LOGRANK TESTİ İÇİN GÜÇ ANALİZİ VE ÖRNEK GENİŞLİĞİNİN HESAPLANMASI ÖZET
|
|
- Zeki Bolat
- 6 yıl önce
- İzleme sayısı:
Transkript
1 IAAOJ, Scientific Science, 05, 3(), 9-8 LOGRANK TESTİ İÇİN GÜÇ ANALİZİ VE ÖRNEK GENİŞLİĞİNİN HESAPLANMASI Nesrin ALKAN, Yüsel TERZİ, B. Barış ALKAN Sinop Üniversitesi, Fen Edebiyat Faültesi, İstatisti Bölümü, Sinop, Türiye Ondouz Mayıs Üniversitesi, Fen-Edebiyat Faültesi, İstatisti Bölümü, Samsun, Türiye E-posta: ÖZET İstatistisel güç yanlış olan yolu hipotezinin reddedilmesi olasılığıdır ve geniş bir örnelem büyülüğü testin gücünü arttıracatır. Güç hesaplama işleminde aynı zamanda örne büyülüğü de belirlenir. Bu nedenle testin gücü, çalışmaya başlamadan önce belirlenmelidir. Logran testi, ii örnelemin sağalım dağılımlarını arşılaştıran bir hipotez testidir. Genellile lini denemelerde yeni bir tedavinin etinliğini belirleme için ullanılır. Freedman (Freedman, 98) Lachin-Foules (Lachin ve Foules, 986) ve Laatos (Laatos, 988) metotları Logran testi için güç analizi ve örne genişliği hesaplamaları yapan yöntemlerdir. Bu çalışmada Logran testi için güç analizi ve örne genişliğini belirleyen bu yöntemler arşılaştırılmıştır. Farlı parametre değerleri için çalışma tasarımları oluşturulara yöntemler arasındai benzer ve farlı yönler ortaya çıarılmıştır. Anahtar Kelimeler: Logran Testi, Örne Genişliği, Power Analizi, Sağalım Analizi POWER ANALYSIS AND SAMPLE SIZE CALCULATION FOR LOGRANK TEST ABSTRACT Statistical power is the probability of rejecting a false null hypothesis and a larger sample size will increase the power of test. In the process of computing power, the sample size is determined. Therefore, the power of the study should be determined before starting to wor. The logran test is a hypothesis test tocomparethe survival distributions of two samples. It is widelyused in clinicaltrials to establish the efficacy of a new treatment. Freedman, Lachine-Foules and Laatos methods mae power analysis and sample size calculations for the Logran test. In this study, we compared the methods which maes power analysis and sample size calculations for the Logran test. Study design was created using different parameter values to determine similarities and differences between the methods. Keywords: Logran test, sample size, power analysis, survival analysis. Giriş Sağalım analizi, canlı organizmalarda ölüm, meani sistemlerde ise başarısızlı ile ilgilenen bir istatisti dalıdır. Daha genel olara sağalım analizi, araştırılan olaya adar (ölüm, hastalığın nüsetmesi, evli çiftlerin boşanması gibi) geçen sürenin modellenmesini içerir. Burada olay, sağalım analizinde ölüm veya başarısızlıtır. Sağalım analizinde zaman, başlangıç anından itibaren olayın meydana gelmesine adar geçen gün/hafta/ay/yıl olara izlenme süresi hali olara tanımlanır. Özellile uzun taipli çalışmalarda bazı bireyler çalışmayı ter edebilir. Bu bireylerde ilgilenilen olay görülmez. Bu yüzden onların sağalım süresi esin olara bilinmediği için bu tür veriler sansürlü veri olara tanımlanır(ibrahim ve ar. 00).
2 Alan ve ar. Tıbbi araştırmalarda hastalar farlı tedavi yöntemleriyle tedavi görebilirler. Böyle durumlarda hastaların sağalım süreleri, gördüleri tedavi türüne göre arşılaştırılabilir. Yani hangi tedavi yönteminin daha iyi olduğuna arar verilme istenebilir. Klini denemelerde ii tedavi grubunun sağalım dağılımlarının eşitliği testi sı sı ullanılır. Bazı durumlarda ii örnelem t testi ullanılamaz. Birincisi, sağalım sürelerinden oluşan veri yüse derecede çarpı olmasından dolayı normalli varsayımının sağlanmamasıdır. Diğer bir durum ise sağalım verileri içinde bulunan sansürlü verilerin gerçe sağalım süresi olmamasıdır. Sağalım sürelerini ullanan özel metotlar vardır. Bu metotlardan en ço ullanılanı Logran testidir. İstatistisel güç, araştırmada bir amacın denetlenmesi için ullanılan istatistisel test sonucu varılan ararın ne adar güvenilir, geçerli olduğunu olasılı olara tahmin eden bir yalaşımdır. Güç analizi bilimsel araştırmalarda ii şeilde yapılmatadır. Birincisi, belirli bir güçte araştırmanın planlanması ve örne hacminin belirlenmesidir. İincisi ise araştırma planına göre sonuçlandırılan ve ulaşılan ararların gücünün hesaplanmasıdır. Bu çalışmada ii bağımsız grubun sağalım fonsiyonlarının arşılaştıran Logran testi için güç analizi ve örne genişliği hesaplamaları yapan Freedman(Freedman, 98)Lachin-Foules (Lachin ve Foules, 986) ve Laatos (Laatos, 988) un önerdiği metotlar incelenmiştir.. Materyal ve Metot.. Logran Testi Logran testi parametri olmayan bir test olup, yolu hipotezinde arşılaştırılan grupların sağalım süreleri baımından aynı itleden geldileri varsayılır. İi ayrı grupta ölen ve sansürlü olguların değerlendirilmesi yapılır. Logran testinde tüm ağırlılar olara abul edilir. Gruplardan birindei ölüm hızı diğerinden fazla ise, Logran analiz sonuçları diğer analiz yöntemlerine göre daha güvenilirdir. Ayrıca farlı gruplardai bireylerin hazard oranlarının tüm zaman boyunca aynı olduğu varsayılır. Yani bir grupta ölümler çalışmanın il zamanlarında daha ço ise, diğer grupta da ölümlerin başlangıçta olması geremetedir. Peto ve Peto (97) tarafından önerilmiştir. Logran testi, belenen ve gözlenen freanslara dayalı bir istatistile hesaplanır. Logran testinin yolu hipotezi H 0:S(t)=S(t) (İi grubun sağalım eğrileri arasında far yotur) şelindedir. Test istatistiği, (O E) L = veya V(O E ) (O L = i i Ei ) E i χ, α eşitliği ile verilir. H 0 hipotezi geçerli ise L yalaşı olara bir serbestli dereceli i-are dağılımı gösterir. i i ij ij gözlenen j Burada i ile ölüm zamanları, j ile de grup sayısı belirtilmetedir. O E = (m e ), i =, değerlerden belenen değerlerin farını gösterir. Burada mij, belli bir zamanda ölen işi sayısı, nij, ris setindei birey sayısıdır, e j ve e j, nj n j e j = (mj + mj), ej = (mj + m j) nj + n j nj + n j I ve II. gruptai belenen değerlerdir. Her bir grup için varyans,
3 IAAOJ, Scientific Science, 05, 3(), 9-8 nj n j(mj + m j) (nj + n j mj m j) V(Oi E i ) =, i =, (n + n ) (n + n ) j j j j j eşitliği ile verilir (Altman, 99)... Logran Testi İçin Güç Analizi ve Örne Genişliği Güç, yanlış olan hipotezin red edilmesi anlamındadır ve -β ile gösterilir. Burada β iinci tip hata olup yanlış olan yolu hipotezinin abul edilmesi anlamındadır. Güç değeri genel olara %80 den büyü olmalıdır. Eğer bir araştırmada ullanılan testin gücü düşüse gerçete mevcut olan bir farı saptamada test yetersiz alabilir (SchlotzhauerSandra, 007).Ço üçü olan bir örne genişliği testin gücünün üçü olmasına ve çalışmanın iptal olmasına neden olabilir. Bu durumda önemli bir çalışmada başarısız olunabilir. Buna arşın ço büyü örne genişliği de maliyeti ço yüseltir. Bu nedenle I. ve II. tip hatalar arasındai uygun denge orunmalıdır. Sağ alım analizinde hatalara arşı orumanın bir yolunu sunması nedeniyle örne genişliği ve güç hesaplama metotları önemlidir (Laatos ve Lan, 99). Logran testi için güç analizi ve örne genişliği hesaplamaları yapan yöntemler Freedman (Freedman, 98) Lachin-Foules (Lachin ve Foules, 986) ve Laatos (Laatos, 988) yöntemleridir.... Freedman Metodu Freedman yalaşımı hazard oranı varsayımı altında analiz edilebilen logran testinin gücünü ve örne genişliğini bulma için ullanılır. Kontrol grubuna ait sağalım süreleri ile tedavi grubuna ait sağalım sürelerini arşılaştıran bir çalışmanın olduğu varsayılmatadır. Kontrol grubu hastalarına içi boş olan (Plasebo) ilaçlar verilmete ve grup olara adlandırılmatadır. Tedavi grubuna ise yeni bir tedavi uygulanmata ve grup olara adlandırılmatadır. İlgilenilen riti olayın ölüm olduğu varsayılır ve bu ii tedavi teniği λ ve λ hazard hızlı sağalım dağılımına sahiptir. Bu hazard hızları her bir gruptai ısa zaman aralılarındai ölüm hızıdır. Freedman ın önerdiği Logran testinin güç formülü, HR N( w) ϕ [( S ) + ϕ( S )] Z β = Z α / ( + ϕhr) /( + ϕ) eşitliğiile verilir (Freedman, 98). Burada, teyönlü test için ii yönlü test için olara alınır.α ve β hatalardır, z ler standart normal dağılımdan elde edilen değerlerdir, w ayıp taip oranıdır, N toplam örne genişliğidir,ϕ ii grup arasındai örne genişliği oranıdır. Bir başa deyişle P ontrol grubunun örne genişliğinin toplam örne genişliğine oranı olara alındığında P ϕ = P dir. Hazard oranı(hr) tedavi grubuna ait hazard oranının ontrol gruba olan oranıdır. S ve S ontrol ve tedavi grup için sağalımoranı, HR= eşitliği ile hesaplanır. Test edilece olan hipotez hazard hızlarının eşitliğidir( H 0 : λ = λ ). Güç hesaplama λ λ
4 Alan ve ar. eşitliğinde, hazard hızlarının oranlanabilir olduğu varsayımı geçerli olmasına arşınsağalım süresinin dağılımının üstel olması varsayımı aranmaz (Machin ve ar., 997).... Lachin ve Foules Metodu Lachin ve Foules (986) yalaşımı hazard oranı varsayımı altında analiz edilebilen logran testinin gücünü ve örne genişliğini bulma için ullanılır. Burada Freedman yönteminden farlı olara hazard oranlarının üstel dağılıma uyması varsayımı vardır. Ayrıca ayıt zamanı (accrual time)ve taip edilen zaman (followup time) parametreler arasına dahil edilir. Bir lini deneyde bir ontrol grubu ve birde tedavi grup olma üzere ii bağımsız grubun olduğu abul edilsin. Toplam örne genişliği N ve ii grup genişlileri n ve n olsun. Genellile n =n olduğu planlanır. Her bir grubun örne genişliği toplam örne genişliğine oranı Q i = ni N, i=, şelindedir. Bireyler R ayıt zamanı (yıl, ay, gün) esnasında aydedilir ve T zamanına adar e bir zaman aralığı için taip edilir. Böylece taip edilen zaman T-R zamanıdır. Çalışmanın sonunda Logran testi β gücü ile α önem seviyesinde yürütülür. tarafından, İi grup için λ ve λ hazard hızları ile üstel dağılım varsayımı altında Lachin ve Foules(986) N λ λ = Z α φ( λ) Q + Q + Z β φ( λ Q ) φ( λ + Q ) eşitliğiverilmiştir. Burada λ = Qλ + Qλ, φ ( λ) = Nσ ( λˆ ), Zθ = Φ( θ), Φ(z) standart normal yoğunluğun altındai z nin sol tarafındai alandır, λˆ, λ nın en ço olabilirli tahmin edicisidir, σ ( ˆ λ), λˆ nınvaryansıdır (Lachin ve Foules, 986)...3. Laatos Metodu Edward Laatos un 988 de önerdiği yalaşım, genel varsayımlar altında sağalım dağılımlarının eşitliği için logran testinin gücünü ve örne genişliğini hesaplar. Kayıt zamanı, taip edilen zaman, razı olmama ve zamana bağlı hazard oranları parametreler olara ullanılır. Bu metot logran istatistiğinin varyansına ve asimtoti ortalamaya sahip olan Marov modeline dayanır. Bu yöntemde dört ayrı durum için güç hesaplanabilir. Bunlar hazard oranları, sağ alım süresi medyanı, sağ alım oranı ve ölüm oranı (mortality) dır. Hazard oranı parametresi, ontrol ve tedavi grubu için ayrı ayrı belirlenir. Sağalım zamanın medyanı ln() belirlenir ve h = ilişisi ile hazard oranlarına dönüştürülebilir. Sağalım Oranı Parametresi, T 0 (sabit MST ln(s(t0 )) zaman notası) zamanına adari sağalım oranı belirlenir ve h = ilişisi ile hazard oranlarına T dönüştürülür. Ölüm oranı (mortality) parametresi, T 0 zamanına adari ölüm oranları belirlenir ve ln( M(T0 )) h = ilişisi ile hazard oranlarına dönüştürülür. T 0 Logran istatistiği için örne genişliği ve güç hesaplama işleminde oranlanabilir hazard varsayımı ihlal edilebilir. Bu durumda Laatos un önerdiği, Marov Sürecine dayanan örne genişliği formülü ullanılır. Bu süreçte sağalım modelinde uyumsuzlu(noncompliance), taip zamanı aybı, bırama (drop in) ve deneme 0
5 IAAOJ, Scientific Science, 05, 3(), 9-8 süresince tedavinin etinliğinin gecimesi parametreleri vardır. Logran istatistiğinin belenen değer ve varyansı, hazard oranlarının ve her bir farlı aralıtai ris oranlarının ullanılması ile hesaplanır. Geçişler arasındai aralığı yeterince ısa yapara ve her bir aralı içinde hazard oranı ve risli hastaların oranı sabit varsayımı ile örne genişliği hesaplanabilir. Z N = α / K = d d φ ( + φ (P + P ) K = ) / + Z β d φθ d + φθ K Burada d, ncı aralıtai ölümlerin sayısıdır. d = d, = K = d d φ + φ n φ =, n ontrol ve tedavi grubundai ölümün hazard oranıdır (Laatos, 988). φ ( + φ ) h / θ = ve h i ve h i sırasıyla h..4. Freedman, Lachin ve Foules, Laatos Metotlarının Karşılaştırılması Logran testinin gücünü ve örne genişliğini hesaplayan bu üç önemli yöntemin varsayımları ve özellileri Tablo. de verilmiştir. Tablo.. Güç ve örne genişliği hesaplama metotlarının özellileri Özelliler Freedman Lachin ve Foules Laatos Hazard Oranı Sabit Sabit Zamana bağlı Temel Zaman dağılımı üstel dağılması gereli değil üstel dağılması gereli Üstel dağılması gereli değil Kayıp taip parametresi Var Var Var Kayıt parametresi Yo Var Var Bırama(Drop-in) Yo Yo Var Parametresi Uyumsuzlu Yo Yo Var (Noncompliance) Parametresi Süre Parametresi Yo Var Var Hazard Oranı girişi Yo Yo Var Sağalım zamanı medyan Yo Yo Var girişi Sağalım oranı girişi Var Var Var Ölüm (Mortalitiy) oranı girişi Yo Yo Var
6 Alan ve ar. 3. UYGULAMA Çalışmanın uygulama bölümü için, yeni bir tedavi teniği ile var olan tedavi teniğini arşılaştırma amacıyla ii grup seçilmiştir. Seçilen gruplardan biri ontrol grubu diğeri tedavi grubudur. Kontrol grubuna ait sağalım oranının üçü olduğu 0., 0. ve büyü olduğu 0.7, 0.8 durumları için toplam 0 yıllı bir deneme planlanmıştır. Sağalım oranları çalışmanın sonunda belirlenen oranlardır. Çalışmada farlı ayıt zamanları (yıl) diate alınara her üç yöntem için güç ve örne genişlileri PASS programı ullanılara bulunmuştur (Hintze, 008) ve %80 üzeri güç değerleri ile örne genişlileri Tablo 3. de verildiği gibi düzenlenmiştir. Tablo 3.. Sağalım oranları üçü olduğunda güç ve örne genişliği hesaplama metotlarının arşılaştırılması Güç S S Kayıt Freedman Lachin-Foules Laatos N Zamanı
7 IAAOJ, Scientific Science, 05, 3(), 9-8 Tablo 3.. Sağalım oranları büyü olduğunda güç ve örne genişliği hesaplama metotlarının arşılaştırılması Güç S S Kayıt Zamanı Freedman Lachin-Foules Laatos N Sağalım oranlarının düşü olduğu durumlar ve yüse sağalım oranları için farlı parametre değerleri ullanılara elde edilen sonuçlar sırasıyla Tablo 3. ve Tablo 3. de verilmiştir. Düşü sağalım oranlı çalışmalarda yüse sağalım oranlı çalışmalara göre %80 üstü güç elde etme için daha üçü örne genişlileri ile çalışma yeterli olmatadır. Örneğin Tablo 3. de verilen ontrol grubunun sağalım oranı 0, ve tedavi grubunun sağalım oranı 0, olduğu ve il yılın ayıt zamanı olara belirlendiği durumda %80 üstü güç elde etme için 300 örne genişliği ile çalışma geremetedir. Buna arşın Tablo 3. de verilen ontrol grubunun sağalım oranı 0,8 tedavi grubunun sağalım oranı 0,85 olduğu durumlarda %80 üstü güç elde etme için örne genişliğinin 900 olması geremetedir. Her ii gurubun sağ alım oranları birbirine yaın olması durumunda testin gücünün yüse olabilmesi için örne genişlilerinin büyü olması geremetedir. Gruplara ait sağalım oranları birbirinden uzalaştıça %80 üstü güç için örne genişliği de üçülmetedir. Aşağıdai grafite ontrol grubunun sağalım oranı 0,7 ien tedavi grubunun sağalım oranının 0.8, 0.85 ve 0.90 olduğu durumlar için farlı örne genişlilerinde bulunan güç değerleri verilmiştir.
8 Alan ve ar. Şeil 3.. Farlı sağalım oranları için örne genişliği ve güç değerleri Şeil 3. incelendiğinde gruplara ait sağ alım oranlarının birbirine yaın olduğu yani S=0.7, S=0,8 olduğu durumda testin gücünün %80 üstü olabilmesi için örne genişliğinin 650 olması gereiren sağ alım oranları birbirinden uzalaştıça yani S=0,90 olduğunda aynı güç değeri için örne genişliğinin 50 olması geretiği görülmetedir. Lachin-Foules ve Laatos metotları ullanılara farlı ayıt zamanları için güç ve örne genişlileri hesaplandığında her ii metotta da ayıt zamanı arttıça %80 üstü güç elde etme için örne genişliğinin arttığı görülmetedir. Şeil 3. de farlı örne genişlileri ve farlı ayıt zamanları için güç değerlerini gösteren grafi verilmiştir. Şeil 3.. Farlı ayıt zamanları için güç ve örne genişlileri Şeil 3. incelendiğinde, il bir yılın ayıt zamanı olara alınması durumunda %80 üstü güç değeri veren örne genişlileri 70, 30 ve 40 olduğu görülmetedir. Aynı örne genişlileri için ayıt zamanı uzadıça güç azalmata ve bu nedenle gücü yüse tutabilme için ayıt zamanı arttıça örne genişliği de artmalıdır.
9 IAAOJ, Scientific Science, 05, 3(), 9-8 Kontrol ve tedavi gurubunun sağalım oranları birbirine yaın olduğunda Freedman diğer metotlara göre gücü büyü bulmatadır. Tablo 3.3. Sağalım oranları arasındai farın az olduğu durumlarda metotların arşılaştırması Güç S S Freedman Lachin-Foules Laatos N Lachin-Foules ve Laatos metotları gruplar arasındai sağalım oranları birbirine yaın olduğunda benzer güç değerleri buluren, sağ alım oranları arasındai far büyüdüçe farlı güç değerleri bulmatadır. Tablo 3.4. Sağalım oranları arasındai farın az olduğu durumlarda metotların arşılaştırması Güç S S Lachin-Foules Laatos N Freedman metodunda, ayıt zamanı ve taip zamanı parametresi olmadığı için diğer metotlara göre daha az arşılaştırılabilen bir metottur. 4. SONUÇ Klini denemelerde örne genişliğini hesaplama işlemi çalışmanın en önemli aşamalarından biridir. Genellile lini denemelerde yeni bir tedavinin etinliğini belirleme için ullanılan sağalım analiz yöntemlerinden biri Logran testidir. Araştırmacılar Logran testi için örne genişliği belirleme istedilerinde Freedman, Lachin-Foules ve Laatos yöntemleri ile arşılaşmatadırlar. Bu çalışmada, Logran testi için örne genişliği hesaplayan yöntemler ayrı ayrı incelenmiş ve farlı parametre değerleri için çalışma tasarımları oluşturulara yöntemler arasındai benzer ve farlı yönler belirlenmeye çalışılmıştır. Buna göre ontrol ve tedavi gurubu için sağalım oranlarının birbirine yaın olması durumunda Freedman, diğer yöntemlere göre daha üçü örne genişliğinde %80 güç vermetedir. Ayrıca Lachin-Foules ve Laatos metotlarında ayıt zamanı arttıça %80 üstü güç elde etme için örne genişliğinin arttığı görülmetedir. Örne genişliği ve güç analizi, lini çalışmalarda ço önemli bir aşama olmasına rağmen işlemlerin armaşılığı nedeniyle çoğunlula atlanmatadır. Bu çalışmada elde edilen sonuçların, tıp alanında çalışan araştırmacılara ve bilim insanlarınabir ılavuz olabileceği düşünülmetedir.
10 Alan ve ar. Kaynalar Altman, DG, (99) Practical Statistics for Medical Research: London, Chapman andhall Freedman, L.S. (98). Tables of thenumber of patientsrequired in clinicaltrialsusingthelogran test, Statistics in Medicine, :-9. Hintze, J. (008). PASS 008 NCSS, LLC. Kaysville, Utah USA. Ibrahim JG, Chen MH, Sinha D. Bayesiansurvivalanalysis. New Yor: Springer-Verlag; 00. Lachin, John M. andfoules, Mary A. (986). Evaluation of sample size andpowerforanalyses of survivalwithallowancefornonuniformpatiententry, LossestoFollow-up, Noncompliance, and Stratification, Biometrics, Volume 4, September, pages Laatos, Edward. (988). SampleSizesBased on thelog-ranstatistic in Complex, ClinicalTrials, Biometrics, Volume 44, March, pages 9-4. Laatos, E. and Gordon Lan, K.K. (99). A comparison of sample size methodsforthelogranstatistic, Statistics in Medicine,, 79-9 Machin D, Campbell M, Fayers P et al. Sample Size TablesforClinicalStudies. London, UK: BlacwellScience, 997, nd edn Peto, R. andpeto, J. (97). Asymptoticallyefficientraninvariantprocedures, Journal of theroyalstatistical Society, Series A, 35, SchlotzhauerSandra. ElementaryStatistics Using JMP. Cary, NC: SAS InstituteInc.; 007.
Kİ KARE TESTLERİ. Biyoistatistik (Ders 2: Ki Kare Testleri) Kİ-KARE TESTLERİ. Sağlıktan Yakınma Sigara Var Yok Toplam. İçen. İçmeyen.
Biyoistatisti (Ders : Ki Kare Testleri) Kİ KARE TESTLERİ Yrd. Doç. Dr. Ünal ERKORKMAZ Saarya Üniversitesi Tıp Faültesi Biyoistatisti Anabilim Dalı uerormaz@saarya.edu.tr Kİ-KARE TESTLERİ 1. Ki-are testleri
DetaylıMIXED REGRESYON TAHMİN EDİCİLERİNİN KARŞILAŞTIRILMASI. The Comparisions of Mixed Regression Estimators *
MIXED EGESYON TAHMİN EDİCİLEİNİN KAŞILAŞTIILMASI The Comparisions o Mixed egression Estimators * Sevgi AKGÜNEŞ KESTİ Ç.Ü.Fen Bilimleri Enstitüsü Matemati Anabilim Dalı Selahattin KAÇIANLA Ç.Ü.Fen Edebiyat
DetaylıBiyoistatistik (Ders 7: Bağımlı Gruplarda İkiden Çok Örneklem Testleri)
ÖRNEKLEM TESTLERİ BAĞIMLI GRUPLARDA ÖRNEKLEM TESTLERİ Yrd. Doç. Dr. Ünal ERKORKMAZ Saarya Üniversitesi Tıp Faültesi Biyoistatisti Anabilim Dalı uerormaz@saarya.edu.tr BAĞIMLI İKİDEN ÇOK GRUBUN KARŞILAŞTIRILMASINA
DetaylıKollektif Risk Modellemesinde Panjér Yöntemi
Douz Eylül Üniversitesi İtisadi ve İdari Bilimler Faültesi Dergisi, Cilt:6, Sayı:, Yıl:, ss.39-49. olletif Ris Modellemesinde anér Yöntemi ervin BAYAN İRVEN Güçan YAAR Özet Hayat dışı sigortalarda, olletif
DetaylıGRUP ARDIŞIK TEST YÖNTEMLERİ İLE SAĞKALIM ANALİZİNDE ÖRNEKLEM HACMİNİN BELİRLENMESİ. Afyonkarahisar. Samsun
Afyon Kocatepe Üniversitesi 8(1) Afyon Kocatepe University FEN BİLİMLERİ DERGİSİ JOURNAL OF SCIENCE GRUP ARDIŞIK TEST YÖNTEMLERİ İLE SAĞKALIM ANALİZİNDE ÖRNEKLEM HACMİNİN BELİRLENMESİ Yüksel Terzi 1, Naci
DetaylıEÜFBED - Fen Bilimleri Enstitüsü Dergisi Cilt-Sayı: 3-2 Yıl: 2010 199-206
99 EÜFBED - Fen Bilimleri Enstitüsü Dergisi Cilt-Sayı: 3- Yıl: 99-6 İKİNCİ MERTEBEDEN BİR DİFERENSİYEL DENKLEM SINIFI İÇİN BAŞLANGIÇ DEĞER PROBLEMİNİN DİFERENSİYEL DÖNÜŞÜM YÖNTEMİ İLE TAM ÇÖZÜMLERİ THE
Detaylı) ile algoritma başlatılır.
GRADYANT YÖNTEMLER Bütün ısıtsız optimizasyon problemlerinde olduğu gibi, bir başlangıç notasından başlayara ardışı bir şeilde en iyi çözüme ulaşılır. Kısıtsız problemlerin çözümü aşağıdai algoritma izlenere
DetaylıHipotez Testlerine Giriş. Hipotez Testlerine Giriş
Hipotez Testlerine Giriş Hipotez Testlerine Giriş Hipotez Testlerine Giriş Gözlem ya da deneme sonucu elde edilmiş sonuçların, raslantıya bağlı olup olmadığının incelenmesinde kullanılan istatistiksel
DetaylıKazanımlar. Z puanları yerine T istatistiğini ne. zaman kullanacağını bilmek. t istatistiği ile hipotez test etmek
T testi Kazanımlar Z puanları yerine T istatistiğini ne 1 zaman kullanacağını bilmek 2 t istatistiği ile hipotez test etmek 3 Cohen ind sini ve etki büyüklüğünü hesaplamak 1 9.1 T İstatistiği: zalternatifi
DetaylıRASGELE SÜREÇLER. Bir X rasgele değişkenin, a ve b arasında tekdüze dağılımlı olabilmesi için olasılık yoğunluk fonksiyonu aşağıdaki gibi olmalıdır.
RASGELE SÜREÇLER Eğer bir büyülüğün her t anında alacağı değeri te bir şeilde belirleyen matematisel bir ifade verilebilirse bu büyülüğün deterministi bir büyülü olduğu söylenebilir. Haberleşmeden habere
DetaylıÖrneklemden elde edilen parametreler üzerinden kitle parametreleri tahmin edilmek istenmektedir.
ÇIKARSAMALI İSTATİSTİKLER Çıkarsamalı istatistikler, örneklemden elde edilen değerler üzerinde kitleyi tanımlamak için uygulanan istatistiksel yöntemlerdir. Çıkarsamalı istatistikler; Tahmin Hipotez Testleri
DetaylıBKİ farkı Standart Sapması (kg/m 2 ) A B BKİ farkı Ortalaması (kg/m 2 )
4. SUNUM 1 Gözlem ya da deneme sonucu elde edilmiş sonuçların, rastlantıya bağlı olup olmadığının incelenmesinde kullanılan istatistiksel yöntemlere HİPOTEZ TESTLERİ denir. Sonuçların rastlantıya bağlı
DetaylıDERS III ÜRETİM HATLARI. akış tipi üretim hatları. hat dengeleme. hat dengeleme
DERS ÜRETİM HATLAR ÜRETİM HATLAR Üretim hatları, malzemenin bir seri işlemden geçere ürün haline dönüştürülmesini sağlayan bir maineler ve/veya iş istasyonları dizisidir. Bir üretim hattı üzerinde te bir
DetaylıMühendislikte İstatistiksel Yöntemler
Mühendislikte İstatistiksel Yöntemler BÖLÜM 7 TAHMİNLER Yrd. Doç. Dr. Fatih TOSUNOĞLU 1 Tahmin (kestirim veya öngörü): Mevcut bilgi ve deneylere dayanarak olayın bütünü hakkında bir yargıya varmaktır.
DetaylıÇok Yüksek Mobiliteli Sönümlemeli Kanallardaki OFDM Sistemleri için Kanal Kestirimi
9-11 Aralı 2009 Ço Yüse Mobiliteli Sönümlemeli Kanallardai OFDM Sistemleri için Kanal Kestirimi İstanbul Üniversitesi Eletri-Eletroni Mühendisliği Bölümü {myalcin, aan}@istanbul.edu.tr Sunum İçeriği Giriş
Detaylıİstatistikçiler Dergisi
www.istatisticiler.org İstatistiçiler Dergisi (008) 68-79 İstatistiçiler Dergisi BAĞIMLI RİSKLER İÇİ TOPLAM HASAR MİKTARII DAĞILIMI Mehmet PIRILDAK Hacettepe Üniversitesi Fen Faültesi, Atüerya Bilimleri
DetaylıANADOLU ÜNİVERSİTESİ. Hipotez Testleri. ENM317 Mühendislik İstatistiği Prof. Dr. Nihal ERGİNEL
ANADOLU ÜNİVERSİTESİ Hipotez Testleri ENM317 Mühendislik İstatistiği Prof. Dr. Nihal ERGİNEL HİPOTEZ TESTLERİ Pek çok problemde bazı parametrelere bağlı bir ifadeyi kabul yada red etmek için karar vermek
Detaylıİstatistiksel Yorumlama
İstatistiksel Yorumlama Amaç, popülasyon hakkında yorumlamalar yapmaktadır. Populasyon Parametre Karar Vermek Örnek İstatistik Tahmin 1 Tahmin Olaylar hakkında tahminlerde bulunmak ve karar vermek zorundayız
DetaylıKABLOSUZ İLETİŞİM
KABLOSUZ İLETİŞİM 805540 KÜÇÜK ÖLÇEKLİ SÖNÜMLEME SÖNÜMLEMENİN MODELLENMESİ İçeri 3 Sönümleme yapısı Sönümlemenin modellenmesi Anara Üniversitesi, Eletri-Eletroni Mühendisliği Sönümleme Yapısı 4 Küçü ölçeli
DetaylıSAKARYA HAVZASI AYLIK YAĞIŞLARININ OTOREGRESİF MODELLEMESİ
PAMUKKALE ÜNİVERSİTESİ MÜHENDİ SLİK FAKÜLTESİ PAMUKKALE UNIVERSITY ENGINEERING COLLEGE MÜHENDİSLİK B İ L İ MLERİ DERGİSİ JOURNAL OF ENGINEERING SCIENCES YIL CİLT SAYI SAYFA : 006 : : : 7-6 SAKARYA HAVZASI
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık Ders 8: Prof. Dr. Tanım Hipotez, bir veya daha fazla anakütle hakkında ileri sürülen, ancak doğruluğu önceden bilinmeyen iddialardır. Ortaya atılan iddiaların, örnekten elde edilen
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık Ders 8: Prof. Dr. İrfan KAYMAZ Tanım Tahmin (kestirim veya öngörü): Mevcut bilgi ve deneylere dayanarak olayın bütünü hakkında bir yargıya varmaktır. Bu anlamda, anakütleden çekilen
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık - I Prof. Dr. İrfan KAYMAZ Tanım Tahmin (kes1rim veya öngörü): Mevcut bilgi ve deneylere dayanarak olayın bütünü hakkında bir yargıya varmak7r. ü Bu anlamda, anakütleden çekilen
DetaylıH 0 : θ = θ 0 Bu sıfır hipotezi şunu ifade eder: Anakütle parametresi θ belirli bir θ 0
YTÜ-İktisat İstatistik II Hipotez Testi 1 HİPOTEZ TESTİ: AMAÇ: Örneklem bilgisinden hareketle anakütleye ilişkin olarak kurulan bir hipotezin (önsavın) geçerliliğinin test edilmesi Genel notasyon: anakütleye
DetaylıBİYOİSTATİSTİK PARAMETRİK TESTLER
BİYOİSTATİSTİK PARAMETRİK TESTLER Doç. Dr. Mahmut AKBOLAT *Bir testin kullanılabilmesi için belirli şartların sağlanması gerekir. *Bir testin, uygulanabilmesi için gerekli şartlar; ne kadar çok veya güçlü
DetaylıBÖLÜM 13 HİPOTEZ TESTİ
1 BÖLÜM 13 HİPOTEZ TESTİ Bilimsel yöntem aşamalarıyla tanımlanmış sistematik bir bilgi üretme biçimidir. Bilimsel yöntemin aşamaları aşağıdaki gibi sıralanabilmektedir (Karasar, 2012): 1. Bir problemin
DetaylıMAK341 MAKİNA ELEMANLARI I 2. Yarıyıl içi imtihanı 24/04/2012 Müddet: 90 dakika Ögretim Üyesi: Prof.Dr. Hikmet Kocabas, Doç.Dr.
MAK3 MAKİNA EEMANARI I. Yarıyıl içi imtihanı /0/0 Müddet: 90 daia Ögretim Üyesi: Prof.Dr. Himet Kocabas, Doç.Dr. Cemal Bayara. (0 puan) Sıı geçmelerde sürtünme orozyonu nasıl ve neden meydana gelir? Geçmeye
DetaylıMalzeme Bağıyla Konstrüksiyon
Shigley s Mechanical Engineering Design Richard G. Budynas and J. Keith Nisbett Malzeme Bağıyla Konstrüsiyon Hazırlayan Prof. Dr. Mehmet Fırat Maine Mühendisliği Bölümü Saarya Üniversitesi Çözülemeyen
DetaylıK-S Testi hipotezde ileri sürülen dağılımla örnek yığılmalı dağılım fonksiyonunun karşılaştırılması ile yapılır.
İstatistiksel güven aralıkları uygulamalarında normallik (normal dağılıma uygunluk) oldukça önemlidir. Kullanılan parametrik istatistiksel tekniklerin geçerli olabilmesi için populasyon şans değişkeninin
DetaylıMIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009
MIT OpenCourseWare http://ocw.mit.edu 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 Bu materyale atıfta bulunmak ve kullanım koşulları için http://ocw.mit.edu/terms sayfasını ziyaret ediniz.
DetaylıQUANTILE REGRESYON * Quantile Regression
QUANTILE REGRESYON * Quantile Regression Fikriye KURTOĞLU İstatistik Anabilim Dalı Olcay ARSLAN İstatistik Anabilim Dalı ÖZET Bu çalışmada, Lineer Regresyon analizinde kullanılan en küçük kareler yöntemine
DetaylıPI KONTROLÖR TASARIMI ÖDEVİ
PI ONTROLÖR TASARIMI ÖDEVİ ONTROLÖR İLE TASARIM ontrolör Taarım riterleri Taarım riterleri genellile itemine yapmaı geretiğini belirtme ve naıl yaptığını değerlendirme için ullanılır. Bu riterler her bir
DetaylıBÖLÜM 12 STUDENT T DAĞILIMI
1 BÖLÜM 12 STUDENT T DAĞILIMI 'Student t dağılımı' ya da kısaca 't dağılımı'; normal dağılım ve Z dağılımının da içerisinde bulunduğu 'sürekli olasılık dağılımları' ailesinde yer alan dağılımlardan bir
DetaylıÖRNEKLEME DAĞILIŞLARI VE TAHMİNLEYİCİLERİN ÖZELLİKLERİ
ÖRNEKLEME DAĞILIŞLARI VE TAHMİNLEYİCİLERİN ÖZELLİKLERİ TEMEL KAVRAMLAR PARAMETRE: Populasyonun sayısal açıklayıcı bir ölçüsüdür ve anakütledeki tüm elemanlar dikkate alınarak hesaplanabilir. Ana kütledeki
DetaylıAşınmadan aynalanan hasar, gelişmiş ülelerde gayri safi milli hasılanın % 1-4 ü arasında maliyete sebep olmata ve bu maliyetin % 36 sını abrasiv aşınm
TİMAK-Tasarım İmalat Analiz Kongresi 6-8 Nisan 006 - BALIKESİR RSM TEKNİĞİ UYGULANARAK DERLİN MALZEMESİNİN OPTİMUM AŞINMA DEĞERİNİN TAHMİN EDİLMESİ Aysun SAĞBAŞ 1, F.Bülent YILMAZ ve Fatih ALTINIŞIK 3
DetaylıKestirim (Tahmin) Bilimsel çalışmaların amacı, örneklem değerinden evren değerlerinin kestirilmesidir.
Biyoistatistik 9 Kestirim (Tahmin) Bilimsel çalışmaların amacı, örneklem değerinden evren değerlerinin kestirilmesidir. Evren parametrelerinin kestirilmesi (tahmini) için: 1. Hipotez testleri 2. Güven
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık Ders 10: Prof. Dr. İrfan KAYMAZ Tanım Varyans analizi niçin yapılır? İkiden fazla veri grubunun ortalamalarının karşılaştırılması t veya Z testi ile yapılabilir. Ancak karşılaştırılacak
DetaylıStokastik Süreçler. Bir stokastik Süreç ya da rastgele süreç şöyle tanımlanabilir.
Stoasti Süreçler Bir stoasti Süreç ya da rastgele süreç şöyle tanımlanabilir. Zamanla değişen bir rastgele değişendir. Rastgele değişenin alacağı değer zamanla değişmetedir. Deney çıtılarına atanan rastgele
DetaylıCahit Arf Liseler Arası Matematik Yarışması 2008
Cahit Arf Liseler Arası Matemati Yarışması 2008 İinci Aşama 11 Mayıs 2008 Notlar: Birnci tasla. 1. Tamsayılardan gerçel sayılara tanımlı fonsiyonlar ümesi üzerinde şöyle bir operatörü tanımlayalım: f(x)
DetaylıARALIK TAHMİNİ (INTERVAL ESTIMATION):
YTÜ-İktisat İstatistik II Aralık Tahmini I 1 ARALIK TAHMİNİ INTERVAL ESTIMATION): Nokta tahmininde ilgilenilen anakütle parametresine ilişkin örneklem bilgisinden hareketle tek bir sayı üretilir. Bir nokta
DetaylıNokta ve Aralık Tahmini Merkezi Limit Teoremi Örneklem Dağılımı Hipotez Testlerine Giriş
Nokta ve Aralık Tahmini Merkezi Limit Teoremi Örneklem Dağılımı Hipotez Testlerine Giriş Doç. Dr. Ertuğrul ÇOLAK Eskişehir Osmangazi Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı Nokta Tahmini
DetaylıBir Normal Dağılım Ortalaması İçin Testler
Bir Normal Dağılım Ortalaması İçin Testler İÇERİK o Giriş ovaryansı Bilinen Bir Normal Dağılım Ortalaması İçin Hipotez Testler P-değerleri: II. Çeşit hata ve Örnekleme Büyüklüğü Seçimi Örnekleme Büyüklüğü
DetaylıELECO '2012 Elektrik - Elektronik ve Bilgisayar Mühendisliği Sempozyumu, 29 Kasım - 01 Aralık 2012, Bursa
ELECO '2012 Eletri - Eletroni ve Bilgisayar Mühendisliği Sempozyumu, 29 Kasım - 01 ralı 2012, Bursa Lineer Olmayan Dinami Sistemlerin Yapay Sinir ğları ile Modellenmesinde MLP ve RBF Yapılarının Karşılaştırılması
Detaylırasgele değişkeninin olasılık yoğunluk fonksiyonu,
3.6. Bazı Sürekli Dağılımlar 3.6.1 Normal Dağılım Normal dağılım hem uygulamalı hem de teorik istatistikte kullanılan oldukça önemli bir dağılımdır. Normal dağılımın istatistikte önemli bir yerinin olmasının
DetaylıParametrik Olmayan İstatistiksel Yöntemler
Parametrik Olmayan İstatistiksel Yöntemler IST-4035 2. Ders DEÜ İstatistik Bölümü 208 Güz One Sample Tests İçerik Non-Parametric Statistics Nominal Ordinal Interval Binomial test Kolmogrov-Smirnov test
DetaylıHİPOTEZ TESTLERİ HİPOTEZ NEDİR?
HİPOTEZ TESTLERİ HİPOTEZ NEDİR? Örnekleme ile test edilmeye çalışılan bir popülasyonun ilgili parametresi hakkında ortaya sunulan iddiadır. Örneğin; A dersi için vize ortalaması 50 nin altındadır Firestone
Detaylı28/5/2009 TARİHLİ VE 2108/30 SAYILI KURUL KARARI 11 HAZİRAN 2009 TARİHLİ VE 27255 SAYILI RESMİ GAZETEDE YAYIMLANMIŞTIR.
28/5/2009 TARİHLİ VE 2108/30 SAYILI KURUL KARARI 11 HAZİRAN 2009 TARİHLİ VE 27255 SAYILI RESMİ GAZETEDE YAYIMLANMIŞTIR. Enerji Piyasası Düzenleme Kurumundan: ELEKTRĠK PĠYASASI DENGELEME VE UZLAġTIRMA YÖNETMELĠĞĠ
DetaylıFarklı Sıcaklıkların Scymnus subvillosus un Bıraktığı Yumurta Sayıları Üzerine Etkilerinin Karışımlı Poisson Regresyon ile Analiz Edilmesi
Yüzüncü Yıl Üniversitesi, Ziraat Faültesi, Tarım Bilimleri Dergisi J. Agric. Sci., 2007, 72: 73-79 Araştırma Maalesi/Article Geliş Tarihi: 3.0.2007 abul Tarihi: 2.07.2007 Farlı Sıcalıların Scymnus subvillosus
DetaylıFARKLI YAPIM SİSTEMLERİ VE KONUT MALİYETLERİ
FARKLI YAPIM SİSTEMLERİ VE KONUT MALİYETLERİ ESRA BOSTANCIOĞLU 1, EMEL DÜZGÜN BİRER 2 ÖZET Bir binanın fonsiyon ve performansının değerlendirilmesinde; diğerlerinin yanında maliyet önemli bir parametredir.
DetaylıHerhangi bir oranın belli bir değere eşit olmadığını test etmek için kullanılır.
Hipotez testleri-oran testi Oran Testi Herhangi bir oranın belli bir değere eşit olmadığını test etmek için kullanılır Örnek: Yüz defa atılan bir para 34 defa yazı gelmiştir Paranın yazı gelme olasılığının
DetaylıSAÜ Fen Edebiyat Dergisi (2009-II) ÜÇ BOYUTLU LORENTZ UZAYI MANNHEİM EĞRİ ÇİFTİ ÜZERİNE A. ZEYNEP AZAK
SAÜ Fen Edebiyat Dergisi (009-II) ÜÇ BOYUTLU LORENTZ UZAYI L DE TIMELIKE MANNHEİM EĞRİ ÇİFTİ ÜZERİNE A. ZEYNEP AZAK Saarya Üniversitesi, Fen-Edebiyat Faültesi Matemati Bölümü, 5487, SAKARYA apirdal@saarya.edu.tr
DetaylıDinamik Programlama Tekniğindeki Gelişmeler
MADENCİLİK Aralı December 1991 Cilt Volume XXX Sayı No 4 Dinami Programlama Teniğindei Gelişmeler Developments in Dynamic Programming Technique Ercüment YALÇIN (*) ÖZET Bu yazıda, optimum nihai açı işletme
DetaylıMenemen Bölgesinde Rüzgar Türbinleri için Rayleigh ve Weibull Dağılımlarının Kullanılması
Politeni Dergisi Cilt:3 Sayı: 3 s. 09-3, 00 Journal of Polytechnic Vol: 3 No: 3 pp. 09-3, 00 Menemen Bölgesinde Rüzgar Türbinleri için Rayleigh ve Weibull Dağılımlarının Kullanılması Tevfi GÜLERSOY, Numan
DetaylıDinamik Sistem Karakterizasyonunda Averajlamanın Hurst Üsteli Üzerinde Etkisi
Uluslararası Katılımlı 7. Maina eorisi Sempozyumu, Izmir, 4-7 Haziran 205 Dinami Sistem Karaterizasyonunda Averalamanın Hurst Üsteli Üzerinde Etisi Ç. Koşun * S. Özdemir İzmir Institute of echnology İzmir
DetaylıHipotez Testleri. Mühendislikte İstatistik Yöntemler
Hipotez Testleri Mühendislikte İstatistik Yöntemler Hipotez Testleri Parametrik Testler ( z ve t testleri) Parametrik Olmayan Testler (χ 2 Testi) Hipotez Testleri Ana Kütle β( µ, σ ) Örnek Kütle b ( µ
DetaylıKİNETİK MODELLERDE OPTİMUM PARAMETRE BELİRLEME İÇİN BİR YAZILIM: PARES
KİNETİK MODELLERDE OPTİMUM PARAMETRE BELİRLEME İÇİN BİR YAZILIM: PARES Mehmet YÜCEER, İlnur ATASOY, Rıdvan BERBER Anara Üniversitesi Mühendisli Faültesi Kimya Mühendisliği Bölümü Tandoğan- 0600 Anara (berber@eng.anara.edu.tr)
DetaylıKlinik Çalışmalarda Örneklem Genişliğinin Belirlenmesine Pratik Yaklaşımlar
Kafkas Univ Vet Fak Derg 16 (2): 205-211, 2010 DOI:10.9775/kvfd.2009.527 RESEARCH ARTICLE Klinik Çalışmalarda Örneklem Genişliğinin Belirlenmesine Pratik Yaklaşımlar Neslihan DEMİREL * Selma GÜRLER * *
DetaylıHİPOTEZ TESTLERİ ANADOLU ÜNİVERSİTESİ. Hipotez Testleri ENM317 Mühendislik İstatistiği Doç. Dr. Nihal ERGİNEL 2014
ANADOLU ÜNİVERSİTESİ Hipotez Testleri ENM317 Mühendislik İstatistiği Doç. Dr. Nihal ERGİNEL 2014 HİPOTEZ TESTLERİ Pek çok problemde bazı parametrelere bağlı bir ifadeyi kabul yada red etmek için karar
DetaylıSİMGELER DİZİNİ. ( t Φ Γ. E xz. xxz. j j j
ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ HEDEF TAKİBİNDE UYARLI KALMAN FİLTRESİNİN KULLANIMI ÜZERİNE BİR ÇALIŞMA Emine ÇERÇİOĞLU İSTATİSTİK ANABİLİM DALI ANKARA 2006 Her haı salıdır
DetaylıFarklı Madde Puanlama Yöntemlerinin ve Farklı Test Puanlama Yöntemlerinin Karşılaştırılması
Eğitimde ve Psiolojide Ölçme ve Değerlendirme Dergisi, Yaz 200, (), -8 Farlı Madde Puanlama Yöntemlerinin ve Farlı Test Puanlama Yöntemlerinin Karşılaştırılması Halil YURDUGÜL * Hacettepe Üniversitesi
DetaylıDENEY 3. HOOKE YASASI. Amaç:
DENEY 3. HOOKE YASASI Amaç: ) Herhangi bir uvvet altındai yayın nasıl davrandığını araştırma ve bu davranışın Hooe Yasası ile tam olara açılandığını ispatlama. ) Kütle yay sisteminin salınım hareeti için
DetaylıHipotez. Hipotez Testleri. Y. Doç. Dr. İbrahim Turan Nisan 2011
Hipotez Hipotez Testleri Y. Doç. Dr. İbrahim Turan Nisan 2011 Hipotez Nedir? Gözlemlenebilir (araştırılabilir) bir olay, olgu veya fikri mantıklı ve bilimsel olarak açıklamaya yönelik yapılan tahminlerdir.
DetaylıDers 9: Kitle Ortalaması ve Varyansı için Tahmin
Ders 9: Kitle Ortalaması ve Varyansı için Tahmin Kitle ve Örneklem Örneklem Dağılımı Nokta Tahmini Tahmin Edicilerin Özellikleri Kitle ortalaması için Aralık Tahmini Kitle Standart Sapması için Aralık
DetaylıBİYOİSTATİSTİK Uygulama 4 Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH
BİYOİSTATİSTİK Uygulama 4 Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH Ege Üniversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr 1 Örnek Senaryo İmplant üreten İMPLANTDENT
DetaylıLAÜ FEN EDEBĐYAT FAKÜLTESĐ PSĐKOLOJĐ BÖLÜMÜ PSK 106 ĐSTATĐSTĐK YÖNTEMLER I BAHAR DÖNEMĐ DÖNEM SONU SINAV SORULARI
LAÜ FEN EDEBĐYAT FAKÜLTESĐ PSĐKOLOJĐ BÖLÜMÜ PSK 106 ĐSTATĐSTĐK YÖNTEMLER I 2015-2016 BAHAR DÖNEMĐ DÖNEM SONU SINAV SORULARI Tarih/Saat/Yer: 15.06.16/09:00-10:30/AS115-116-117 Instructor: Prof. Dr. Hüseyin
DetaylıSA Ğ KALIM ANAL Ġ ZLER Ġ
SAĞKALIM ANALĠZLERĠ Sağkalım Analizleri Sağkalım verilerini analiz etmek üzere kullanılan istatistiksel yöntemlerdir. Sağkalım verileri, yanıt değişkeni bir olay meydana gelene kadar geçen süre olan verilerdir.
Detaylıİçindekiler. Ön Söz... xiii
İçindekiler Ön Söz.................................................... xiii Bölüm 1 İstatistiğe Giriş....................................... 1 1.1 Giriş......................................................1
DetaylıGÜVEN ARALIKLARI ve İSTATİSTİKSEL ANLAMLILIK. Ankara Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı
GÜVEN ARALIKLARI ve İSTATİSTİKSEL ANLAMLILIK Ankara Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı Kestirim Pratikte kitle parametrelerinin doğrudan hesaplamak olanaklı değildir. Bunun yerine
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık KORELASYON ve REGRESYON ANALİZİ Doç. Dr. İrfan KAYMAZ Tanım Bir değişkenin değerinin diğer değişkendeki veya değişkenlerdeki değişimlere bağlı olarak nasıl etkilendiğinin istatistiksel
DetaylıSERVOVALF VE HİDROLİK SİSTEMDEN OLUŞAN ELEKTROHİDROLİK BİR DÜMEN SİSTEMİNİN KONUM KONTROLÜ
GEMİ İNŞAATI VE DENİZ TEKNOLOJİSİ TEKNİK KONGRESİ 08 BİLDİRİLER KİTABI SERVOVALF VE HİDROLİK SİSTEMDEN OLUŞAN ELEKTROHİDROLİK BİR DÜMEN SİSTEMİNİN KONUM KONTROLÜ Fevzi ŞENLİTÜRK, Fuat ALARÇİN ÖZET Bu çalışmada
DetaylıMatris Unutma Faktörü İle Uyarlanmış Kalman Filtresinin Başarım Değerlendirmesi
Fırat Üniv. Fen Bilimleri Dergisi Fırat Unv. Journal of Science 25(), 7-76, 23 25(), 7-76, 23 Matris Unutma Fatörü İle Uyarlanmış Kalman Filtresinin Başarım Değerlendirmesi Özet Cener BİÇER * Esin KÖKSAL
Detaylı26.12.2013. Farklı iki ilaç(a,b) kullanan iki grupta kan pıhtılaşma zamanları farklı mıdır?
26.2.23 Gözlem ya da deneme sonucu elde edilmiş sonuçların, raslantıya bağlı olup olmadığının incelenmesinde kullanılan istatistiksel yöntemlere HĐPOTEZ TESTLERĐ denir. Sonuçların raslantıya bağlı olup
Detaylıİstatistiksel Karar Verme
İstatistiksel Karar Verme Yazar Doç.Dr. Ahmet ÖZMEN ÜNİTE 8 Amaçlar Bu üniteyi çalıştıktan sonra; istatistiksel hipotezlerin kurulmasında ve test edilmesinde kullanılan kavramların tanıtımı istatistiksel
DetaylıAçık işletme Dizaynı için Uç Boyutlu Dinamik Programlama Tekniği
MADENCİLİK Haziran June 1991 Cilt Volume XXX Sayı No 2 Açı işletme Dizaynı için Uç Boyutlu Dinami Programlama Teniği A Three Dimensional Dynamic Programming Technique for Open Pit Design Ercüment YALÇE\(*)
Detaylı2. TRANSFORMATÖRLER. 2.1 Temel Bilgiler
. TRANSFORMATÖRLER. Temel Bilgiler Transformatörlerde hareet olmadığından dolayı sürtünme ve rüzgar ayıpları mevcut değildir. Dolayısıyla transformatörler, verimi en yüse (%99 - %99.5) olan eletri maineleridir.
DetaylıDers 2 : MATLAB ile Matris İşlemleri
Ders : MATLAB ile Matris İşlemleri Kapsam Vetörlerin ve matrislerin tanıtılması Vetör ve matris operasyonları Lineer denlem taımlarının çözümü Vetörler Vetörler te boyutlu sayı dizileridir. Elemanlarının
DetaylıLAÜ FEN EDEBĐYAT FAKÜLTESĐ PSĐKOLOJĐ BÖLÜMÜ PSK 106 ĐSTATĐSTĐK YÖNTEMLER I BAHAR DÖNEMĐ TELAFĐ SINAVI SORULARI
LAÜ FEN EDEBĐYAT FAKÜLTESĐ PSĐKOLOJĐ BÖLÜMÜ PSK 106 ĐSTATĐSTĐK YÖNTEMLER I 2015-2016 BAHAR DÖNEMĐ TELAFĐ SINAVI SORULARI Tarih/Saat/Yer: 20.06.16/15:00-16:30/AS010 Instructor: Prof. Dr. Hüseyin Oğuz Öğrenci
DetaylıBİYOİSTATİSTİK. Uygulama 4. Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH
BİYOİSTATİSTİK Uygulama 4 Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH Ege Üniversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr 1 Güven Aralıkları 2 Güven Aralıkları
DetaylıANADOLU ÜNİVERSİTESİ. ENM 317 Prof. Dr. Nihal ERGİNEL
ANADOLU ÜNİVERSİTESİ ENM 317 Prof. Dr. Nihal ERGİNEL 2 ÖRNEKLEME Anakütleden n birimlik örnek alınması ve anakütle parametrelerinin örnekten tahmin edilmesidir. 3 ÖRNEKLEME ALMANIN NEDENLERİ Anakütleye
DetaylıDers 6: Sürekli Olasılık Dağılımları
Ders 6: Sürekli Olasılık Dağılımları Normal Dağılım Standart Normal Dağılım Binom Dağılımına Normal Yaklaşım Düzgün (uniform) Dağılım Üstel Dağılım Dağılımlar arası ilişkiler Bir rastgele değişkenin, normal
DetaylıOLASILIK ve KURAMSAL DAĞILIMLAR
OLASILIK ve KURAMSAL DAĞILIMLAR Kuramsal Dağılımlar İstatistiksel çözümlemelerde; değişkenlerimizin dağılma özellikleri, çözümleme yönteminin seçimi ve sonuçlarının yorumlanmasında önemlidir. Dağılma özelliklerine
DetaylıVİNÇTE ÇELİK KONSTRÜKSİYON
01 Mayıs VİNÇTE ÇELİK KONSTRÜKSİYON KİRİŞTE BURUŞMA 1-03 Güven KUTAY Semboller ve Kaynalar için "1_00_CeliKonstrusiyonaGiris.doc" a baınız. Koordinat esenleri "GENEL GİRİŞ" de belirtildiği gibi DIN 18800
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık Ders 9: Prof. Dr. İrfan KAYMAZ Tanım Hipotez, bir veya daha fazla anakütle hakkında ileri sürülen, ancak doğruluğu önceden bilinmeyen iddialardır. Ortaya atılan iddiaların, örnekten
DetaylıRASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI. Yrd. Doç. Dr. Emre ATILGAN
RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI Yrd. Doç. Dr. Emre ATILGAN 1 RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI Olasılığa ilişkin olayların çoğunluğunda, deneme sonuçlarının bir veya birkaç yönden incelenmesi
DetaylıGenetik Algoritma ile Mikrofon Dizilerinde Ses Kaynağının Yerinin Bulunması. Sound Source Localization in Microphone Arrays Using Genetic Algorithm
BİLİŞİM TEKOLOJİLERİ DERGİSİ, CİLT: 1, SAYI: 1, OCAK 2008 23 Geneti Algoritma ile Mirofon Dizilerinde Ses Kaynağının Yerinin Bulunması Erem Çontar, Hasan Şair Bilge Bilgisayar Mühendisliği Bölümü, Gazi
DetaylıİSTATİSTİK II. Hipotez Testleri 1
İSTATİSTİK II Hipotez Testleri 1 1 Hipotez Testleri 1 1. Hipotez Testlerinin Esasları 2. Ortalama ile ilgili bir iddianın testi: Büyük örnekler 3. Ortalama ile ilgili bir iddianın testi: Küçük örnekler
DetaylıİÇİNDEKİLER ÖN SÖZ...
İÇİNDEKİLER ÖN SÖZ... v GİRİŞ... 1 1. İSTATİSTİK İN TARİHÇESİ... 1 2. İSTATİSTİK NEDİR?... 3 3. SAYISAL BİLGİDEN ANLAM ÇIKARILMASI... 4 4. BELİRSİZLİĞİN ELE ALINMASI... 4 5. ÖRNEKLEME... 5 6. İLİŞKİLERİN
DetaylıEşleştirilmiş Durum-Kontrol Çalışmalarında Örneklem Genişliğinin Belirlenmesi İçin Pratik Yaklaşımlar
ORİJİNAL ARAŞTIRMA ORIGINAL RESEARCH Eşleştirilmiş Durum-Kontrol Çalışmalarında Örneklem Genişliğinin Belirlenmesi İçin Pratik Yaklaşımlar Practical Approaches for Determination of Sample Size in Paired
DetaylıİSTATİSTİK HAFTA. ÖRNEKLEME METOTLARI ve ÖRNEKLEM BÜYÜKLÜĞÜNÜN TESPİTİ
ÖRNEKLEME METOTLARI ve ÖRNEKLEM BÜYÜKLÜĞÜNÜN TESPİTİ HEDEFLER Bu üniteyi çalıştıktan sonra; Örneklemenin niçin ve nasıl yapılacağını öğreneceksiniz. Temel Örnekleme metotlarını öğreneceksiniz. Örneklem
DetaylıHazırlayan. Ramazan ANĞAY Kİ-KARE TEST İSTATİSTİĞİ
Hazırlayan Ramazan ANĞAY Kİ-KAR TST İSTATİSTİĞİ 1.GİRİŞ İstatistikte değişkenler sayısal (nicel) değişkenler ve sayısal olmayan (nitel) değişkenler olmak üzere iki grupta sınıflandırılmaktadır. Günümüzde
DetaylıTemel ve Uygulamalı Araştırmalar için Araştırma Süreci
BÖLÜM 8 ÖRNEKLEME Temel ve Uygulamalı Araştırmalar için Araştırma Süreci 1.Gözlem Genel araştırma alanı 3.Sorunun Belirlenmesi Sorun taslağının hazırlanması 4.Kuramsal Çatı Değişkenlerin açıkça saptanması
DetaylıPARAMETRİK OLMAYAN İSTATİSTİKSEL TEKNİKLER 8
PARAMETRİK OLMAYAN İSTATİSTİKSEL TEKNİKLER 8 Prof. Dr. Ali ŞEN İki Populasyonun Karşılaştırılması: Eşleştirilmiş Örnekler için Wilcoxon İşaretli Mertebe Testi -BÜYÜK ÖRNEK Bağımsız populasyonlara uygulanan
Detaylı2. REGRESYON ANALİZİNİN TEMEL KAVRAMLARI Tanım
2. REGRESYON ANALİZİNİN TEMEL KAVRAMLARI 2.1. Tanım Regresyon analizi, bir değişkenin başka bir veya daha fazla değişkene olan bağımlılığını inceler. Amaç, bağımlı değişkenin kitle ortalamasını, açıklayıcı
DetaylıSÜREKLİ OLASILIK DAĞILIŞLARI
SÜREKLİ OLASILIK DAĞILIŞLARI Sürekli verilerin göstermiş olduğu dağılışa sürekli olasılık dağılışı denir. Sürekli olasılık dağılışlarının fonksiyonlarına yoğunluk fonksiyonu denilmekte ve bu dağılışlarla
DetaylıAKT201 Matematiksel İstatistik I Yrd. Doç. Dr. Könül Bayramoğlu Kavlak
AKT20 Matematiksel İstatistik I 207-208 Güz Dönemi AKT20 MATEMATİKSEL İSTATİSTİK I ÖDEV 6 Son Teslim Tarihi: 29 Aralık 207 Cuma, Saat: 5:00 (Ödevlerinizi Arş. Gör. Ezgi NEVRUZ a elden teslim ediniz.) (SORU
DetaylıTEZ ONAYI Rabia ALBAYRAK tarafından hazırlanan Bağımsız İki Grup Karşılaştırılmasında Grup Ortalamaları Arasındaki Muamele Öncesi Farkın İrdelenmesi a
ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ BAĞIMSIZ İKİ GRUP KARŞILAŞTIRILMASINDA GRUP ORTALAMALARI ARASINDAKİ MUAMELE ÖNCESİ FARKIN İRDELENMESİ Rabia ALBAYRAK ZOOTEKNİ ANABİLİM DALI
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık -II Prof. Dr. İrfan KAYMAZ İki Ortalama Farkının Güven Aralığı Anakütle Varyansı Biliniyorsa İki ortalama arasındaki farkın dağılımına ilişkin Z değişkeni: Güven aralığı ifadesinde
DetaylıKalitatif Veri. 1. Kalitatif random değişkenler sınıflanabilen yanıtlar vermektedir. Örnek: cinsiyet (Erkek, Kız)
Kalitatif Veri 1. Kalitatif random değişkenler sınıflanabilen yanıtlar vermektedir. Örnek: cinsiyet (Erkek, Kız). Ölçüm kategorideki veri sayısını yansıtır 3. Nominal yada Ordinal ölçek Multinomial Deneyler
DetaylıÖZEL EGE LİSESİ 13. OKULLAR ARASI MATEMATİK YARIŞMASI 8. SINIF ELEME SINAVI TEST SORULARI
1. x,y,z pozitif tam sayılardır. 1 11 x + = 8 y + z olduğuna göre, x.y.z açtır? 3 B) 4 C) 6 D)1 3 1 4. {,1,1,1,...,1 } 1 ümesinin en büyü elemanının diğer 1 elemanın toplamına oranı, hangi tam sayıya en
DetaylıANADOLU ÜNİVERSİTESİ REGRESYON KATSAYILARININ GÜVEN ARALIĞI = + REGRESYON KATSAYILARININ GÜVEN ARALIĞI
ANADOLU ÜNİVERSİTESİ Deney Tasarımı ve Regresyon Analizi Regresyonda Güven Aralıkları ve Hipotez Testleri Doç. Dr. Nihal ERGİNEL-2015 REGRESYON KATSAYILARININ GÜVEN ARALIĞI + in güven aralığı : i-) n 30
Detaylı