Mmarlık Fakülts Drgs, Clt 5, Sayı, GASS IŞINLAININ SAÇILMASININ SINI KIINIM DALGASI TEOİSİ İLE İNCELENMESİ ğur YALÇIN * Özt: u çalışmada, Gauss ışınlarının yutucu yarım br düzlmdn

Detaylı

Doğrusal Korelasyon ve Regresyon

Doğrusal Korelasyon ve Regresyon Doğrusal Korelasyon ve Regresyon En az k değşken arasındak lşknn ncelenmesne korelasyon denr. Kşlern boyları le ağırlıkları, gelr le gder, öğrenclern çalıştıkları süre le aldıkları not, tarlaya atılan

Detaylı

Sürekli Olasılık Dağılım (Birikimli- Kümülatif)Fonksiyonu. Yrd. Doç. Dr. Tijen ÖVER ÖZÇELİK

Sürekli Olasılık Dağılım (Birikimli- Kümülatif)Fonksiyonu. Yrd. Doç. Dr. Tijen ÖVER ÖZÇELİK Sürekl Olasılık Dağılım Brkml- KümülatFonksyonu Yrd. Doç. Dr. Tjen ÖVER ÖZÇELİK tover@sakarya.edu.tr Sürekl olasılık onksyonları X değşken - ;+ aralığında tanımlanmış br sürekl rassal değşken olsun. Aşağıdak

Detaylı

Regresyon. Regresyon korelasyon ile yakından ilişkilidir

Regresyon. Regresyon korelasyon ile yakından ilişkilidir Regresyon Regresyona Giriş Regresyon korelasyon ile yakından ilişkilidir Regresyon bir bağımlı değişken ile (DV) bir veya daha fazla bağımsız değişken arasındaki doğrusal ilişkiyi inceler. DV için başka

Detaylı

{ } { } Ters Dönüşüm Yöntemi

{ } { } Ters Dönüşüm Yöntemi KESĐKLĐ DAĞILIMLARDAN RASGELE SAYI ÜRETME Trs Dönüşüm Yöntmi F dağılım fonksiyonuna sahip bir X rasgl dğişknin dağılımından sayı ürtmk için n çok kullanılan yöntmlrdn biri, F dağılım fonksiyonunun gnllştirilmiş

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

KUKLA DEĞİŞKENLİ MODELLER

KUKLA DEĞİŞKENLİ MODELLER KUKLA DEĞİŞKENLİ MODELLER Bir kukla değişkenli modeller (Varyans Analiz Modelleri) Kukla değişkenlerin diğer kantitatif değişkenlerle alındığı modeller (Kovaryans Analizi Modeller) Kukla değişkenlerin

Detaylı

ortalama ve ˆ ˆ, j 0,1,..., k

ortalama ve ˆ ˆ, j 0,1,..., k ÇOKLU REGRESYONDA GÜVEN ARALIKLARI Regresyon Katsayılarının Güven Aralıkları y ( i,,..., n) gözlemlerinin, xi ortalama ve i k ve normal dağıldığı varsayılsın. Herhangi bir ortalamalı ve C varyanslı normal

Detaylı

YARI LOGARİTMİK MODELLERDE KUKLA DECİşKENLERİN KA TSA YıLARıNIN YORUMU

YARI LOGARİTMİK MODELLERDE KUKLA DECİşKENLERİN KA TSA YıLARıNIN YORUMU Marmara Üniversitesi U.B.F. Dergisi YIL 2005, CİLT XX, SAyı 1 YARI LOGARİTMİK MODELLERDE KUKLA DECİşKENLERİN KA TSA YıLARıNIN YORUMU Yrd. Doç. Dr. Ebru ÇACLAYAN' Arş. Gör. Burak GÜRİş" Büyüme modelleri,

Detaylı

Elektromanyetik Dalga Teorisi

Elektromanyetik Dalga Teorisi lkomanyk Dalga Tos Ds-1 Dfansyl Fomda awll Dnklml İngal Fomda awll Dnklml Fazöln Kullanımı Zamanda amonk Alanla alzm Oamı Dalga Dnklml B awll Dnklmlnn Dfansyl Fomu D. D ρ. B Faaday Kanunu Amp Kanunu Gauss

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

En Yüksek Olabilirlik Yöntemi. İstatistikte, tüm anakütleler kendilerine karşılık gelen bir olasılık dağılımı ile tanımlanırlar.

En Yüksek Olabilirlik Yöntemi. İstatistikte, tüm anakütleler kendilerine karşılık gelen bir olasılık dağılımı ile tanımlanırlar. En Yüksek Olabilirlik Yöntemi İstatistikte, tüm anakütleler kendilerine karşılık gelen bir olasılık dağılımı ile tanımlanırlar. Basit(sıradan) en küçük kareler yöntemi, özünde olasılık dağılımları ile

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

Merkezi eğilim ölçüleri ile bir frekans dağılımının merkezi belirlenirken; yayılma ölçüleri ile değişkenliği veya yayılma düzeyini tespit eder.

Merkezi eğilim ölçüleri ile bir frekans dağılımının merkezi belirlenirken; yayılma ölçüleri ile değişkenliği veya yayılma düzeyini tespit eder. Yayılma Ölçütleri Merkezi eğilim ölçüleri ile bir frekans dağılımının merkezi belirlenirken; yayılma ölçüleri ile değişkenliği veya yayılma düzeyini tespit eder. Bir başka ifade ile, bir veri setinin,

Detaylı

12. HAFTA (RİSK VE GETİRİ) Prof. Dr. Yıldırım B. ÖNAL

12. HAFTA (RİSK VE GETİRİ) Prof. Dr. Yıldırım B. ÖNAL 12. HAFTA (RİSK VE GETİRİ) Prof. Dr. Yıldırım B. ÖNAL GETİRİ VE RİSK SUNUM İÇERİĞİ MENKUL KIYMETLERDE GETİRİ VE RİSK YATIRIM YAPILIRKEN GÖZ ÖNÜNDE BULUNDURULAN ETMENLER BEKLENEN GETİRİ VARYANS STANDART

Detaylı

GENETİK ALGORİTMA KULLANILARAK GÜÇ SİSTEMLERİNDE OPTİMAL ÇALIŞMA ŞARTLARININ BELİRLENMESİ

GENETİK ALGORİTMA KULLANILARAK GÜÇ SİSTEMLERİNDE OPTİMAL ÇALIŞMA ŞARTLARININ BELİRLENMESİ Gaz Ünv Müh Mm Fak Dr J Fac Eng Arch Gaz Unv Clt 4, No 3, 539-548, 009 ol 4, No 3, 539-548, 009 GENETİK ALGORİTMA KULLANILARAK GÜÇ SİSTEMLERİNDE OPTİMAL ÇALIŞMA ŞARTLARININ BELİRLENMESİ Al ÖZTÜRK v Srhat

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

Tek Denklemli Modellerde Uygulanan Testler 1.Yeni Bağımsız Değişkenler Ekleme Testi(s )

Tek Denklemli Modellerde Uygulanan Testler 1.Yeni Bağımsız Değişkenler Ekleme Testi(s ) Tek Denklemli Modellerde Uygulanan Testler 1.Yeni Bağımsız Değişkenler Ekleme Testi(s.285-293) Y=β 1 + β 2 X 2 + β 3 X 3 + u (SR) Y=β 1 + β 2 X 2 + β 3 X 3 + β 4 X 4 + β 5 X 5 + u 1.Aşama (SM) H 0 : β

Detaylı

Bir ekonomide mal piyasası dengesi aşağıdaki şekliyle dengeye geldiği varsayılmaktadır;

Bir ekonomide mal piyasası dengesi aşağıdaki şekliyle dengeye geldiği varsayılmaktadır; B.. A. Ürm, Faz Oranları v Dövz Kuru Br konomd mal pyasası dngs aşağıdak şklyl dngy gldğ varsayılmakadır; Y C Y T I Y r G IM Y X Y ( ) (, ) (, ) (, ) ( ) (, ) (, )/ (, ) ğr n dış car aşağıdak gb yazılırsa;

Detaylı

BAĞIMLI KUKLA DEĞİŞKENLİ MODELLER A- KADININ İŞGÜCÜNE KATILIM MODELİ NİN DOM İLE E-VIEWS DA ÇÖZÜMÜ

BAĞIMLI KUKLA DEĞİŞKENLİ MODELLER A- KADININ İŞGÜCÜNE KATILIM MODELİ NİN DOM İLE E-VIEWS DA ÇÖZÜMÜ BAĞIMLI KUKLA DEĞİŞKENLİ MODELLER A- KADININ İŞGÜCÜNE KATILIM MODELİ NİN DOM İLE E-VIEWS DA ÇÖZÜMÜ Modeldeki değişken tanımları aşağıdaki gibidir: IS= 1 i.kadının bir işi varsa (ya da iş arıyorsa) 0 Diğer

Detaylı

MONOSİMETRİK VE AÇIK KESİTLİ BİR EULER-BERNOULLI KİRİŞİNİN İKİ FARKLI METOTLA SERBEST TİTREŞİM ANALİZİ

MONOSİMETRİK VE AÇIK KESİTLİ BİR EULER-BERNOULLI KİRİŞİNİN İKİ FARKLI METOTLA SERBEST TİTREŞİM ANALİZİ P A U K K A E Ü Nİ V E İ E İ Ü H E N Dİ İK F A K Ü E İ P A U K K A E U N I V E I Y E N G I N E E I N G F A C U Y Ü H E N Dİ İK Bİİ E İ D E Gİİ J O U N A O F E N G I N E E I N G C I E N C E YI Cİ AYI AYFA

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

Normallik Varsayımı ve Ençok Olabilirlik Yöntemi

Normallik Varsayımı ve Ençok Olabilirlik Yöntemi Normallik Varsayımı ve Ençok Olabilirlik Yöntemi 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

Ders 9: Kitle Ortalaması ve Varyansı için Tahmin

Ders 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

Detaylı

Üstel Dağılım SÜREKLİ ŞANS DEĞİŞKENLERİNİN OLASILIK YOĞUNLUK FONKSİYONLARI

Üstel Dağılım SÜREKLİ ŞANS DEĞİŞKENLERİNİN OLASILIK YOĞUNLUK FONKSİYONLARI ..3 SÜREKLİ ŞNS DEĞİŞKENLERİNİN OLSILIK YOĞUNLUK FONKSİYONLRI Üstl Dağılım Sürkli Üniform Dağılım Normal Dağılım Üstl Dağılım Mydana gln iki olay arasındaki gçn sür vya ir aşka ifadyl ilgilniln olayın

Detaylı

Communication Theory

Communication Theory Communcaton Theory ENFORMASYON TEORİSİ KODLAMA Doç. Dr. Hakan Doğan ENFORMASYON DEYİMİ NEDEN KULLANILMIŞ? Kaynaklarn, kanalların,alıcıların blg karakterstklern ncelemek. Blgnn letmn optmze etmek çn İletmn

Detaylı

KATEGORİK VERİLERİN TESTİ (ki-kare testi)

KATEGORİK VERİLERİN TESTİ (ki-kare testi) KATEGORİK VERİLERİN TESTİ (k-kar tst).. K-kar dağılışı.. ağımsızlık tst... x tablolarda bağımsızlık (ora/homojt) tstlr... rxc tablolarda bağımsızlık (ora/homojt) tstlr..3. Yats s sürkllk düzltms.3. İy

Detaylı

DÜZCE ÜNİVERSİTESİ TEKNOLOJİ FAKÜLTESİ ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ BÖLÜMÜ EET305 OTOMATİK KONTROL I Dr. Uğur HASIRCI

DÜZCE ÜNİVERSİTESİ TEKNOLOJİ FAKÜLTESİ ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ BÖLÜMÜ EET305 OTOMATİK KONTROL I Dr. Uğur HASIRCI DÜZCE ÜNİVERSİTESİ TENOLOJİ FAÜLTESİ ELETRİ-ELETRONİ MÜHENDİSLİĞİ BÖLÜMÜ EET305 OTOMATİ ONTROL I ALICI DURUM HATASI ontrol sistmlrinin tasarımında üç tml kritr göz önünd bulundurulur: Gçici Durum Cvabı

Detaylı

BÖLÜM 2- HATA VE HATA KAYNAKLARI SORULAR ÇÖZÜMLER & MATLAB PROGRAMLAMA

BÖLÜM 2- HATA VE HATA KAYNAKLARI SORULAR ÇÖZÜMLER & MATLAB PROGRAMLAMA Dpartmnt o Mchanical Enginring MAK 0 MÜHENDİSLİKTE SAYISAL YÖNTEMLER BÖLÜM - HATA VE HATA KAYNAKLARI SORULAR ÇÖZÜMLER & MATLAB PROGRAMLAMA Doç. Dr. Ali Rıza YILDIZ Arş. Gör. Emr DEMİRCİ 7.0.0 7.0.0 MAK

Detaylı