Sansürlenmiş ve Kesikli Regresyon Modelleri
|
|
- Sanaz Bozer
- 6 yıl önce
- İzleme sayısı:
Transkript
1 TOBİT MODEL 1
2 Sansürlenmş ve Keskl Regresyon Modeller Sınırlı bağımlı değşkenler: sansürlenmş (censored) ve keskl (truncated) regresyon modeller şeklnde k gruba ayrılır. 2
3 Sansürlenmş ve Keskl Regresyon Modeller Sansürlenmş örneklem, bağımsız değşkenn blnen değerlerne karşılık, bağımlı değşkenn gözlemlernn bazılarının gözlenememesdr. Örneğn ücret haddn belrleyen etkenler le lgl br araştırmada çalışan breylere at açıklayıcı verler tanımlanablrken, çalışmayan breylern çn herhang br ücret hadd gözlenemez. 3
4 Orjnal Gözlemler Brey yas eglence Sansürlenmş ve Keskl Regresyon Modeller Sansürlü Gözlemler yas eglence Keskl Gözlemler yas eglence
5 Orjnal Gözlemler Brey yas eglence Probt model çn bağımlı değşken Eğer eglence>0, bağımlı değşken 1 değern almaktadır.
6 Orjnal Gözlemler egtm telefon ceptel blgsay Sansürlü Gözlemler egtm telefon ceptel blgsay Keskl Gözlemler egtm telefon ceptel blgsay
7 Orjnal Gözlemler Probt model çn bağımlı değşken egtm telefon ceptel blgsay Eğer egtm>0 se, bağımlı değşken 1 değern almaktadır.
8 Sansürlenmş ve Keskl Regresyon Modeller Keskl örneklem, bağımsız değşkenn değerlernn ancak bağımlı değşken gözleneblr ken tanımlanmasıdır. Keskl örnekte bağımlı değşkenn versnn örneğn 100 den küçük olduğu tüm durumlar çıkarılır. Kesme şlem örneklem değştrrken, sansürleme örneklem değştrmez. Örneğn tamamındak bağımsız değşkenler gözlendğnde sansür ortaya çıkmaktadır. Sansürlü regresyon modelne Tobt model denr. 8
9 Tobt Model Belrl br dönemde breylern dayanıklı tüketm malları veya otomobl üzerne harcamalarının sıfır değer aldığı görüleblr. Sadece, poztf değerler alan bağımlı değşkenl doğrusal regresyon modeller probt modellere benzerlğnden dolayı tobt modeller olarak blnmektedr. Bağımlı değşkenn, değşm aralığının herhang br şeklde sınırlandırıldığı regresyon modellernde eğer belrl br aralığın dışındak gözlemler tamamen kaybedlyorsa keskl model, ancak en azından bağımsız değşkenler gözleneblyorsa sansürlü model söz konusu olmaktadır.
10 Tobt Model Br konsern bletlerne olan taleb modellemede sahp olunan ver: satılan bletlern sayısı kadardır, eğer konser kapalı gşe oynarsa talep, mevcut maksmum blet sayısını aşar ve bletlere olan talep, mevcut bletlern maksmum sayısı le sansürlenr. Bu gb durumlarda Tobt model kullanılır. 10
11 Tobt Model Probt ve logt modellerde gözlenen br kukla değşken, y 1 0,, y 0 y 0 se se (1) şeklndedr. y x u * t t =1,,T bçmndek regresyon modelnde, 11
12 y y, 0, Tobt Model βx βx u u (2) no lu Tobt Modelnde βx u 0 olduğunda üzernde bazı gözlemler sıfır değern almaktadır. y X u 0 0 modelnde negatf veya sıfır değern alan y gözlemler hmal edldğnde, u >-X çn gözlemlern modele katılması le u hata term sıfır ortalamaya sahp olamaz. (2) y 12
13 Tobt Model Bu nedenle u ortalaması sıfırdan farklı br keskl normal dağılıma sahptr. Böylece u IN(0, 2 ) olur ve bu fadetobt modeln verr. 13
14 y t X t Tobt Model e t (3) Yt max{ yt, L} (3) nolu Tobn n Tobt Modelnde y t br görünmeyen değşken, X t açıklayıcı değşkenlern br vektörü, parametreler vektörüdür. e t, normal özdeş ve bağımsız olarak dağılmış rassal kalıntı değşkendr. Y t gözlenen bağımlı değşken ve L sansürlenen noktadır. 14
15 Tobt Model Verler belrl br lmtn altında veya üstünde sınırlandırıldığında, örneklem verlerne uygulanan dağılım, sürekl ve süreksz dağılımların br karması olur. Bağımlı değşken keskl hale getrldğnde, belrl br aralıktak değerler tamamen tek br değere dönüştürülür. 15
16 Tobt modeller çn hata termlernn normal dağıldığı (veya genel olarak parametrk bçml dağılım fonksyonuna sahp olduğu) blndğnde maksmum benzerlk ve dğer benzerlk bazlı süreçler, tutarlı ve asmptotk olarak normal dağılımlı tahmn edcler verr. Bununla beraber, benzerlk fonksyonunun varsayılan parametrk bçm yanlış belrlendğnde tahmn edcler tutarsız olur. Tobt model, belrl br değerde sansürlenmş normal sürekl br bağımlı değşken kullanır. Tobt Model 16
17 Tobt Model Tobt analzde katsayılarının yorumu şöyledr: Sürekl bağımsız değşken çn tüm değşkenler sabt ken x dek br brm artış y de kadar beklenen br değşme yapar. Bağımsız değşken kukla değşkenl se; dğer tüm değşkenler sabt ken x değşkenne sahp olma, y nn beklenen değern kadar değştrr denr. 17
18 Tobt Model Harcamanın negatf olamayacağı gerçeğnden hareketle dayanıklı tüketm malları üzernde çalışan Tobn, hanehalkı harcamalarını analz etmştr. Çalışmada dayanıklı tüketm malları harcaması, hanehalkı gelr belrl br düzey aşana kadar sıfır kabul edlmştr. Başka br örnek emek arzı, ücret oranı belrl br düzey geçene kadar sıfır olarak alınmıştır. 18
19 Tobt Model Br alenn tatle çıkması durumunda alede bulunan brey sayısı ne kadar fazla se yapılan harcamanın da o kadar büyük olması beklenr. Buna karşılık, aley oluşturan brey sayısı ne kadar fazla se alenn tatle çıkma olasılığı da o kadar azdır. 19
20 Tobt Model Kısacası, tatle çıkıp çıkmamayı belrleyen denklem le tatlde ne kadar harcama yapılacağını belrleyen denklem brbrnn aynısı değldr. Amprk modelleme sürec bu farklı k durumu yakalamalıdır. Bunlardan br tanes tatle çıkıp çıkmama ve dğer de tatlde ne kadar harcama yapılacağı le lgldr. Tobt modelnn bu durumu yansıtacak şeklde genelleştrlmes gerekr. 20
21 Teork Olarak Sansürleme Sorunu y*, sansürlenmemş bağımlı değşken olsun. Şekl 1 n A panel: y* ın verlen değernn sıklık oranını gösteren eğrnn yüksek olduğu yerdek y* dağılımını göstermektedr. y* 1 olduğunda, taralı bölgeye karşılık gelen y* değer blnmyorsa, o zaman, y* gözlemlenemeyen ancak görülmez olarak var olduğu blnen br değşken (latent varable) olarak kabul edlr. Sansürlü y değşken (1) denklemnde gösterlen şeklde tanımlanır. 21
22 Teork Olarak Sansürleme Sorunu y y * 0 y y * * 1 1 y* 1 y*, sansürlenmemş bağımlı değşken 22
23 Teork Olarak Sansürleme Sorunu B Panel: Sıfırda yığılmış sansürlü durumlardak sansürlü y değşkenn göstermektedr. Buradak çubuk, Panel A dak gölgelendrlmş bölgedek durumları çermektedr. C Panel : Panel A dak gölgel bölgenn bastçe slnmş hal olan keskl y y>1 (yan verlen y, 1 den büyük, y>1) değşkennn şemasıdır. 23
24 Teork Olarak Sansürleme Sorunu Sansür ve kesmenn doğrusal regresyon modeln etkleyp nasıl değştrdğn görmek çn, doğrusal regresyon modelnn Şekl 2 de A Panel sansürsüz 200 örneğ göstermş olsun. 24
25 Teork Olarak Sansürleme Sorunu sansürsüz 200 örnek * yˆ EKKY x Şekl 2 X Şekl 2 Buradak kalın çzg en küçük kareler le tahmn edlen modeldr. Sansür çzgsnn altındak verlernde dahl olduğu tüm verler le çalışılmaktadır. 25
26 Teork Olarak Sansürleme Sorunu Şekl 3 26
27 Teork Olarak Sansürleme Sorunu Panel B de: 1 e eşt ya da 1 den düşük olan y* değerler, sansürlü durumlarda y=0 le sansürlenmştr. Panel A da sansür çzgsnn altındak değerler blnrken, burada söz konusu değerler sıfırla sansürlenmştr. Bunlar küçük üçgenlerle gösterlmştr. Parametreler tahmn etmenn br yolu sıfırlı blglern de olduğu sansürlü verlerle y nn x e göre regresyonuna en küçük kareler yöntem uygulamaktır.
28 Teork Olarak Sansürleme Sorunu Ortaya çıkan sonuç, yˆ x. Şekl 3 de görülen Panel B dek uzun atılımlı çzgdr. Burada sabt termn eksk ve eğmn se aşırı tahmnlenmes durumu ortaya çıkmaktadır. Bu tür yaklaşım tutarsız tahmnclere yol açmaktadır. 28
29 Teork Olarak Sansürleme Sorunu Sansürlü gözlemler problemlere yol açtığından, sansürlenmş bağımlı değşken durumlarından kaçınmak çn örneklemn kesldkten sonrak regresyonunu tahmn etmek çn yne en küçük kareler kullanılablr. Bu durumda sansür sorunu, keskl örnek sorununa dönüşmektedr. 29
30 Teork Olarak Sansürleme Sorunu y=0 olduğu durumları attıktan sonra keskl model en küçük kareler le yˆ x olarak tahmnlenmektedr. Bu tahmn sabt term aşırı, eğm katsayısını eksk tahmn eder. Bu durum Şekl 3 de kısa eğml çzgyle görülmektedr. Keskl modelde x le e arasındak lşk tutarsız tahmnlere yol açar. 30
31 Tobt Modellerde Sansürleme Sorunu Tobt model tahmn etmede üçüncü yaklaşım, sansürlü regresyon modeldr. Tobt model, sansürlü blgy de çeren tüm verler kullanmakta ve tutarlı parametrelern tahmnlenmesn sağlamaktadır. Tobt modelde en çok benzerlk tahmnler koyu çzgyle gösterlmştr(şekl 3). Bu çzg sansürün olmadığı Panel A dak tahmnlere (onları belrten çzgden) benzerdr. 31
32 Sansürlü Sonuçlarda Tobt Model Tobt modelde e ~ N (0, 2 ) olduğunda denklem yapısı şöyledr: y x e * t:eşk değer x ler her durumda gözlemlenmektedr. y* se; eşk değer olan t dan daha büyük değerlerde görülen, t ya eşt yada daha küçük değerlerde sansürlenen, görünmeyen br değşkendr. (4) 32
33 33 Gözlemlenen y, aşağıdak denklem le tanımlanır: t t t * * *,, y y y y y (5) Sansürlü Sonuçlarda Tobt Model.,, * * * se y se y x y y y t t t e (6) (4) ve (5) denklemlernn brleştrlmes le: Yukarıdak modellerde br sansürleme olması durumunda Tobt model kullanılablr.
34 Sansürlü Sonuçlarda Tobt Model Örnek: $ ve fazla olan gelrlere sansür konursa bu durumda Tobt model şöyle gerçekleşecektr: t $ y y t y * x e,, y y * * t t se se. (7) 34
35 Tobt ve Probt Arasındak Bağlantı Tobt ve Probtn yapısal modeller benzer ancak modeller brbrnden farklıdır. Tobt modelnde y*> t ken bağımlı değşkenn gözlenen değerler blnmektedr. Probt modelnde sadece y*> t se y br değern almaktadır. Ancak verler eşğn (t) altında se blnmemektedr ve y sıfır kabul edlmektedr. Tobt model hakkında daha fazla blg mevcuttur.tobt modelden elde edlen katsayı tahmnlernn, Probt modelden elde edlenden daha etkn çıkması beklenmektedr. 35
36 Tobt Model le EKKY nn Br Örnekle Karşılaştırılması Br Monte Carlo deney çn elde edlen regresyon model aşağıdadır: Y X u (8) Burada X, 11 le 60 arasında değşen tam sayılardan oluşmaktadır. Hata term u se, ortalaması 0, standart sapması 10 olan normal dağılmış br şans değşkendr. Eğer Y sınırlanmamış se, tüm gözlemler Şekl 4 dek gbdr. 36
37 Tobt Model le EKKY nn Br Örnekle Karşılaştırılması Şekl 4 37
38 Tobt Model le EKKY nn Br Örnekle Karşılaştırılması Y değşken çn negatf değerler alınmaz ve sıfır sınırı konursa, gözlemler Şekl 5 dek gb değşklğe uğrar. Şekl 5 38
39 Tobt Model le EKKY nn Br Örnekle Karşılaştırılması EKKY le elde edlen regresyon modelnde, Y değşken çn negatf değerler alınmadığı ve bunun yerne 0 değerler alındığı çn tutarsız tahmnler elde edlr. Böylece tahmnc aşağı doğru eğm gösteren br sapmaya sahp olurken, sabt term de yukarı doğru sapmalı elde edlecektr. Bunun çözümü, sadece sınırlandırılmamış gözlemlern br alt örneklem le mümkün olmaktadır. Fakat bu durumda ble EKK tahmncler sapmalı olacaktır. 39
40 Tobt Model le EKKY nn Br Örnekle Karşılaştırılması Y >0 olduğu durumda model: X + u > 0 (9) şeklnde elde edlr. Buradan; u > X bulunur. (10) 40
41 Tobt Model le EKKY nn Br Örnekle Karşılaştırılması u nn dağılımı keskl br dağılımdır. u nn beklenen değer poztf ve X nn negatf br fonksyonu olacaktır. u le X arasında negatf br lşk olduğundan Gauss-Markov teorem çğnenecek ve EKK tahmncler tutarsız olacaktır. Şekl 6 41
42 Tobt Model le EKKY nn Br Örnekle Karşılaştırılması Şekl 7 de bu lşknn etks açıkça görülmektedr. X n en düşük dört gözlem değerne karşılık gelen hata termlernn (dört hata term) değerler poztftr. Y y poztf yapmak çn yeterl büyüklükte olacaklardır. Ancak, stokastk olmayan Y bleşmn poztf yapacak kadar büyük değerlern bulunduğu aralıkta, büyük negatf değerlere sahp olan hata terml gözlemler atılmıştır. 42
43 Tobt Model le EKKY nn Br Örnekle Karşılaştırılması Şekl 7 de bu üç negatf hata termnn değerler dare şeklnde görülmeltedr. Bunun EKK dek etkler, sabt termn olduğundan büyük ve eğmn olduğundan küçük tahmnlenmes şeklnde olacaktır Şekl 7 43
44 Tobt Model le EKKY nn Br Örnekle Karşılaştırılması Eğer normal dağılıma sahp br hata term elde edldğ varsayılırsa, bu problemn tek çözümü, regresyon analz le probt analznn brleşmnden oluşan en çok benzerlk tahmn teknğ olarak blnen tobt analzn kullanmaktır. Hanelern htyaçları çn yapmış olduğu harcamalar, Tüketc Harcamaları Anket ver setnden br örnek alınarak ncelenecektr. 44
45 Tobt Model le EKKY nn Br Örnekle Karşılaştırılması Şekl 8 de hanehalkı htyaç harcamaları (HEQ) le toplam hanehalkı harcamaları (EXP) grafk olarak gösterlmştr. 869 haneden 86 hanenn hanehalkı htyaçları harcaması sıfır değern almıştır, yan bu haneler hanehalkı htyaçları çn hçbr harcamada bulunmamışlardır. 45
46 Tobt Model le EKKY nn Br Örnekle Karşılaştırılması Hanehalkı İhtyaçları Harcaması ($) Hanehalkı Harcaması ($) Şekl 8 46
47 Tobt Model le EKKY nn Br Örnekle Karşılaştırılması Aşağıda bu verlere uygulanan tobt regresyon sonucu verlmştr: HEQ= -661, , EXP (11) s(b ) (97,95977) (0, ) t (-6,756) (19,273) Prob (0,0000) (0,0000) N: 869 ch 2 (Prob): 315,41 (0,0000) Pseudo R 2 : 0,0223 Log Lkelhood: -6911,0175 Gözlemler çn özet sonuç: HEQ<=0 da soldan-sansürlü 86 gözlem Sansürlenmş 783 gözlem 47
48 Tobt Model le EKKY nn Br Örnekle Karşılaştırılması Eğer bu verlerden önce sıfır değerl gözlemler çeren (N=869) modele EKKY uygulanırsa eğm katsayısı sonrasında da sıfır değerl gözlemler çermeyen ver set (N=783) alınıp EKKY uygulanırsa, eğm katsayısı olarak bulunacaktır. Tobt modelde eğm katsayısını bulmuştu. 48
49 Tobt Model le EKKY nn Br Örnekle Karşılaştırılması Her k tahmn edlen eğm katsayıları beklendğ şeklde tobt tahmn le bulunan eğm katsayılarından daha düşük değerl elde edlmştr. Bu durumda aradak fark sadece %10 kadar br sınırdadır. Bu da Tobt ve EKKY tahmnler arasında çok düşük br fark olduğunu gösterr. 49
50 Tobt Model le EKKY nn Br Örnekle Karşılaştırılması Eğer hata term normal dağılımlı değlse ve değşen varyans varsa Tobt regresyon uygulandığında tutarsız tahmncler elde edlecektr. Şekl 8 den de görüldüğü üzere, örnektek gözlemler değşen varyansa neden olmaktadır. Bu da bağımlı değşkenn hanehalkı htyaçları harcamasının, hanehalkı toplam harcamasının oranı olarak uygulanmasıyla muhtemelen ortadan kaldırılablr.
51 Seçm Yanlılığı Regresyon modeller tahmnlernde örneklemenn yaklaşık olarak tesadüf yapıldığı varsayılmaktadır. Bu konuda yakın geçmş lteratür ncelendğnde tesadüf olmadan seçlen örneklemler çn regresyon model tahmnlemenn öneml br yer oluşturduğu görülmektedr. Örneklem tesadüf olsa ble bağımlı değşken kayıp değerler çeryorsa seçm yanlılığından bahsedleblr. 51
52 Seçm Yanlılığı Ekonometrde hmal edlen değşkenler veya spesfkasyon hatası çn alışılmış analzlern aksne örnek seçm yanlılığı analznde, spesfkasyon hatasını arttıran değşkenlern tahmn edlmes bazen mümkündür. Uygulamada, seçm yanlılığı k nedenle ortaya çıkablr. Brncs, kşlern breysel seçmlernden veya ncelenen ver brmlernden, kncs se analstlern ya da ver şlemclern kşsel örnek seçm kararlarından kaynaklanablr.
53 Seçm Yanlılığı Breysel seçm sapması konusunda br çok örnek vardır. Evl kadınların şgücüne katılımlarında, kadınların bazıları pyasa ücretler, ev ücretlern (rezervasyon ücretlern) geçtğ zaman şgücüne katılmayı terch edecektr. Eğer sadece çalışan evl kadınların ücretler ncelemeye alınırsa burada seçm yanlılığı yapılmış olacaktır.
54 Seçm Yanlılığı Benzer olarak, sendkalı ve sendkasız çalışan breylern olduğu ver grubunda sendkanın ücretlere olan etksn tahmnlemede de seçm yanlılığı söz konusudur. Eğer sadece sendkalı breylern ücretler ncelemeye alınırsa burada da seçm yanlılığı yapılmış olacaktır. Ayrıca sadece göç edenlern ücretler analz edldğnde, göç etmemş olanların göç etmş olmaları durumunda kazanablecekler ücretlern güvenlr br tahmn olamaz. 54
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
DetaylıÇOKLU 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
DetaylıHAFTA 13. kadın profesörlerin ortalama maaşı E( Y D 1) erkek profesörlerin ortalama maaşı. Kestirim denklemi D : t :
HAFTA 13 GÖLGE EĞİŞKENLERLE REGRESYON (UMMY VARIABLES) Gölge veya kukla (dummy) değşkenler denen ntel değşkenler, cnsyet, dn, ten reng gb hemen sayısallaştırılamayan ama açıklanan değşkenn davranışını
DetaylıKorelasyon ve Regresyon
Korelasyon ve Regresyon 1 Korelasyon Analz İk değşken arasında lşk olup olmadığını belrlemek çn yapılan analze korelasyon analz denr. Korelasyon; doğrusal yada doğrusal olmayan dye kye ayrılır. Korelasyon
DetaylıDoğrusal Korelasyon ve Regresyon
Doğrusal Korelasyon ve Regresyon En az k değşken arasındak lşknn ncelenmesne korelasyon denr. Kşlern boyları le ağırlıkları, gelr le gder, öğrenclern çalıştıkları süre le aldıkları not, tarlaya atılan
DetaylıNİTEL TERCİH MODELLERİ
NİTEL TERCİH MODELLERİ 2300 gözlem sayısı le verlen değşkenler aşağıdak gbdr: calsma: çocuk çalışıyorsa 1, çalışmıyorsa 0 (bağımlı değşken) Anne_egts: Anne eğtm sevyes Baba_egts: Baba eğtm sevyes Kent:
DetaylıFarklı Varyans. Var(u i X i ) = Var(u i ) = E(u i2 ) = σ i2. Eşit Varyans. Hata. Zaman
Farklı Varyans Var(u X ) = Var(u ) = E(u ) = σ Eşt Varyans Y X Farklı Varyans Hata Var(u X ) = Var(u ) = E(u ) = σ Farklı Varyans Zaman Farklı Varyans le Karşılaşılan Durumlar Kest Verlernde. Kar dağıtım
DetaylıKİ-KARE TESTLERİ A) Kİ-KARE DAĞILIMI VE ÖZELLİKLERİ
Kİ-KAR TSTLRİ A) Kİ-KAR DAĞILIMI V ÖZLLİKLRİ Örnekleme yoluyla elde edlen rakamların, anakütle rakamlarına uygun olup olmadığı; br başka fadeyle gözlenen değerlern teork( beklenen) değerlere uygunluk gösterp
DetaylıBÖLÜM 5 İKİ VEYA DAHA YÜKSEK BOYUTLU RASGELE DEĞİŞKENLER İki Boyutlu Rasgele Değişkenler
BÖLÜM 5 İKİ VEYA DAHA YÜKSEK BOYUTLU RASGELE DEĞİŞKENLER 5.. İk Boyutlu Rasgele Değşkenler Br deney yapıldığında, aynı deneyle lgl brçok rasgele değşkenn aynı andak durumunu düşünmek gerekeblr. Böyle durumlarda
DetaylıKİ-KARE TESTLERİ. şeklinde karesi alındığında, Z i. değerlerinin dağılımı ki-kare dağılımına dönüşür.
Kİ-KARE TESTLERİ A) Kİ-KARE DAĞILIMI VE ÖZELLİKLERİ Örnekleme yoluyla elde edlen rakamların, anakütle rakamlarına uygun olup olmadığı; br başka fadeyle gözlenen değerlern teork( beklenen) değerlere uygunluk
DetaylıKİ KARE ANALİZİ. Doç. Dr. Mehmet AKSARAYLI Ki-Kare Analizleri
Kİ KAR ANALİZİ 1 Doç. Dr. Mehmet AKSARAYLI www.mehmetaksarayl K-Kare Analzler OLAY 1: Genelde br statstk sınıfında, öğrenclern %60 ının devamlı, %30 unun bazen, %10 unun se çok az derse geldkler düşünülmektedr.
DetaylıSabit Varyans. Var(u i X i ) = Var(u i ) = E(u i2 ) = s 2
X Sabt Varyans Y Var(u X ) = Var(u ) = E(u ) = s Eşt Varyans EKKY nn varsayımlarından br anakütle regresyon fonksyonu u lern eşt varyanslı olmasıdır Her hata term varyansı bağımsız değşkenlern verlen değerlerne
DetaylıFarklı 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
DetaylıSıklık Tabloları ve Tek Değişkenli Grafikler
Sıklık Tabloları ve Tek Değşkenl Grafkler Sıklık Tablosu Ver dzsnde yer alan değerlern tekrarlama sayılarını çeren tabloya sıklık tablosu denr. Sıklık Tabloları tek değşken çn marjnal tablo olarak adlandırılır.
DetaylıBÖLÜM 1 1.GİRİŞ: İSTATİSTİKSEL DOĞRUSAL MODELLER
BÖLÜM 1 1.GİRİŞ: İSTATİSTİKSEL DOĞRUSAL MODELLER Blmn amaçlarından br yaşanılan doğa olaylarını tanımlamak ve olayları önceden tahmnlemektr. Bu amacı başarmanın yollarından br olaylar üzernde etkl olduğu
Detaylıdir. Bir başka deyişle bir olayın olasılığı, uygun sonuçların sayısının örnek uzaydaki tüm sonuçların sayısına oranıdır.
BÖLÜM 3 OLASILIK HESABI 3.. Br Olayın Olasılığı Tanım 3... Br olayın brbrnden ayrık ve ortaya çıkma şansı eşt n mümkün sonucundan m tanes br A olayına uygun se, A olayının P(A) le gösterlen olasılığı P(A)
DetaylıX, R, p, np, c, u ve diğer kontrol diyagramları istatistiksel kalite kontrol diyagramlarının
1 DİĞER ÖZEL İSTATİSTİKSEL KALİTE KONTROL DİYAGRAMLARI X, R, p, np, c, u ve dğer kontrol dyagramları statstksel kalte kontrol dyagramlarının temel teknkler olup en çok kullanılanlarıdır. Bu teknkler ell
DetaylıSEK Yönteminin Güvenilirliği Sayısal Bir Örnek. Ekonometri 1 Konu 11 Sürüm 2,0 (Ekim 2011)
İk Değşkenl Bağlanım Model SEK Yöntemnn Güvenlrlğ Ekonometr 1 Konu 11 Sürüm,0 (Ekm 011) UADMK Açık Lsans Blgs İşbu belge, Creatve Commons Attrbuton-Non-Commercal ShareAlke 3.0 Unported (CC BY-NC-SA 3.0)
DetaylıUYGULAMA 2. Bağımlı Kukla Değişkenli Modeller
UYGULAMA 2 Bağımlı Kukla Değşkenl Modeller Br araştırmacı Amerka da yüksek lsans ve doktora programlarını kabul ednlmey etkleyen faktörler ncelemek stemektedr. Bu doğrultuda aşağıdak değşkenler ele almaktadır.
DetaylıEKONOMETRİYE GİRİŞ II ÖDEV 4 ÇÖZÜM
EKONOMETRİYE GİRİŞ II ÖDEV 4 ÇÖZÜM (Örgün e İknc Öğretm çn) 1. 754 hanehalkına at DOMerset sml Excel dosyasında yer alan erler kullanarak tahmnlenen DOM sonuçları: Dependent Varable: CALISANKADIN Sample:
DetaylıİKİ DEĞİŞKENLİ BASİT DOĞRUSAL REGRESYON MODELİ
İKİ DEĞİŞKENLİ BASİT DOĞRUSAL REGRESON MODELİ Regresyon le ( ler) arasındak ortalama lşknn matematk fonksyonla fadesdr. f ( ) b b Bu lşk eğrselde olablr. Ortalama lşk aşağıdak gb fade edlr: E( ) f ( )
Detaylı1. KEYNESÇİ PARA TALEBİ TEORİSİ
DERS NOTU 07 KEYNESÇİ PARA TALEBİ TEORİSİ, LM EĞRİSİ VE PARA TALEBİ FAİZ ESNEKLİĞİ Bugünk dersn çerğ: 1. KEYNESÇİ PARA TALEBİ TEORİSİ... 1 1.1 İŞLEMLER (MUAMELELER) TALEBİ... 2 1.2 ÖNLEM (İHTİYAT) TALEBİ...
Detaylıkadar ( i. kaynağın gölge fiyatı kadar) olmalıdır.
KONU : DUAL MODELİN EKONOMİK YORUMU Br prmal-dual model lşks P : max Z cx D: mn Z bv AX b AV c X 0 V 0 bçmnde tanımlı olsun. Prmal modeln en y temel B ve buna lşkn fyat vektörü c B olsun. Z B B BB c X
DetaylıSorunun varlığı durumunda hata terimi varyans-kovaryans matrisi Var, Cov(u) = E(uu') = σ 2 I n şeklinde yazılamıyor fakat
8. DEĞİŞEN VARYANS SORUNU (HETEROSCEDASTICITY) 8.. Değşen Varyans Sorunu Nedr? Matrslerle yan Y = β u Y = β β β 3 3 β k k u, = n genel doğrusal modeln ele alalım. Hata term çn yapılan varsayımlardan brs
DetaylıÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ ÇOKLU İÇ İLİŞKİ VE EKOLOJİK REGRESYON İSTATİSTİK ANABİLİM DALI
ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ Berrn GÜLTAY YÜKSEK LİSANS TEZİ ÇOKLU İÇ İLİŞKİ VE EKOLOJİK REGRESYON İSTATİSTİK ANABİLİM DALI ADANA, 9 ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ ÇOKLU
DetaylıMerkezi Eğilim (Yer) Ölçüleri
Merkez Eğlm (Yer) Ölçüler Ver setn tanımlamak üzere kullanılan ve genellkle tüm elemanları dkkate alarak ver setn özetlemek çn kullanılan ölçülerdr. Ver setndek tüm elemanları temsl edeblecek merkez noktasına
DetaylıSürekli Olasılık Dağılım (Birikimli- Kümülatif)Fonksiyonu. Yrd. Doç. Dr. Tijen ÖVER ÖZÇELİK
Sürekl Olasılık Dağılım Brkml- KümülatFonksyonu Yrd. Doç. Dr. Tjen ÖVER ÖZÇELİK tover@sakarya.edu.tr Sürekl olasılık onksyonları X değşken - ;+ aralığında tanımlanmış br sürekl rassal değşken olsun. Aşağıdak
DetaylıALGILANAN HİZMET KALİTESİ VE LOJİSTİK REGRESYON ANALİZİ İLE HİZMET TERCİHİNE ETKİSİNİN BELİRLENMESİ. Özet
Dokuz Eylül Ünverstes Sosyal Blmler Ensttüsü Dergs Yayın Gelş Tarh: 18.02.2011 Clt: 13, Sayı: 1, Yıl: 2011, Sayfa: 21-37 Yayına Kabul Tarh: 17.03.2011 ISSN: 1302-3284 ALGILANAN HİZMET KALİTESİ VE LOJİSTİK
DetaylıSEK Tahmincilerinin Arzulanan Özellikleri. SEK Tahmincilerinin Arzulanan Özellikleri. Ekonometri 1 Konu 9 Sürüm 2,0 (Ekim 2011)
SEK Tahmnclernn Arzulanan Özellkler İk Değşkenl Bağlanım Model SEK Tahmnclernn Arzulanan Özellkler Ekonometr 1 Konu 9 Sürüm 2,0 (Ekm 2011) http://www.ackders.org.tr SEK Tahmnclernn Arzulanan Özellkler
DetaylıHİSSE SENETLERİNİN BEKLENEN GETİRİ VE RİSKLERİNİN TAHMİNİNDE ALTERNATİF MODELLER
İstanbul Ünverstes İktsat Fakültes Malye Araştırma Merkez Konferansları 47. Ser / Yıl 005 Prof. Dr. Türkan Öncel e Armağan HİSSE SENETLERİNİN BEKLENEN GETİRİ VE RİSKLERİNİN TAHMİNİNDE ALTERNATİF MODELLER
DetaylıYARIPARAMETRİK KISMİ DOĞRUSAL PANEL VERİ MODELLERİYLE ULUSLAR ARASI GÖÇ
Özet YARIPARAMETRİK KISMİ DOĞRUSAL PANEL VERİ MODELLERİYLE ULUSLAR ARASI GÖÇ Atıf EVREN *1 Elf TUNA ** Yarı parametrk panel ver modeller parametrk ve parametrk olmayan modeller br araya getren; br kısmı
Detaylıbir yol oluşturmaktadır. Yine i 2 , de bir yol oluşturmaktadır. Şekil.DT.1. Temel terimlerin incelenmesi için örnek devre
Devre Analz Teknkler DEE AAĐZ TEKĐKEĐ Bu zamana kadar kullandığımız Krchoffun kanunları ve Ohm kanunu devre problemlern çözmek çn gerekl ve yeterl olan eştlkler sağladılar. Fakat bu kanunları kullanarak
DetaylıBağımlı 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
DetaylıİSTATİSTİK DERS NOTLARI
Balıkesr Ünverstes İnşaat Mühendslğ Bölüü uutokkan@balkesr.edu.tr İSTATİSTİK DERS OTLARI Yrd. Doç. Dr. Uut OKKA Hdrolk Anabl Dalı Balıkesr Ünverstes Balıkesr Ünverstes İnşaat Mühendslğ Bölüü İnşaat Mühendslğ
DetaylıPARAMETRİK OLMAYAN HİPOTEZ TESTLERİ Kİ-KARE TESTLERİ
PARAMETRİK OLMAYAN HİPOTEZ TESTLERİ Kİ-KARE TESTLERİ 1 Populasyonun nceledğmz br özellğnn dağılışı blenen dağılışlardan brsne, Normal Dağılış, t Dağılışı, F Dağılışı, gb br dağılışa uygun olduğu durumlarda
DetaylıKIRMIZI, TAVUK VE BEYAZ ET TALEBİNİN TAM TALEP SİSTEMİ YAKLAŞIMIYLA ANALİZİ
Süleyman Demrel Ünverstes Sosyal Blmler Ensttüsü Dergs Yıl: 2007/2, Sayı: 6 Journal of Suleyman Demrel Unversty Insttue of Socal Scences Year: 2007/2, Number: 6 KIRMIZI, TAVUK VE BEYAZ ET TALEBİNİN TAM
DetaylıTek Yönlü Varyans Analizi (ANOVA)
VARYANS ANALİZİ İ örne ortalaması arasında farın önem ontrolü, örne büyülüğüne göre z veya testlernden bryle yapılır. Bu testlerle, den fazla örne ortalamasını brlte test etme ve aralarında farın önem
DetaylıREGRESYON ANALİZİ BÖLÜM 1-2
REGRESYON ANALİZİ BÖLÜM 1- Yayın Tarh: 17-08-008 REGRESYON ANALİZİ NEDİR? MODELLEME 1. GİRİŞ İstatstk blmnn temel lg alanlarından br: br şans değşkennn davranışının br model kullanılarak tahmnlenmesdr.
Detaylı2.7 Bezier eğrileri, B-spline eğrileri
.7 Bezer eğrler, B-splne eğrler Bezer eğrler ve B-splne eğrler blgsaar grafklernde ve Blgsaar Destekl Tasarım (CAD) ugulamalarında çok kullanılmaktadır.. B-splne eğrler sadece br grup ver noktası çn tanımlanan
DetaylıMakine Öğrenmesi 10. hafta
Makne Öğrenmes 0. hafta Lagrange Optmzasonu Destek Vektör Maknes (SVM) Karesel (Quadratc) Programlama Optmzason Blmsel term olarak dlmze geçmş olsa da bazen en leme termle karşılık bulur. Matematktek en
DetaylıANTALYA DA OBEZİTE YAYGINLIĞI VE DÜZEYİNİ ETKİLEYEN SOSYO-EKONOMİK DEĞİŞKENLER
Akdenz İ.İ.B.F. Dergs (21) 2011, 17-45 ANTALYA DA OBEZİTE YAYGINLIĞI VE DÜZEYİNİ ETKİLEYEN SOSYO-EKONOMİK DEĞİŞKENLER PREVALENCE AND SOCIOECONOMICS DETERMINANTS OF ADULTS OBESITY IN ANTALYA Arş. Gör. F.
DetaylıTÜKETĠCĠLERĠN FĠYAT BĠLĠNCĠ ÜZERĠNDE ETKĠLĠ OLAN FAKTÖRLERE ĠLĠġKĠN BĠR ĠNCELEME
Ġstanbul Ünverstes Ġktsat Fakültes Malye AraĢtırma Merkez Konferansları 46. Ser / Yıl 2004 Prof. Dr. Salh Turhan'a Armağan TÜKETĠCĠLERĠN FĠYAT BĠLĠNCĠ ÜZERĠNDE ETKĠLĠ OLAN FAKTÖRLERE ĠLĠġKĠN BĠR ĠNCELEME
DetaylıDeney No: 2. Sıvı Seviye Kontrol Deneyi. SAKARYA ÜNİVERSİTESİ Dijital Kontrol Laboratuvar Deney Föyü Deneyin Amacı
SRY ÜNİVERSİESİ Djtal ontrol Laboratuvar Deney Föyü Deney No: 2 Sıvı Sevye ontrol Deney 2.. Deneyn macı Bu deneyn amacı, doğrusal olmayan sıvı sevye sstemnn belrlenen br çalışma noktası cvarında doğrusallaştırılmış
DetaylıYAŞAM ÇÖZÜMLEMESİNDE AYKIRI DEĞERLER OUTLIERS IN SURVIVAL ANALYSIS
YAŞAM ÇÖZÜMLEMESİNDE AYKIRI DEĞERLER OUTLIERS IN SURVIVAL ANALYSIS NURAY TUNCER PROF. DR. DURDU KARASOY Tez Danışmanı Hacettepe Ünverstes Lsansüstü Eğtm-Öğretm Yönetmelğnn İstatstk Anablm Dalı İçn Öngördüğü
DetaylıA İSTATİSTİK. 4. X kesikli rasgele (random) değişkenin moment çıkaran. C) 4 9 Buna göre, X in beklenen değeri kaçtır?
. Br torbada 6 syah, 4 beyaz top vardır. Bu torbadan yerne koyarak top seçlyor. A İSTATİSTİK KPSS/-AB-PÖ/006. Normal dağılıma sahp br rasgele (random) değşkenn varyansı 00 dür. Seçlen topların ksnn de
DetaylıÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ
ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ Gülesen ÜSTÜNDAĞ BAZI PARAMETRİK OLMAYAN İSTATİSTİKSEL YÖNTEMLERİN İNCELENMESİ İSTATİSTİK ANABİLİM DALI ADANA, 005 ÇUKUROVA ÜNİVERSİTESİ
DetaylıBANKACILIKTA ETKİNLİK VE SERMAYE YAPISININ BANKALARIN ETKİNLİĞİNE ETKİSİ
BANKACILIKTA ETKİNLİK VE SERMAYE YAPISININ BANKALARIN ETKİNLİĞİNE ETKİSİ Yrd. Doç. Dr. Murat ATAN - Araş. Gör. Gaye KARPAT ÇATALBAŞ 2 ÖZET Bu çalışma, Türk bankacılık sstem çnde faalyet gösteren tcar bankaların
DetaylıKALĐTE ARTIŞLARI VE ENFLASYON: TÜRKĐYE ÖRNEĞĐ
Central Bank Revew Vol. 11 (January 2011), pp.1-9 ISSN 1303-0701 prnt / 1305-8800 onlne 2011 Central Bank of the Republc of Turkey http://www.tcmb.gov.tr/research/revew/ KALĐTE ARTIŞLARI VE ENFLASYON:
DetaylıENDÜSTRİNİN DEĞİŞİK İŞ KOLLARINDA İHTİYAÇ DUYULAN ELEMANLARIN YÜKSEK TEKNİK EĞİTİM MEZUNLARINDAN SAĞLANMASINDAKİ BEKLENTİLERİN SINANMASI
V. Ulusal Üretm Araştırmaları Sempozyumu, İstanbul Tcaret Ünverstes, 5-7 Kasım 5 ENDÜSTRİNİN DEĞİŞİK İŞ KOLLARINDA İHTİYAÇ DUYULAN ELEMANLARIN YÜKSEK TEKNİK EĞİTİM MEZUNLARINDAN SAĞLANMASINDAKİ BEKLENTİLERİN
DetaylıMIT Açık Ders Malzemeleri Bu materyallerden alıntı yapmak veya Kullanım Koşulları hakkında bilgi almak için
MIT Açık Ders Malzemeler http://ocm.mt.edu Bu materyallerden alıntı yapmak veya Kullanım Koşulları hakkında blg almak çn http://ocm.mt.edu/terms veya http://tuba.açık ders.org.tr adresn zyaret ednz. 18.102
Detaylı5.3. Tekne Yüzeylerinin Matematiksel Temsili
5.3. Tekne Yüzeylernn atematksel Temsl atematksel yüzey temslnde lk öneml çalışmalar Coons (53) tarafından gerçekleştrlmştr. Ferguson yüzeylernn gelştrlmş hal olan Coons yüzeylernde tüm sınır eğrler çn
DetaylıREGRESYON ANALİZİ BÖLÜM 5-6
REGRESYON ANALİZİ BÖLÜM 5-6 Yayın Tarh: 03-11-2007 Revzyon No:0 1 5. E.K.K. REGRESYONUNDA KARŞILAŞILAN PROBLEMLER VE BAZI KONU BAŞLIKLARI 2 1 EN KÜÇÜK KARELERDE KARŞILAŞILAN PROBLEMLER EKK da karşılaşılan
DetaylıUYUM ĐYĐLĐĞĐ TESTĐ. 2 -n olup. nin dağılımı χ dir ve sd = (k-1-p) dir. Burada k = sınıf sayısı, p = tahmin edilen parametre sayısıdır.
UYUM ĐYĐLĐĞĐ TESTĐ Posson: H o: Ver Posson dağılıma sahp br ktleden gelmektedr. H a : Ver Posson dağılıma sahp br ktleden gelmemektedr. Böyle br hpotez test edeblmek çn, önce Posson dağılım parametres
DetaylıELM201 ELEKTRONİK-I DERSİ LABORATUAR FÖYÜ
T SAKAYA ÜNİESİTESİ TEKNOLOJİ FAKÜLTESİ ELEKTİK-ELEKTONİK MÜHENDİSLİĞİ ELM201 ELEKTONİK- DESİ LAOATUA FÖYÜ DENEYİ YAPTAN: DENEYİN AD: DENEY NO: DENEYİ YAPANN AD ve SOYAD: SNF: OKUL NO: DENEY GUP NO: DENEY
DetaylıKENTSEL ALANDA ET TALEP ANALİZİ: BATI AKDENİZ BÖLGESİ ÖRNEĞİ. Dr. Ali Rıza AKTAŞ 1 Dr. Selim Adem HATIRLI 2
Journal of Yasar Unversty 2010 3294-3319 KENTSEL ALANDA ET TALEP ANALİZİ: BATI AKDENİZ BÖLGESİ ÖRNEĞİ Dr. Al Rıza AKTAŞ 1 Dr. Selm Adem HATIRLI 2 ÖZET Bu çalışmada, Batı Akdenz Bölges kent merkezlernde
DetaylıFARKLI VERİ YAPILARINDA KULLANILABİLECEK REGRESYON YÖNTEMLERİ
Anadolu Tarım Blm. Derg., 203,28(3):68-74 Anadolu J Agr Sc, 203,28(3):68-74 do: 0.76/anaas.203.28.3.68 URL: htt://dx.do.org/0.76/anaas.203.28.3.68 Derleme Revew FARKLI VERİ YAPILARINDA KULLANILABİLECEK
DetaylıYER 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,
DetaylıCalculating the Index of Refraction of Air
Ankara Unversty Faculty o Engneerng Optcs Lab IV Sprng 2009 Calculatng the Index o Reracton o Ar Lab Group: 1 Teoman Soygül Snan Tarakçı Seval Cbcel Muhammed Karakaya March 3, 2009 Havanın Kırılma Đndsnn
Detaylıİyi Tarım Uygulamaları Ve Tüketici Davranışları (Logit Regresyon Analizi)(*)
Gazosmanpaşa Ünverstes Zraat Fakültes Dergs Journal of Agrcultural Faculty of Gazosmanpasa Unversty http://zraatderg.gop.edu.tr/ Araştırma Makales/Research Artcle JAFAG ISSN: 1300-2910 E-ISSN: 2147-8848
DetaylıÇOK DEĞİŞKENLİ OLASILIK DAĞILIMLARI
Bölüm 6 ÇOK DEĞİŞKENLİ OLASILIK DAĞILIMLARI Öncek bölümlerde tek-boutlu örnek uzalarla lgl rastgele değşkenler ve bu değşkenlern olasılık dağılımları ncelenmştr. Başka br anlatımla "br tek" rastgele değşkenle
DetaylıTek Yönlü Varyans Analizi
Tek Yönlü Varyan Analz Nedr ve hang durumlarda kullanılır? den fazla grupların karşılaştırılmaı öz konuu e, çok ayıda t-tet nn kullanılmaı, Tp I hatanın artmaına yol açar; Örneğn, eğer 5 grubu kşerl olarak
DetaylıMal Piyasasının dengesi Toplam Talep tüketim, yatırım ve kamu harcamalarının toplamına eşitti.
B.E.A. Mal Hzmet Pyasaları le Fnans Pyasalarının Ortak Denges Mal Pyasası Denges: (IS-LM) Model Mal Pyasasının denges Toplam Talep tüketm, yatırım ve kamu harcamalarının toplamına eştt. = C(-V)+I+G atırımlar
DetaylıSAYISAL ANALİZ. Doç.Dr. Cüneyt BAYILMIŞ. Sayısal Analiz. Doç.Dr. Cüneyt BAYILMIŞ
SAYISAL ANALİZ Doç.Dr. Cüneyt BAYILMIŞ Doç.Dr. Cüneyt BAYILMIŞ Sayısal Analz SAYISAL ANALİZ SAYISAL TÜREV Numercal Derentaton Doç.Dr. Cüneyt BAYILMIŞ Sayısal Analz İÇİNDEKİLER Sayısal Türev Ger Farklar
DetaylıTürkiye Cumhuriyet Merkez Bankası Sayı: 2010-17 / 20 Aralık 2010 EKONOMİ NOTLARI. Kalite Artışları ve Enflasyon: Türkiye Örneği
Türkye Cumhuryet Merkez Bankası Sayı: 2010-17 / 20 Aralık 2010 EKONOMİ NOTLARI Kalte Artışları ve Enflasyon: Türkye Örneğ Yavuz Arslan Evren Certoğlu Abstract: In ths study, average qualty growth and upward
DetaylıTEMEL DEVRE KAVRAMLARI VE KANUNLARI
TDK Temel Devre Kavramları ve Kanunları /0 TEMEL DEVRE KAVRAMLARI VE KANUNLARI GĐRĐŞ: Devre analz gerçek hayatta var olan fzksel elemanların matematksel olarak modellenerek gerçekte olması gereken sonuçların
DetaylıTEKNOLOJİ, PİYASA REKABETİ VE REFAH
TEKNOLOJİ, PİYASA REKABETİ VE REFAH Dr Türkmen Göksel Ankara Ünverstes Syasal Blgler Fakültes Özet Bu makalede teknoloj sevyesnn pyasa rekabet ve refah sevyes üzerndek etkler matematksel br model le ncelenecektr
DetaylıOLASILIĞA GİRİŞ. Biyoistatistik (Ders 7: Olasılık) OLASILIK, TIP ve GÜNLÜK YAŞAMDA KULLANIMI
OLASILIĞA GİRİŞ Yrd. Doç. Dr. Ünal ERKORKMAZ Sakarya Ünverstes Tıp Fakültes Byostatstk Anablm Dalı uerkorkmaz@sakarya.edu.tr OLASILIK, TIP ve GÜNLÜK YAŞAMDA KULLANIMI Br olayındoğal koşullar altında toplumda
DetaylıTürkiye den Yurt Dışına Beyin Göçü: Ampirik Bir Uygulama
ERC Workng Paper n Economc 04/02 January 2004 Türkye den Yurt Dışına Beyn Göçü: Amprk Br Uygulama Aysıt Tansel İktsat Bölümü Orta Doğu Teknk Ünverstes atansel@metu.edu.tr Nl Demet Güngör İktsat Bölümü
DetaylıÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ
ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ Savaş OKUR PARAMETRİK VE PARAMETRİK OLMAYAN BASİT DOĞRUSAL REGRESYON ANALİZ YÖNTEMLERİNİN KARŞILAŞTIRMALI OLARAK İNCELENMESİ ZOOTEKNİ ANABİLİM
DetaylıSUÇ VERİ TABANININ LOJİSTİK REGRESYON ANALİZİ İLE TAHMİNİ: BURSA ÖRNEĞİ Estimating of Crime Database with Logistic Regression Analysis: Bursa Case
SUÇ VERİ TABANININ LOJİSTİK REGRESYON ANALİZİ İLE TAHMİNİ: BURSA ÖRNEĞİ Estmatng of Crme Database wth Logstc Regresson Analyss: Bursa Case Mehmet NARGELEÇEKENLER * B Özet u çalışmada, Bursa Emnyet Müdürlüğünden
DetaylıRasgele Değişken Üretme Teknikleri
Rasgele Değşken Üretme Teknkler Amaç Smülasyon modelnn grdlern oluşturacak örneklern üretlmes Yaygın olarak kullanılan ayrık veya sürekl dağılımların örneklenmes sürecn anlamak Yaygın olarak kullanılan
DetaylıZKÜ Mühendislik Fakültesi - Makine Mühendisliği Bölümü ISI VE TERMODİNAMİK LABORATUVARI Sudan Suya Türbülanslı Akış Isı Değiştirgeci Deney Föyü
ZKÜ Müendslk Fakültes - Makne Müendslğ Bölümü Sudan Suya Türbülanslı Akış Isı Değştrge Deney Föyü Şekl. Sudan suya türbülanslı akış ısı değştrge (H950 Deneyn adı : Boru çnde sudan suya türbülanslı akışta
DetaylıT.C. SELÇUK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ
T.C. SELÇUK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ QUANTILE REGRESYON ve BİR UYGULAMA İlkay ALTINDAĞ YÜKSEK LİSANS TEZİ İSTATİSTİK ANABİLİM DALI Ağustos-1 KONYA Her Hakkı Saklıdır ÖZET YÜKSEK LİSANS TEZİ
DetaylıBilgisayarla Görüye Giriş
Blgsayarla Görüye Grş Ders 8 Görüntü Eşleme Alp Ertürk alp.erturk@kocael.edu.tr Panorama Oluşturma Görüntüler eşlememz / çakıştırmamız gerekmektedr Panorama Oluşturma İk görüntüden özntelkler çıkar Panorama
DetaylıRegresyon ve Korelasyon Analizi. Regresyon Analizi
Regresyo ve Korelasyo Aalz Regresyo Aalz Regresyo Aalz Regresyo aalz, aralarıda sebep-souç lşks bulua k veya daha fazla değşke arasıdak lşky belrlemek ve bu lşky kullaarak o kou le lgl tahmler (estmato)
DetaylıALTERNATİF AKIM DEVRE YÖNTEM VE TEOREMLER İLE ÇÖZÜMÜ
BÖLÜM 6 ALTERNATİF AKIM DEVRE ÖNTEM VE TEOREMLER İLE ÇÖZÜMÜ 6. ÇEVRE AKIMLAR ÖNTEMİ 6. SÜPERPOZİSON TEOREMİ 6. DÜĞÜM GERİLİMLER ÖNTEMİ 6.4 THEVENİN TEOREMİ 6.5 NORTON TEOREMİ Tpak GİRİŞ Alternatf akımın
DetaylıANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ BULANIK HEDONİK REGRESYON. Gökalp Kadri YENTÜR İSTATİSTİK ANABİLİM DALI ANKARA 2011
ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ BULANIK HEDONİK REGRESYON Gökalp Kadr YENTÜR İSTATİSTİK ANABİLİM DALI ANKARA 011 Her hakkı saklıdır ÖZET Yüksek Lsans Tez BULANIK HEDONİK
DetaylıGM-220 MÜH. ÇALIŞ. İSTATİSTİKSEL. Frekans Dağılımı Oluşturma Adımları VERİLERİN SUNUMU. Verilerin Özetlenmesi ve Grafikle Gösterilmesi
VERİLERİN SUNUMU GM-0 MÜH. ÇALIŞ. İSTATİSTİKSEL YÖNTEMLER Br çalışadan elde edlen verler ha ver ntelğndedr. Ha verlerden blg ednek zor ve zaan alıcıdır. Ha verler çok karaşık durudadır. Verlern düzenlenes
DetaylıAsimetri ve Basıklık Ölçüleri Ortalamalara dayanan (Pearson) Kartillere dayanan (Bowley) Momentlere dayanan asimetri ve basıklık ölçüleri
Asmetr ve Basıklık Ölçüler Ortalamalara dayanan (Pearson) Kartllere dayanan (Bowley) omentlere dayanan asmetr ve basıklık ölçüler Yrd. Doç. Dr. Tjen ÖVER ÖZÇELİK tover@sakarya.edu.tr III. Asmetr ve Basıklık
DetaylıAdi Diferansiyel Denklemler NÜMERİK ANALİZ. Adi Diferansiyel Denklemler. Adi Diferansiyel Denklemler
6.4.7 NÜMERİK ANALİZ Yrd. Doç. Dr. Hatce ÇITAKOĞLU 6 Müendslk sstemlernn analznde ve ugulamalı dsplnlerde türev çeren dferansel denklemlern analtk çözümü büük öneme saptr. Sınır değer ve/vea başlangıç
DetaylıÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ
ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS EN KÜÇÜK KARELER, RİDGE REGRESYON VE ROBUST REGRESYON YÖNTEMLERİNDE ANALİZ SONUÇLARINA AYKIRI DEĞERLERİN ETKİLERİNİN BELİRLENMESİ ZOOTEKNİ ANABİLİM
DetaylıREGRESYONDA ETKİLİ GÖZLEMLERİ BELİRLEME YÖNTEMLERİ VE KARŞILAŞTIRMALARI. Can DARICA YÜKSEK LİSANS TEZİ İSTATİSTİK
REGRESYONDA ETKİLİ GÖZLEMLERİ BELİRLEME YÖNTEMLERİ VE KARŞILAŞTIRMALARI Can DARICA YÜKSEK LİSANS TEZİ İSTATİSTİK GAZİ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ ŞUBAT 014 ANKARA Can DARICA tarafından hazırlanan
DetaylıBulanık Mantık ile Hesaplanan Geoid Yüksekliğine Nokta Yüksekliklerinin Etkisi
Harta Teknolojler Elektronk Dergs Clt: 5, No: 1, 2013 (61-67) Electronc Journal of Map Technologes Vol: 5, No: 1, 2013 (61-67) TEKNOLOJİK ARAŞTIRMALAR www.teknolojkarastrmalar.com e-issn: 1309-3983 Makale
DetaylıDevalüasyon, Para, Reel Gelir Değişkenlerinin Dış Ticaret Üzerine Etkisinin Panel Data Yöntemiyle Türkiye İçin İncelenmesi
Dokuz Eylül Ünverstes Sosyal Blmler Ensttüsü Dergs Clt 6, Sayı:4, 2004 Devalüasyon, Para, Reel Gelr Değşkenlernn Dış Tcaret Üzerne Etksnn Panel Data Yöntemyle Türkye İçn İncelenmes Yrd.Doç.Dr.Ercan BALDEMİR*
DetaylıYAŞAM ÇÖZÜMLEMESİNDE ZAYIFLIK MODELLERİ FRAILTY MODELS IN SURVIVAL ANALYSIS
YAŞAM ÇÖZÜMLEMESİNDE ZAYIFLIK MODELLERİ FRAILTY MODELS IN SURVIVAL ANALYSIS DİREN YEĞEN DOÇ. DR. NİHAL ATA TUTKUN Tez Danışmanı Hacettepe Ünverstes Lsansüstü Eğtm-Öğretm ve Sınav Yönetmelğnn İstatstk Anablm
Detaylı( ) 3.1 Özet ve Motivasyon. v = G v v Operasyonel Amplifikatör (Op-Amp) Deneyin Amacı. deney 3
Yıldız Teknk Ünverstes Elektrk Mühendslğ Bölümü Deneyn Amacı İşlemsel kuvvetlendrcnn çalışma prensbnn anlaşılması le çeştl OP AMP devrelernn uygulanması ve ncelenmes. Özet ve Motvasyon.. Operasyonel Amplfkatör
DetaylıDeprem Tepkisinin Sayısal Metotlar ile Değerlendirilmesi (Newmark-Beta Metodu) Deprem Mühendisliğine Giriş Dersi Doç. Dr.
Deprem Tepksnn Sayısal Metotlar le Değerlendrlmes (Newmark-Beta Metodu) Sunum Anahat Grş Sayısal Metotlar Motvasyon Tahrk Fonksyonunun Parçalı Lneer Interpolasyonu (Pecewse Lnear Interpolaton of Exctaton
DetaylıÖZET Yüksek Lsans Tez TAM VE SANSÜRLÜ ÖRNEKLEM DURUMLARINDA WEIBULL DAĞILIMI İÇİN BAZI İSTATİSTİKİ SONUÇ ÇIKARIMLARI Dlşen TAMAM Ankara Ünverstes Fen
ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ TAM VE SANSÜRLÜ ÖRNEKLEM DURUMLARINDA WEIBULL DAĞILIMI İÇİN BAZI İSTATİSTİKİ SONUÇ ÇIKARIMLARI Dlşen TAMAM İSTATİSTİK ANABİLİM DALI ANKARA
DetaylıAKADEMİK YAKLAŞIMLAR DERGİSİ JOURNAL OF ACADEMIC APPROACHES
Konut Sahplğnn Belrleycler: Hanehalkı Resler Üzerne Br Uygulama Halm TATLI 1 Özet İnsanların barınma htyacını sağlayan konut, temel htyaçlar arasında yer almaktadır. Konut sahb olmayan ve krada oturan
DetaylıBölüm 3. Tanımlayıcı İstatistikler
Bölüm 3 Tanımlayıcı İstatstkler Tanımlayıcı İstatstkler Br ver setn tanımak veya brden fazla ver setn karşılaştırmak çn kullanılan ve örnek verlernden hareket le frekans dağılışlarını sayısal olarak özetleyen
DetaylıDOĞRUSAL HEDEF PROGRAMLAMA İLE BÜTÇELEME. Hazırlayan: Ozan Kocadağlı Danışman: Prof. Dr. Nalan Cinemre
1 DOĞRUSAL HEDEF PROGRAMLAMA İLE BÜTÇELEME Hazırlayan: Ozan Kocadağlı Danışman: Prof. Dr. Nalan Cnemre 2 BİRİNCİ BÖLÜM HEDEF PROGRAMLAMA 1.1 Grş Karar problemler amaç sayısına göre tek amaçlı ve çok amaçlı
DetaylıYAYILI YÜK İLE YÜKLENMİŞ YAPI KİRİŞLERİNDE GÖÇME YÜKÜ HESABI. Perihan (Karakulak) EFE
BAÜ Fen Bl. Enst. Dergs (6).8. YAYII YÜK İE YÜKENİŞ YAPI KİRİŞERİNDE GÖÇE YÜKÜ HESABI Perhan (Karakulak) EFE Balıkesr Ünverstes ühendslk marlık Fakültes İnşaat üh. Bölümü Balıkesr, TÜRKİYE ÖZET Yapılar
DetaylıHasar sıklıkları için sıfır yığılmalı kesikli modeller
www.statstkcler.org İstatstkçler Dergs 5 (01) 3-31 İstatstkçler Dergs Hasar sıklıkları çn sıfır yığılmalı keskl modeller Sema Tüzel Hacettepe Ünverstes Aktüerya Blmler Bölümü 06800-Beytepe, Ankara, Türkye
DetaylıBölüm 3. Tanımlayıcı İstatistikler
Bölüm 3 Tanımlayıcı İstatstkler Tanımlayıcı İstatstkler Br ver setn tanımak veya brden fazla ver setn karşılaştırmak çn kullanılan ve ayrıca örnek verlernden hareket le frekans dağılışlarını sayısal olarak
Detaylı04.10.2012 SU İHTİYAÇLARININ BELİRLENMESİ. Suİhtiyacı. Proje Süresi. Birim Su Sarfiyatı. Proje Süresi Sonundaki Nüfus
SU İHTİYAÇLARII BELİRLEMESİ Suİhtyacı Proje Süres Brm Su Sarfyatı Proje Süres Sonundak üfus Su ayrım çzs İsale Hattı Su Tasfye Tess Terf Merkez, Pompa İstasyonu Baraj Gölü (Hazne) Kaptaj Su Alma Yapısı
DetaylıFARKLI REGRESYON YÖNTEMLERİ İLE BETA KATSAYISI ANALİZİ
FARKLI REGRESYON YÖNTEMLERİ İLE BETA KATSAYISI ANALİZİ M.Ensar YEŞİLYURT (*) Flz YEŞİLYURT (**) Özet: Özellkle uzak verlere sahp ver setlernn analz edlmesnde en küçük kareler tahmnclernn kullanılması sapmalı
DetaylıSüleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Y.2008, C.13, S.1 s.111-131.
Süleyman Demrel Ünverstes İktsad ve İdar Blmler Fakültes Y.008, C.3, S. s.-3. BİREYSEL EMEKLİLİK FONLARINDA FON YAPILARININ KARMA DENEMELER YÖNTEMİ İLE İNCELENMESİ EXAMINING THE STRUCTURE OF FUNDS BY MIXTURE
DetaylıJFM316 Elektrik Yöntemler ( Doğru Akım Özdirenç Yöntemi)
JFM316 Elektrk Yöntemler ( Doğru Akım Özdrenç Yöntem) yeryüzünde oluşturacağı gerlm değerler hesaplanablr. Daha sonra aşağıdak formül kullanılarak görünür özdrenç hesaplanır. a K I K 2 1 1 1 1 AM BM AN
DetaylıQuality Planning and Control
Qualty Plag ad Cotrol END 3618 KALİTE PLANLAMA VE KONTROL Prof. Dr. Mehmet ÇAKMAKÇI Dokuz Eylül Üverstes Edüstr Mühedslğ Aablm Dalı 1 Qualty Maagemet İstatstksel Proses Kotrol Kotrol Kartları 2 END 3618
DetaylıA EKONOMETRİ KPSS/1-AB-PÖ/2006
. 6. SOULI ŞĞIDKİ BİLGİLEE GÖE CEVPLYINIZ. Y =β +β X +... +β kxk + u denklem, n adet örnek ver ve k adet katsayı çn matrs ve vektörlerle Y = Xβ+ u şeklnde fade edlmştr. Burada ( kx ), X ( nxk ) ve u (
Detaylı