ARAŞTIRMA MAKALESİ/RESEARCH ARTICLE

Save this PDF as:
 WORD  PNG  TXT  JPG

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "ARAŞTIRMA MAKALESİ/RESEARCH ARTICLE"

Transkript

1 ANADOLU ÜNİVERSİTESİ BİLİM VE TEKNOLOJİ DERGİSİ ANADOLU UNIVERSITY JOURNAL OF SCIENCE AND TECHNOLOGY Clt/Vol.:7 Saı/No: 1 : (006) ARAŞTIRMA MAKALESİ/RESEARCH ARTICLE ÖĞRENCİLERİN YAZ OKULU HAKKINDAKİ GÖRÜŞLERİ İÇİN KÜMELEME ANALİZİ Hasan Durucasu 1, Zerrn Aşan, Fkret Er 3 ÖZ Yaz Okulu, Türke üksek öğretm kurumlarında gderek agınlaşan br ugulamadır. Öğrencler normal dönemlerde başarısız oldukları dersler az okulunda telaf edebldkler gb genel not ortalamasını ükseltme ve üstten ders alma gb nedenler le de bu programa katılablmektedr. Arıca az okulları km durumlarda normal dönemlerde derslerde medana geleblecek oğunlaşmaı da br ölçüde azaltablmektedr. Bu çalışmada Anadolu Ünverstes İktsad İdar Blmler Fakültes İşletme bölümünde açılan az okuluna katılan öğrenclern genel proflnn belrlenmes Kümeleme Analz ardımı le gerçekleştrlmştr. Anahtar Kelmeler: Yaz okulu, Başarı, Kümeleme analz, Çok değşkenl analz CLUSTER ANALYSIS ON STUDENTS VIEWS ABOUT SUMMER SCHOOL ABSTRACT Summer school s an applcaton that s becomng wdespread n Turksh hgher educaton sstem. As well as havng the chance to compensate the courses the faled durng the term tme, students can also attend n the program n order to ncrease ther gpa or take a course before ts term. Furthermore, summer schools can solve the problem of crowdness n some cases. In ths stud, descrpton of general profle of the students who attended the summer school at Department of Busness Admnstraton, Facult of Economcs and Admnstratve Scences n Anadolu Unverst has been nvestgated usng Cluster Analss. Kewords: Summer school, Grades, Cluster analss, Multvarate analss 1 Anadolu Ünverstes, İktsad İdar Blmler Fakültes, İşletme Bölümü, 6470, Eskşehr, Tel: , E-posta: Anadolu Ünverstes, Fen Fakültes, İstatstk Bölümü, 6470 Eskşehr, Tel: , E-posta: 3 Anadolu Ünverstes, Fen Fakültes, İstatstk Bölümü, 6470 Eskşehr, Tel: , E-posta: Gelş:4 Şubat 005; Kabul: Mart 005

2 98 1. GİRİŞ Günümüzde araştırmacılarının karşılaştıkları problemler konusunda olası pek çok çözüm olları ortaa çıkmaktadır. Söz konusu çözüm olları problemn çoğu zaman çok değşkenl olarak ele alınmasını gerektrmektedr. Bu noktada bu araştırmaların analzlernde, ver türüne ve araştırma amacına göre, kullanılablecek statstksel çok değşkenl teknkler söz konusu olmaktadır. Kümeleme analz de söz konusu bu çok değşkenl saısal teknklerden brdr. Kümeleme analz ığın vernn söz konusu olduğu durumlarda sıklıkla kullanılan br teknktr. Br pazarlama araştırmasında ürünü kullanan müşterlern hang özellklere sahp olarak kümelendklern blmek ürünün pazarlanmasında büük katkı sunacaktır. Özellkle müşter proflnn belrlenmesnde şletmelere büük fadalar sağlamaktadır. Kümeleme analznn genel amacı gözlem brmlernn çok saıda değşken bakımından sınıflandırılmasıdır. İlgl değşkenler bakımından brbrne en çok benzeen brmlern anı küme çersnde er alması sağlanır. Bölece benzer brmlern brlkte sınıflanarak ncelenmes mümkün olmaktadır. Kümeleme analznde en çok kullanılan teknkler K- Ortalamalar teknğ le Herarşk kümeleme teknğdr. Herarşk kümeleme teknğ üksek şlem gücüne htaç gösterr. Çabuk br kümeleme analz çnse K-Ortalamalar teknğ kullanılır. Herarşk kümeleme analz teknkler ardımıla gözlem brmler kümelere aırableceğ gb, değşkenlern de kümelenmelern gözlemlemek mümkündür. Ünverste öğrenclernn başarısını nceleme, bu konuda br araştırma apma gereğn ortaa koar. Ünverste öğrenclernn başarısının ncelenmes hem öğrencler hem de eğtmcler çn fadalı olmaktadır. Başarıı etkleen öneml faktörler bulunmaktadır. Söz konusu faktörlerden brs de, ö- zellkle son ıllarda çoğu ünverstede geçerl olan az okulu kavramının ele alınmasını zorunlu kılmaktadır. Bu bağlamda ünverste öğrenclernn başarısı üzernde etksnn ortaa konulablmes çn, öğrenclern az okuluna bakışını belrlemek üzere br araştırma planlanmıştır (Durucasu, 005). Planlanan bu araştırmada ver toplama teknğ olarak anket kullanılmıştır. Araştırmanın ver toplama ve analzne lşkn arıntılı blg ugulama bölümünde ele alınacaktır. Planlanan araştırmada öğrenclern az okuluna bakışının belrlenmesnde çeştl değşkenler göz önüne alınmıştır. Bu değşkenlere göre, kümeleme analz teknkler ardımıla az okulu görüşler bakımından brbrne benzerlk gösteren öğrenc kümeler oluşturulmaa çalışılmıştır. Arıca öğrenclern kümelenmelernn tesptnde kullanılan değşkenlern kend aralarında nasıl kümelendkler de araştırılmıştır. Elde edlen sonuçlar çalışmanın son bölümünde değerlendrlmştr. Anadolu Ünverstes Blm ve Teknoloj Dergs, 7(1). Kümeleme Analz Kümeleme analz temel olarak, daha önce de belrtldğ gb, lglenlen değşkenler bakımından brbrne en çok benzeen brmler br araa toplama teknğdr. Brmlern benzerlğn ortaa komak çn çeştl uzaklık matrsler kullanılır. İknc br kullanım alanı olarak da, kümeleme analznn değşkenlern kümelenmesnde kullanılableceğ blnmektedr. Bölece hang görüşlern lglenlen brmler bakımından ortak özellklere sahp olduğunu gözlemlemek mümkün olmaktadır, (Evertt ve Dunn 1999, Johnson ve Wchern, 00). Kümeleme analz başlığı altında toplanablecek br çok farklı saısal teknk bulunmaktadır. Bu çalışmada Kümeleme analz ugulama evresnde ararlanılacak teknkler bakımından ncelenmştr. Genel Kümeleme Analz teknklernn ncelenmes araştırmanın genel amacı dışındadır. Kümeleme analz le lgl arıntılı blgler Johnson (00) ve Hartgan (1975) kullanılarak elde edleblr..1 K-Ortalamalar Teknğ le Kümeleme Analz Bu teknkte öncelkle bulunması stenen küme saısına karar verlr. Daha sonra bu kümelern merkezler belrlenr. Daha sonrada bu merkez noktalara göre bütün noktaların taraması apılarak her kümede merkez değernde daha fazla onama olmaacak değerlere ulaşılana kadar brmler kümelenr. Kolalıkla görülebleceğ gb hç br noktanın er değştrmeeceğ duruma kadar terasonlara devam edlr. Genellkle 50 den daha az terason le sonuca ulaşılablmektedr (Hartgan, 1975; Hartgan; Wong, 1979). K-Ortalamalar Kümeleme analz kısaca aşağıda verlen üç aşamada özetleneblr. a. Öncelkle Başlangıç Küme Merkezler belrlenr. Bu aşamada araştırmacı br kaç arı başlangıç küme saısı le br kaç kez kümeleme analzn tekrarlaablr. b. Brnc brmden başlaarak her br brm sırasıla kendsne en akın kümee atanır. Bu atamadan sonra bu kümenn ortalaması tekrar hesaplanır. Yenden hesaplana ortalama değerler bölece kümeleme merkezler halne gelrler. c. Brkez daha bütün gözlem brmler ncelenerek bütün brmler en akın kümelere atanır. Burada br kümeden olan uzaklık herhang br brm le bu brmn o küme merkez le olan Ökld uzaklığıdır. Son Küme ortalamaları her br kümee atanan brmlern değerlernden hesaplanır. K-Ortalamalar teknğ br sonrak alt bölümde ele alınacak olan herarşk kümeleme analz teknğne göre çok daha hızlı br kümeleme teknğdr (Hartgan, 1975).

3 Anadolu Unverst Journal of Scence and Technolog, 7 (1) 99. Herarşk Kümeleme Analz Br dğer Kümeleme analz teknğde herarşk Kümeleme analzdr. Bu teknkte öncelkle brmler a da değşkenler arasındak uzaklıklar hesaplanır. Daha sonra da oransal uzaklıklar dendrogram adı verlen ağaç grafğ üzernde gösterlr. Dendrogram ardımıla da brbrne akın brmler a da değşkenler brbrlerne akınlık oranları bakımından guruplandıklarından, kümelern görsel algılanablrlkler de artmaktadır. Gözlem brm a da değşken saısı arttıkça apılacak şlem mktarıda artacağından, büük ver setlernde çok daha zaman alıcı br teknktr. Fakat günümüz blgsaar güçler avaş avaş bu dezavantajı ortadan kaldırablmektedr. Bu teknğn ugulanmasında kullanılan uzaklık ölçüler değşkenlern ölçümlendkler ölçeklere göre farklılıklar göstermektedr. Sürekl verler çn Küme ölçüler olarak Ökld, Korelason, Cosne, Chebchev ve Mnkowsk gb teknkler kullanılablmektedr. Frekanslara daalı sama saılarında se K-Kare ve Ph teknkler er almaktadır. Ugulama kısmında K- Kare ölçüsü kullanılmıştır. Bu benzerlk ölçüsünün büüklüğü akınlığı hesaplanan k değşken a da brmn toplam frekanslarına bağlı olarak hesaplanmaktadır. Beklenen değerler ve olarak tanımlanablecek brmler a da değşkenlern bağımsızlığı modelnden elde edlrler. K-Kare ölçüsü K kare(,) = ( E( )) + E( ) ( E( )) E( ) (1) eştlğ ardımıla hesaplanılır. Benzerlk ölçüsüne karar verlmes dışında bu kümeleme analznde karar verlmes gereken knc noktada kullanılacak Kümeleme analz teknğdr. Gruplararası ortalama bağlantı, Gruplarç Ortalama bağlantı, Tam bağlantı, Tek bağlantı, Medan ve Merkezleşme (centrod) bağlantı bu grup çersnde saılablecek teknklerden bazılarıdır. Ugulama çalışmasında brmlern ve değşkenlern kümelere arılması aşamasında k-kare ölçüsü ve merkezleşme teknğ kullanılarak, herarşk kümeleme analz şlem gerçekleştrlmştr. Kısaca herarşk kümeleme analznde, kümeleme şlem aşağıda verlen adımların zlenmes le gerçekleştrleblr. a. Brbrne en çok benzeen ve küme çftler bulunur. Elde edlen benzerlk b olarak adlandırılır. b. ve kümelernn brer brer brleştrlmes le küme saısı azaltılır, elde edlen en kümee göre benzerlk matrs güncellenr. c. Bütün brmler br tek küme altında toplanana kadar şlemler sürdürülür. Gruplarası bağlantılar çn çeştl teknklern kullanılması söz konusudur. Çalışmada gözlemlenen değerlern kategork değşkenler olması nedenle merkezleşme teknğ (centrod method) kullanılmıştır. Bu teknk N ve N sırası le ve kümelerndek brm saıları olmak üzere b benzerlğnn N N N N = b + b b () b t rt N + N N + N r ( N + N ) eştlğ le hesaplanmasına daanır Anderberg, M.R. (1973), SPSS (1999), Tatlıdl, H. (1996). 3. UYGULAMA Verlern derlenmes çn az okulunun İşletme Bölümünün normal arııllarda 1. ve. normal arııl programında bulunan ve az okulu kapsamında açılan 11 derse kaıtlanan öğrenclere anket ugulanmıştır. Anket sorularını tüm öğrenclern 1 kez anıtlaması hedeflenmştr. Mükerrer anket formlarının elle elenmes sonucunda 300 öğrencden eksksz olarak ger dönen anket formları değerlendrmee alınmıştır (Durucasu, 005). Ugulamanın lk aşaması olarak az okulu öğrenclernn seçlmş çeştl değşkenler bakımından nasıl kümelendkler ele alınmıştır. Söz konusu bu değşkenler sırası le, öğrenclern mezun oldukları lse (Lse), az okulu süresnce Eskşehr de aşamlarını sürdürdükler ortam (Ortam), ortalama alık gder (Ortalama), derslere devamın zlenmes konusunda öğrenc beklents (Devam), az okulunda sürdürülen derslern zorluk dereces beklents (Zorluk), az okulu sınav beklents (SınavBek), az okulunda harf notu değerlendrmes beklents (HarfBek), az okulu derslernn şlenş bçmnden memnunet (İşlenşB), az okulundak öğretm elemanı terch (ÖEsteme), az okulu ders programlaması terch (PrgTerch), az okulunun gerekllğ (MutlkUg), bütünleme terch (Bütünleme), az okulun anlamı (Öncelk), az okulundan memnunet (Memnun) değşkenlerdr Değşkenlern belrlenmesnden sonra k- ortalamalar teknğne göre az okulu öğrenclernn kümelenmes şlem gerçekleştrlmştr. Kümeleme analz sonucunda 4 adet küme le karşılaşılmıştır. Her kümee at küme merkez statstk değerler Tablo 1. de verlmştr. Tablo 1. K-Ortalamalar Teknğne Göre Oluşturulan 4 Kümenn Merkezler Küme Merkezler Lse Ortam Ortalama Devam Zorluk SınavBek HarfBek İşlenşB ÖEİsteme PrgTerch MutlkUg Bütünleme Öncelk Memnun Küme Daha sonra analz sonuçlarına göre her küme çersnde er alan öğrenclern bölümlere göre dağılımları

4 100 da araştırılmıştır. Analz sonuçlarına göre az okulu öğrenclernn bölüm değşken bakımından kümeler çersndek dağılımları Tablo. de sunulmuştur. Tablo1 ve Tablo brlkte ele alındığında küme ve küme 4 ün toplamının az okulu öğrenclernn %7 lk br bölümünü kapsadığı görülmektedr. Küme merkezlerne göre apılan analzlere göre se küme ve küme 4 arasındak tek farklılık öğrenclern mezun oldukları lse değşkennden kanaklanmaktadır. Küme oluşturan öğrencler Anadolu Lses mezunu ken küme 4 Devlet lses mezunu öğrenclerden oluşmaktadır. Anadolu Ünverstes Blm ve Teknoloj Dergs, 7(1) bu kümenn aslında k alt küme olarak ta ele alınableceğ görüleblmektedr. Arıca knc küme de kend çersnde k alt küme olarak arılableceğ düşünüleblmesne rağmen uzaklık ve değşkenlern genel anlamları göz önüne alındığında br küme olarak ele alınmaları ugun görülmüştür. Tablo. 4 Küme İçersnde Yer Alan Öğrenclern Bölümlere Göre Dağılımları Küme 1 Numaras Toplam 3 4 BÖLÜM İşletme İktsat Çeko Male Dğer Toplam % 7.5%.0% 10.0%.5% 100.0% 14.5% 8.6%.0% 1.9% 15.5% 13.3% % 11.0% 3.7% 10.3% 19.9% 100.0% 45.5% 4.9% 45.5% 45.% 46.6% 45.3% % 15.9% 6.8% 18.% 0.5% 100.0% 10.3% 0.0% 7.3% 5.8% 15.5% 14.7% % 1.5% 3.8% 6.3% 16.3% 100.0% 9.7% 8.6% 7.3% 16.1%.4% 6.7% % 11.7% 3.7% 10.3% 19.3% 100.0% 100.0% 100.0% 100.0% 100.0% 100.0% 100.0% Küme ve Küme 4 çersnde er alan toplam 16 öğrencnn lglenlen değşkenler bakımından özellkler se şu şeklde sıralanablmektedr: Bu öğrencler evde arkadaşları le kamet etmektedr. Alık Mlon aralığında br gdere sahptr. Öğrencler derslere devam konusunda az okulunun daha sıkı olduğunu, az okulunun normal dönem ç derse göre daha zor olduğunu, harf notlarının daha katı atandığını ve derslern genel şlenş bçmnden memnun olduklarını belrtmektedrler. Arıca öğrencler derslern normal öğretm ılı çersnde ders ürütmekte olan öğretm elemanı tarafından sürdürülmesn terch etmektedrler. Ders programlama konusunda se her ne kadar halen ugulanan programlamanın devamını stedklern belrtrken öte andan haftalık ders saatlernn arttırılması le az okulunun daha da kısa br süre de sonlandırılmasını stemektedrler. Yaz okulunu gerekl br olgu olarak algılaan öğrencler bütünleme sınavlarına da sıcak bakmaktadır. Başarıı akalama şansı bu guruptak öğrenclern öncelğn oluşturmaktadır. Fakat az okulundan memnun olup olmama konusunda se ne azık k net br fkre sahp değldrler. Yaz okulu öğrenclern %7 sn oluşturan gurubun ncelenen değşkenler bakımından özellklernn ortaa çıkarılmasından sonra, lglenlen değşkenlern kend aralarındak kümelenmeler de ncelenmştr. Bu nceleme çn Herarşk kümeleme analz gerçekleştrlmştr. Herarşk kümeleme analz sonucunda elde edlen dendogram Şekl 1 de sunulmuştur. Şekl 1 de verlen dendogramın ncelenmes le değşkenlern temel olarak uazklık ölçüsü bakımından ncelendğnde kümee arıldıkları gözlenmektedr. Bu kümelerden lk daha detalı ncelendğnde Şekl 1. Değşkenler çn kümeleme analz dendrogramı. Bölelkle elde edlen 3 kümeden lk Lse, Ortam, Devam, SınavBek ve Memnun değşkenlern çermektedr. Dolaısıla bu küme az okulu öğrenclernn akademk altapıları ve Eskşehr de aşadıkları ortamın, sınav ve devam beklentlernn az okulu memnunet düzeler le uuştuğunu göstermektedr. İknc küme se HarfBekl, Öncelkl, Ortalama ve ÖEİsteme değşkenlernden oluşmaktadır. Dolaısıla bu kümede er alan Yaz okulunun anlamı, ortalama gder, öğretm elemanı terch ve harf beklents özellklern ansıtan değşkenlern ortak apıa sahp oldukları söleneblr. Üçüncü küme se MutlkUg, Bütünleme, Zorluk, PrgTerch ve İşlenşB değşkenlernden medana gelmştr. Bunlar küme uzaklıkları çok farklı olduğundan dğer başlığı altında ele alınablecek değşken kümesn fade etmektedr. 4. SONUÇ ve ÖNERİLER Ünverste öğrenclernn az okuluna lşkn genel bakışını ortaa komak üzere planlanan araştırmaa at verlere ugulanan çok değşkenl teknklerden küme örneklemes analz sonuçlarına ugulama bölümünde genş olarak er verlmştr. Bu sonuçlara göre anket ugulanan 300 öğrencnn az okulu beklentlerne göre genel olarak 4 kümede toplandıkları görülmüştür. Öğrenclern % 7 lk br bölümünün az okulu beklentlerne lşkn özellkler bakımından sadece kümede oğunlaştıkları gözlenmektedr. Bu sonuçta göstermştr k, öğrenclern derse devam konusundan, az okulunun derslernn zorluğundan, derslern şlenş bçmne ve memnunete kadar lgl özellkler bakımından homojenlk göstererek, k temel kümede toplanmıştır. Söz konusu 4 kümee lşkn olarak bölümler arası farklılıklar ortaa konulduğunda se öğrenclern bölümlere göre de k temel kümede oğunlaştığı ve bu kümelern ne. ve 4. kümeler olduğu ortaa çıkmıştır. Bölece lglenlen bütün değşkenler bakımından öğrencler k temel kümede toplanıorken, sadece öğrencle-

5 Anadolu Unverst Journal of Scence and Technolog, 7 (1) 101 rn mezun oldukları lse bakımından değşkenlk gösterdğ belrlenmştr. İlglenlen değşkenlern kend aralarındak kümelern ncelendğ herarşk kümeleme analz sonuçlarından se uzaklık ölçüsü olarak da temel k kümenn ortaa çıktığı görülür. Bu kümelerden lk daha detalı ncelendğnde se k alt küme olarak değerlendrldğnde üç kümenn belrlendğ gözlenr. Çalışmamızda ele aldığımız ugulama konusu üzernde kümeleme analznn genel şleşn görmenn, araştırıcılara fada sağlaması amaçlanmıştır. Bunun anında, öğrenclern az okulu beklentlerne lşkn lglenlen değşkenlere ve bölümlere göre k temel küme çersnde homojenlk gösterdklern belrlemek; az okuluna lşkn şu anda ve lerdek apılacak çalışmalarda ve planlamalarda nasıl br öğrenc proflle karşı karşıa olduğumuzu göstermes açısından önemldr. Bunun anında az okulunda göz önüne alınan lse türünden, ortalama ve program terch ve şlenş bçmne kadar on dört değşkenn brbrlerne karşı uzaklıklarını 3 küme le belrlemek; lglenlen değşkenlern daha sonrak çalışmalarda ele alış (fade etme, brleştrme v.b) bçmlernde nasıl br durum sergleeceklern de göstermektedr. KAYNAKÇA Anderberg, M.R. (1973). Cluster Analss for Applcatons. Academc Press, New York. Durucasu, H. (005). Yaz Okulu Öğrenclernn Beklentler. Anadolu Ünverstes Yaınları, No:161 Evertt, B.S. ve Dunn, G. (1999). Appled Multvarate Data Analss, Edward Arnold, Great Brtan. Hartgan, J.A. (1975). Clusterng algorthms. John Wle & Sons, Inc. New York: Tatlıdl, H. (1996). Ugulamalı Çok Değşkenl İstatstksel Analz, Cem Web Ofset Ltd. Şt., Ankara. Hasan Durucasu, 1951' de Eskşehr'de doğdu. 1978' de İstanbul Teknk Ünverstes Matematk Mühendslğ bölümünden mezun oldu. 1979' dan başlaarak Anadolu Ünverstes'nn değşk kurumlarında görev aldı. Sstem Analz ve İstatstksel Analz konularında çalışmalar apmaktadır. Halen Anadolu Ünverstes İktsad ve İdar Blmler Fakültes Saısal Yöntemler Anablm Dalı'nda öğretm ües olarak görevn sürdürmektedr. Zerrn Aşan, 1966 Çorlu doğumludur. İlk, orta ve lse eğtmn Eskşehr de tamamladıktan sonra, 1987 ılında Anadolu Ünverstes Fen-Edebat Fakültes, İstatstk Bölümü nden mezun olmuştur ılında anı bölümde araştırma görevls olarak göreve başlamıştır ılında Fen Blmler Ensttüsü, Ugulamalı İstatstk Blm dalında doktora öğrenmn tamamlamıştır. Anı ıl Yard.Doç.Dr. olarak atanmış olup, halen Anadolu Ünverstes Fen Fakültes İstatstk Bölümünde öğretm ües olarak çalışmaktadır. Fkret Er, lsans öğrenmn Anadolu Ünverstes İstatstk Bölümü nde 199 de, doktora öğrenmn Unverst of Leeds İngltere de 1999 da tamamlamıştır. Halen Anadolu Ünverstes İstatstk Bölümü nde Yardımcı Doçent olarak çalışmaktadır. Evl ve br çocuk babasıdır. Hartgan, J.A. & Wong, M.A. (1979). A K-means clusterng algorthm: Algorthm AS 136. Appled Statstcs, 8, Johnson, R.A. ve Wchern, D.W. (00). Appled Multvarate Statstcal Analss, Ffth Edton, Pearson educaton Int., New Jerse. Manl, Bran F. J. (1994). Multvarate Statstcal Methods : A Prmer, nd ed., Chapman & Hall, London. Marda, K.V., Kent, J.T. ve Bbb, J.M. (1994). Multvarate Analss, Nneth Prntng, Academc Press Lmted, Great Brtan. SPSS (1999). SPSS Base 10.0 Applcatons Gude, SPSS Inc., Unted States of Amerca.

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

ENDÜSTRİNİN DEĞİŞİK İŞ KOLLARINDA İHTİYAÇ DUYULAN ELEMANLARIN YÜKSEK TEKNİK EĞİTİM MEZUNLARINDAN SAĞLANMASINDAKİ BEKLENTİLERİN SINANMASI

ENDÜSTRİNİN 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

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

DOĞRUSAL HEDEF PROGRAMLAMA İLE BÜTÇELEME. Hazırlayan: Ozan Kocadağlı Danışman: Prof. Dr. Nalan Cinemre

DOĞRUSAL 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

Detaylı

Merkezi Eğilim (Yer) Ölçüleri

Merkezi 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

Detaylı

EMG İşaretlerinin K-Ortalama Algoritması Kullanılarak Öbekleştirilmesi. EMG Signal Analysis Using K-Means Clustering

EMG İşaretlerinin K-Ortalama Algoritması Kullanılarak Öbekleştirilmesi. EMG Signal Analysis Using K-Means Clustering KSÜ Mühendslk Blmler Dergs, (), 9 5 KSU Journal of Engneerng Scences, (), 9 EMG İşaretlernn K-Ortalama Algortması Kullanılarak Öbekleştrlmes Mücahd Günay, Ahmet ALKA, KSÜ Mühendslk-Mmarlık Fakültes Elektrk-Elektronk

Detaylı

Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi Pamukkale University Journal of Engineering Sciences

Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi Pamukkale University Journal of Engineering Sciences Pamukkale Ünverstes Mühendslk Blmler Dergs, Clt 0, Sayı 3, 04, Sayfalar 85-9 Pamukkale Ünverstes Mühendslk Blmler Dergs Pamukkale Unversty Journal of Engneerng Scences PREFABRİK ENDÜSTRİ YAPIARININ ARMONİ

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

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

ÜNİTE. İSTATİSTİĞE GİRİŞ Doç.Dr.Suphi Özçomak İÇİNDEKİLER HEDEFLER TEMEL KAVRAMLAR

ÜNİTE. İSTATİSTİĞE GİRİŞ Doç.Dr.Suphi Özçomak İÇİNDEKİLER HEDEFLER TEMEL KAVRAMLAR HEDEFLER İÇİNDEKİLER TEMEL KAVRAMLAR İstatstğn Tanımı Anakütle ve Örnek Kavramları Tam Sayım ve Örnekleme Anakütle ve Örnek Hacm Parametre ve İstatstk Kavramları İSTATİSTİĞE GİRİŞ Doç.Dr.Suph Özçomak Bu

Detaylı

Kİ KARE ANALİZİ. Doç. Dr. Mehmet AKSARAYLI Ki-Kare Analizleri

Kİ 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.

Detaylı

ALGILANAN HİZMET KALİTESİ VE LOJİSTİK REGRESYON ANALİZİ İLE HİZMET TERCİHİNE ETKİSİNİN BELİRLENMESİ. Özet

ALGILANAN 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

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

K-Ortalamalar Yöntemi ile Yıllık Yağışların Sınıflandırılması ve Homojen Bölgelerin Belirlenmesi *

K-Ortalamalar Yöntemi ile Yıllık Yağışların Sınıflandırılması ve Homojen Bölgelerin Belirlenmesi * İMO Teknk Derg, 2012 6037-6050, Yazı 383 K-Ortalamalar Yöntem le Yıllık Yağışların Sınıflandırılması ve Homojen Bölgelern Belrlenmes * Mahmut FIAT* Fath DİKBAŞ** Abdullah Cem KOÇ*** Mahmud GÜGÖ**** ÖZ

Detaylı

2.7 Bezier eğrileri, B-spline eğrileri

2.7 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

Detaylı

ÖZEL DERSHANELERIN ÜNlvERSITEYE GIRIşTE ÖGRENCI BAŞARısıNA ETKILERI

ÖZEL DERSHANELERIN ÜNlvERSITEYE GIRIşTE ÖGRENCI BAŞARısıNA ETKILERI Hacettepe Vnverstes Eğtm Fakültes Dergs 21 : 89-96 [2001J ÖZEL DERSHANELERIN ÜNlvERSITEYE GIRIşTE ÖGRENCI BAŞARısıNA ETKILERI EFFECT OF PRIVATE EDUCATIONAL INSTITUTIONS ON ACHIEVEMENT RELATED TO UNIVERSITY

Detaylı

Rasgele Değişken Üretme Teknikleri

Rasgele 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

Detaylı

YÜKSEK LİsANS VE DOKTORA PROGRAMLARI

YÜKSEK LİsANS VE DOKTORA PROGRAMLARI , EK-A YÜKSEK LİsANS VE DOKTORA PROGRAMLARI Değerl Arkadaşlar, --e------ Bldğnz üzere, ş dünyası sthdam edeceğ adaylarda, ünverste mezunyet sonrası kendlerne ne ölçüde katma değer ekledklern de cddyetle

Detaylı

GM-220 MÜH. ÇALIŞ. İSTATİSTİKSEL. Frekans Dağılımı Oluşturma Adımları VERİLERİN SUNUMU. Verilerin Özetlenmesi ve Grafikle Gösterilmesi

GM-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

Detaylı

FARKLI REGRESYON YÖNTEMLERİ İLE BETA KATSAYISI ANALİZİ

FARKLI 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

Detaylı

OLASILIĞA GİRİŞ. Biyoistatistik (Ders 7: Olasılık) OLASILIK, TIP ve GÜNLÜK YAŞAMDA KULLANIMI

OLASILIĞA 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

Detaylı

YÖNETİM VE EKONOMİ Yıl:2006 Cilt:13 Sayı:1 Celal Bayar Üniversitesi İ.İ.B.F. MANİSA

YÖNETİM VE EKONOMİ Yıl:2006 Cilt:13 Sayı:1 Celal Bayar Üniversitesi İ.İ.B.F. MANİSA YÖNETİM VE EKONOMİ Yıl:2006 Clt:3 Sayı: Celal Bayar Ünverstes İ.İ.B.F. MANİSA Bulanık Araç Rotalama Problemlerne Br Model Öners ve Br Uygulama Doç. Dr. İbrahm GÜNGÖR Süleyman Demrel Ünverstes, İ.İ.B.F.,

Detaylı

TÜKETİCİ TATMİNİ VERİLERİNİN ANALİZİ: YAPAY SİNİR AĞLARI ve REGRESYON ANALİZİ KARŞILAŞTIRMASI

TÜKETİCİ TATMİNİ VERİLERİNİN ANALİZİ: YAPAY SİNİR AĞLARI ve REGRESYON ANALİZİ KARŞILAŞTIRMASI 1 TÜKETİCİ TATMİNİ VERİLERİNİN ANALİZİ: YAPAY SİNİR AĞLARI ve REGRESYON ANALİZİ KARŞILAŞTIRMASI Metehan TOLON Nuray GÜNERİ TOSUNOĞLU Özet Tüketc tatmn araştırmaları özelde pazarlama yönetclernn, genelde

Detaylı

KIRMIZI, TAVUK VE BEYAZ ET TALEBİNİN TAM TALEP SİSTEMİ YAKLAŞIMIYLA ANALİZİ

KIRMIZI, 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

Detaylı

Dr. Kasım Baynal Dr.Melih Metin Rüstem Ersoy Kocaeli Universitesi Müh. Fak.Endüstri Müh. Bölümü Veziroğlu Yerleşkesi, KOCAELİ

Dr. Kasım Baynal Dr.Melih Metin Rüstem Ersoy Kocaeli Universitesi Müh. Fak.Endüstri Müh. Bölümü Veziroğlu Yerleşkesi, KOCAELİ TAŞIT ÜZERİNDE KULLANILAN HAVA YÖNLENDİRİCİLERİNİN YAKIT TÜKETİMİ ÜZERİNDEKİ ETKİSİNİN ÇOKLU REGRESYON ANALİZİ VE DENEY TASARIMI YÖNTEMİ İLE İNCELENMESİ Dr. Kasım Banal Dr.Melh Metn Rüstem Erso Kocael

Detaylı

T.C. ANADOLU ÜNİVERSİTESİ YAYINI NO: 2534 AÇIKÖĞRETİM FAKÜLTESİ YAYINI NO: 1505 TIBBİ İSTATİSTİK

T.C. ANADOLU ÜNİVERSİTESİ YAYINI NO: 2534 AÇIKÖĞRETİM FAKÜLTESİ YAYINI NO: 1505 TIBBİ İSTATİSTİK T.C. ANADOLU ÜNİVERSİTESİ YAYINI NO: 534 AÇIKÖĞRETİM FAKÜLTESİ YAYINI NO: 1505 TIBBİ İSTATİSTİK Yazarlar Doç.Dr. Zek YILDIZ (Ünte 1, 7) Prof.Dr. Veysel YILMAZ, Yrd.Doç.Dr. H. Eray ÇELİK (Ünte, 5) Yrd.Doç.Dr.

Detaylı

MESLEKi EGiTiMDE HizMET ici EGiTiM

MESLEKi EGiTiMDE HizMET ici EGiTiM MESLEK EGTMDE HzMET C EGTM Prof. Dr. Suna BAYKA (*) Yıldız GÜGE (**) Sevnç ÜAL (U) Br yükseköğretm programını btrmş ve meslek hayatına atılmış öğretmenlern çağımızdak blm ve teknolojk gelşmeler zlemeler

Detaylı

Adi Diferansiyel Denklemler NÜMERİK ANALİZ. Adi Diferansiyel Denklemler. Adi Diferansiyel Denklemler

Adi 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

Detaylı

Üniversite Öğrencilerinin Kredi Kartı Sahipliğini Belirleyen Faktörler

Üniversite Öğrencilerinin Kredi Kartı Sahipliğini Belirleyen Faktörler Ünverste Öğrenclernn Kred Kartı Sahplğn Belrleyen Faktörler H. Dlara KESKİN Yrd. Doç. Dr., Karadenz Teknk Ünverstes, İİBF İşletme Bölümü dlarakeskn@yahoo.com Emrah KOPARAN Öğr. Gör., Amasya Ünverstes Merzfon

Detaylı

Kİ-KARE VE KOLMOGOROV SMİRNOV UYGUNLUK TESTLERİNİN SİMULASYON İLE ELDE EDİLEN VERİLER ÜZERİNDE KARŞILAŞTIRILMASI

Kİ-KARE VE KOLMOGOROV SMİRNOV UYGUNLUK TESTLERİNİN SİMULASYON İLE ELDE EDİLEN VERİLER ÜZERİNDE KARŞILAŞTIRILMASI C.Ü. İktsad ve İdar Blmler Dergs, Clt 4, Sayı 1, 3 6 Kİ-KARE VE KOLMOGOROV SMİRNOV UYGUNLUK TESTLERİNİN SİMULASYON İLE ELDE EDİLEN VERİLER ÜZERİNDE KARŞILAŞTIRILMASI H. BİRCAN, Y. KARAGÖZ ve Y. KASAPOĞLU

Detaylı

Şiddet-Süre-Frekans Bağıntısının Genetik Algoritma ile Belirlenmesi: GAP Örneği *

Şiddet-Süre-Frekans Bağıntısının Genetik Algoritma ile Belirlenmesi: GAP Örneği * İMO Teknk Derg, 28 4393-447, Yazı 29 Şddet-Süre-Frekans Bağıntısının Genetk Algortma le Belrlenmes: GAP Örneğ * Hall KARAHAN* M. Tamer AYVAZ** Gürhan GÜRARSLAN*** ÖZ Bu çalışmada, Genetk Algortma (GA)

Detaylı

ARAŞTIRMA MAKALESİ/RESEARCH ARTICLE

ARAŞTIRMA MAKALESİ/RESEARCH ARTICLE ANADOLU ÜNİVESİTESİ BİLİ VE TEKNOLOJİ DEGİSİ ANADOLU UNIVESITY JOUNAL OF SCIENCE AND TECHNOLOGY Clt/Vol.:7 Saı/No: : 9-6 (006) AAŞTIA AKALESİ/ESEACH ATICLE İL VE İLÇELEDE YAILACAK KAUOYU AAŞTIALAI İÇİN

Detaylı

Türkiye den Yurt Dışına Beyin Göçü: Ampirik Bir Uygulama

Türkiye 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

Detaylı

TEKNOLOJĐK ARAŞTIRMALAR

TEKNOLOJĐK ARAŞTIRMALAR www.teknolojkarastrmalar.com ISSN:134-4141 Makne Teknolojler Elektronk Dergs 28 (1) 61-68 TEKNOLOJĐK ARAŞTIRMALAR Kısa Makale Tabakalı Br Dskn Termal Gerlme Analz Hasan ÇALLIOĞLU 1, Şükrü KARAKAYA 2 1

Detaylı

Obtaining Classical Reliability Terms from Item Response Theory in Multiple Choice Tests

Obtaining Classical Reliability Terms from Item Response Theory in Multiple Choice Tests Ankara Unversty, Journal of Faculty of Educatonal Scences, year: 26, vol: 39, no: 2, 27-44 Obtanng Classcal Relablty Terms from Item Response Theory n Multple Choce Tests Hall Yurdugül * ABSTRACT: The

Detaylı

Metin Madenciliği ile Soru Cevaplama Sistemi

Metin Madenciliği ile Soru Cevaplama Sistemi Metn Madenclğ le Soru Cevaplama Sstem Sevnç İlhan 1, Nevchan Duru 2, Şenol Karagöz 3, Merve Sağır 4 1 Mühendslk Fakültes Blgsayar Mühendslğ Bölümü Kocael Ünverstes slhan@kocael.edu.tr, nduru@kocael.edu.tr,

Detaylı

A İSTATİSTİK. 4. X kesikli rasgele (random) değişkenin moment çıkaran. C) 4 9 Buna göre, X in beklenen değeri kaçtır?

A 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

Detaylı

2005 Gazi Üniversitesi Endüstriyel Sanatlar Eğitim Fakültesi Dergisi Sayı:16, s31-46

2005 Gazi Üniversitesi Endüstriyel Sanatlar Eğitim Fakültesi Dergisi Sayı:16, s31-46 2005 Gaz Ünverstes Endüstryel Sanatlar Eğtm Fakültes Dergs Sayı:16, s31-46 ÖZET BANKALARDA MALİ BAŞARISIZLIĞIN ÖNGÖRÜLMESİ LOJİSTİK REGRESYON VE YAPAY SİNİR AĞI KARŞILAŞTIRMASI 31 Yasemn KESKİN BENLİ 1

Detaylı

3. Parçaları Arasında Aralık Bulunan Çok Parçalı Basınç Çubukları

3. Parçaları Arasında Aralık Bulunan Çok Parçalı Basınç Çubukları 3. Parçaları Arasında Aralık Bulunan Çok Parçalı Basınç Çubukları Basınç çubukları brden fazla profl kullanılarak, bu profller arasında plan düzlemnde bell br mesafe bulunacak şeklde düzenleneblr. Bu teşklde,

Detaylı

BİLGİSAYARLA GÖRÜ TABANLI, HAREKETLİ CİSİM YÖRÜNGESİ İZLEYEN ROBOT KOL TASARIMI

BİLGİSAYARLA GÖRÜ TABANLI, HAREKETLİ CİSİM YÖRÜNGESİ İZLEYEN ROBOT KOL TASARIMI BİLGİSAYARLA GÖRÜ TABANLI, HAREKETLİ CİSİM YÖRÜNGESİ İZLEYEN ROBOT KOL TASARIMI Emre Kouncu İstanbul Teknk Ünverstes Elektrk Mühendslğ ekouncu@kouncurobotc.com Osman Celan İstanbul Teknk Ünverstes Elektronk

Detaylı

ARAŞTIRMA MAKALESİ/RESEARCH ARTICLE TEK ÇARPIMSAL SİNİR HÜCRELİ YAPAY SİNİR AĞI MODELİNİN EĞİTİMİ İÇİN ABC VE BP YÖNTEMLERİNİN KARŞILAŞTIRILMASI ÖZ

ARAŞTIRMA MAKALESİ/RESEARCH ARTICLE TEK ÇARPIMSAL SİNİR HÜCRELİ YAPAY SİNİR AĞI MODELİNİN EĞİTİMİ İÇİN ABC VE BP YÖNTEMLERİNİN KARŞILAŞTIRILMASI ÖZ ANADOLU ÜNİVERSİTESİ Blm ve Teknoloj Dergs A-Uygulamalı Blmler ve Mühendslk Clt: 14 Sayı: 3 013 Sayfa: 315-38 ARAŞTIRMA MAKALESİ/RESEARCH ARTICLE Faruk ALPASLAN 1, Erol EĞRİOĞLU 1, Çağdaş Hakan ALADAĞ,

Detaylı

T.C. KEÇiÖREN BELEDİYE BAŞKANLIGI Mali Hizmetler Müdürlüğü BAŞKANLIK MAKAMINA

T.C. KEÇiÖREN BELEDİYE BAŞKANLIGI Mali Hizmetler Müdürlüğü BAŞKANLIK MAKAMINA l!l KEÇÖREN BELEDİYE BAŞKANLIGI KEÇöREN BELeDYES SA YI : M.06.6.KEç.O-31/2009KONU: Yetk Devr bo f.!200fd 6.1. BAŞKANLIK MAKAMINA Blndğ üzere O 1.01.2006 tarhnden tbaren tüm yerel yönetmlerde 31.12.2005

Detaylı

MEVLANA DEĞİŞİM PROGRAMI PROTOKOLÜ MEVLANA EXCHANGE PROGRAMME PROTOCOL

MEVLANA DEĞİŞİM PROGRAMI PROTOKOLÜ MEVLANA EXCHANGE PROGRAMME PROTOCOL MEVLANA DEĞİŞİM PROGRAMI PROTOKOLÜ MEVLANA EXCHANGE PROGRAMME PROTOCOL a Bzler, aşağıda mzaları bulunan yükseköğretm kurumlan olarak, kurumlarımız arasında Mevlana Değşm Programı kapsamında şbrlğ yapmayı

Detaylı

TRANSPORT PROBLEMI için GELIsTIRILMIs VAM YÖNTEMI

TRANSPORT PROBLEMI için GELIsTIRILMIs VAM YÖNTEMI Yönetm, Yl 9, Say 28, Ekm - 1997,5.20-25 TRANSPORT PROBLEMI ÇIN GELIsTIRILMIs VAM YÖNTEMI Dr. Erhan ÖZDEMIR I.Ü. Teknk Blmler M.Y.O. L.GIRIs V AM transport problemlerne en düsük malyetl baslangç çözüm

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

YAŞAM ÇÖZÜMLEMESİNDE AYKIRI DEĞERLER OUTLIERS IN SURVIVAL ANALYSIS

YAŞAM 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

Detaylı

LOJİSTİK REGRESYON VE CART ANALİZİ TEKNİKLERİYLE SOSYAL GÜVENLİK KURUMU İLAÇ PROVİZYON SİSTEMİ VERİLERİ ÜZERİNDE BİR UYGULAMA. Zeynep Burcu KIRAN

LOJİSTİK REGRESYON VE CART ANALİZİ TEKNİKLERİYLE SOSYAL GÜVENLİK KURUMU İLAÇ PROVİZYON SİSTEMİ VERİLERİ ÜZERİNDE BİR UYGULAMA. Zeynep Burcu KIRAN LOJİSTİK REGRESYON VE CART ANALİZİ TEKNİKLERİYLE SOSYAL GÜVENLİK KURUMU İLAÇ PROVİZYON SİSTEMİ VERİLERİ ÜZERİNDE BİR UYGULAMA Zeynep Burcu KIRAN YÜKSEK LİSANS TEZİ İSTATİSTİK GAZİ ÜNİVERSİTESİ FEN BİLİMLERİ

Detaylı

SUÇ 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 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

Detaylı

AKADEMİK YAKLAŞIMLAR DERGİSİ JOURNAL OF ACADEMIC APPROACHES

AKADEMİK 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

Detaylı

ADJUSTED DURBIN RANK TEST FOR SENSITIVITY ANALYSIS IN BALANCED INCOMPLETE BLOCK DESIGN

ADJUSTED DURBIN RANK TEST FOR SENSITIVITY ANALYSIS IN BALANCED INCOMPLETE BLOCK DESIGN SAÜ Fen Edebyat Dergs (2010-I) F.GÖKPINAR v.d. DENGELİ TAMAMLANMAMIŞ BLOK TASARIMINDA, DUYUSAL ANALİZ İÇİN DÜZELTİLMİŞ DURBİN SIRA SAYILARI TESTİ Fkr GÖKPINAR*, Hülya BAYRAK, Dlşad YILDIZ ve Esra YİĞİT

Detaylı

ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ

ÇUKUROVA 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

Detaylı

Öğretim planındaki AKTS TASARIM STÜDYOSU IV 214058100001312 2 4 0 4 9

Öğretim planındaki AKTS TASARIM STÜDYOSU IV 214058100001312 2 4 0 4 9 Ders Kodu Teork Uygulama Lab. Ulusal Kred Öğretm planındak AKTS TASARIM STÜDYOSU IV 214058100001312 2 4 0 4 9 Ön Koşullar : Grafk İletşm I ve II, Tasarım Stüdyosu I, II, III derslern almış ve başarmış

Detaylı

ASİMETRİK VE SİMETRİK MARJİNAL DAGILIMLARDA ÇOK

ASİMETRİK VE SİMETRİK MARJİNAL DAGILIMLARDA ÇOK ASİMETRİK VE SİMETRİK MARJİNAL DAGILIMLARDA ÇOK DEGİşKENLİ NORMALLİK A. Mete Çlngrtürk aclng@marmara.edu.tr Marmara Ünverstes Dlek Altaş d] eka] tas@marmara.edu.tr Marmara Ünverstes ÖZET Pek çok sosyal

Detaylı

Akıllı Telefon Seçiminin Belirleyicileri: Üniversite Öğrencileri Üzerine Bir Uygulama

Akıllı Telefon Seçiminin Belirleyicileri: Üniversite Öğrencileri Üzerine Bir Uygulama The PDF verson of an unedted manuscrpt has been peer revewed and accepted for publcaton. Based upon the publcaton rules of the journal, the manuscrpt has been formatted, but not fnalzed yet. Before fnal

Detaylı

MUHASEBE BÖLÜMÜ MESLEK DERSLERİ KİTAPLARININ DEĞERLENDİRİLMESİ ARAŞTIRMASI

MUHASEBE BÖLÜMÜ MESLEK DERSLERİ KİTAPLARININ DEĞERLENDİRİLMESİ ARAŞTIRMASI .. Î eslekî ve eknk ğtm raştırma ve elştrme erkez aşkanlığı () ayın o : 30. brahm lz 2001 : 975-11-2109-4 uhasebe, tcarî hayatın temel meslek alanlarından brsdr. lkemzde muhasebe meslek alanında, ş ve

Detaylı

Veride etiket bilgisi yok Denetimsiz öğrenme (unsupervised learning) Neden gereklidir?

Veride etiket bilgisi yok Denetimsiz öğrenme (unsupervised learning) Neden gereklidir? MEH535 Örünü Tanıma 7. Kümeleme (Cluserng) Doç.Dr. M. Kemal GÜLLÜ Elekronk ve Haberleşme Mühendslğ Bölümü web: hp://akademkpersonel.kocael.edu.r/kemalg/ E-posa: kemalg@kocael.edu.r Verde eke blgs yok Denemsz

Detaylı

Türk Alaca Atlarının Vücut Ölçülerinin Farklı Yaşlarda İncelenmesi

Türk Alaca Atlarının Vücut Ölçülerinin Farklı Yaşlarda İncelenmesi Gazosmanpaşa Ünverstes Zraat Fakültes Dergs Journal of Agrcultural Faculty of Gazosmanpasa Unversty http://zraatderg.gop.edu.tr/ Araştırma Makales/Reseach Artcle JAFAG ISSN: 1300-2910 E-ISSN: 2147-8848

Detaylı

Biyoistatistik (Ders 6: Bağımsız Gruplarda İkiden Çok Örneklem Testleri)

Biyoistatistik (Ders 6: Bağımsız Gruplarda İkiden Çok Örneklem Testleri) k ÖRNEKLEM TESTLERİ BAĞIMSIZ GRUPLARDA k ÖRNEKLEM TESTLERİ Yrd. Doç. Dr. Ünal ERKORKMAZ Sakarya Ünverstes Tıp Fakültes Byostatstk Anablm Dalı uerkorkmaz@sakarya.edu.tr BAĞIMSIZ İKİDEN ÇOK GRUBUN KARŞILAŞTIRILMASINA

Detaylı

AN APPLICATION ABOUT THE UNIVERSITY STUDENTS IN IZMIR WITH STRATIFIED CLUSTER SAMPLING

AN APPLICATION ABOUT THE UNIVERSITY STUDENTS IN IZMIR WITH STRATIFIED CLUSTER SAMPLING Süleyman Demrel Ünverstes İktsad ve İdar Blmler Fakültes Dergs Y.009, C.4, S. s.407-44. Suleyman Demrel Unversty The Journal of Faculty of Economcs and Admnstratve Scences Y.009, Vol.4, o. pp.407-44. İZMİR

Detaylı

( ) 3.1 Özet ve Motivasyon. v = G v v Operasyonel Amplifikatör (Op-Amp) Deneyin Amacı. deney 3

( ) 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

Detaylı

Dersin Yürütülmesi Hakkında. (Örgün / Yüz Yüze Eğitim için) (Harmanlanmış Eğitim için) (Uzaktan Eğitim için)

Dersin Yürütülmesi Hakkında. (Örgün / Yüz Yüze Eğitim için) (Harmanlanmış Eğitim için) (Uzaktan Eğitim için) Ders Kodu Teork Uygulama Lab. Uluslararası Muhasebe ve Fnansal Raporlama Standartları Ulusal Kred Öğretm planındak AKTS 344000000000510 3 0 0 3 6 Ön Koşullar : Bu dersn ön koşulu ya da yan koşulu bulunmamaktadır.

Detaylı

ÇOK DEĞİŞKENLİ OLASILIK DAĞILIMLARI

ÇOK 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

Detaylı

BULANIK HEDEF PROGRAMLAMA VE BİR TEKSTİL FİRMASINDA UYGULAMA ÖRNEĞİ

BULANIK HEDEF PROGRAMLAMA VE BİR TEKSTİL FİRMASINDA UYGULAMA ÖRNEĞİ Eskşehr Osmangaz Ünverstes Sosyal Blmler Dergs Clt: 6 Sayı: 2 Aralık 2005 BULANIK HEDEF PROGRAMLAMA VE BİR TEKSTİL FİRMASINDA UYGULAMA ÖRNEĞİ İrfan ERTUĞRUL Pamukkale Ünverstes İİBF, Denzl ÖZET Günümüzde

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

VERİ ZARFLAMA ANALİZİ İLE TIBBİ GÖRÜNTÜ, ARŞİV VE İLETİŞİM SİSTEMLERİNİN DEVLET HASTANELERİ PERFORMANSINA ETKİLERİNİN ARAŞTIRILMASI

VERİ ZARFLAMA ANALİZİ İLE TIBBİ GÖRÜNTÜ, ARŞİV VE İLETİŞİM SİSTEMLERİNİN DEVLET HASTANELERİ PERFORMANSINA ETKİLERİNİN ARAŞTIRILMASI Süleyman Demrel Ünverstes Sosyal Blmler Ensttüsü DergsYıl: 2013/1, Sayı:17 Journal of Süleyman Demrel Unversty Insttute of Socal ScencesYear: 2013/1, Number:17 VERİ ZARFLAMA ANALİZİ İLE TIBBİ GÖRÜNTÜ,

Detaylı

Coğrafi Bilgi Sistemlerinin Neonatal Tetanozun Dağılımının Belirlenmesinde Kullanımı

Coğrafi Bilgi Sistemlerinin Neonatal Tetanozun Dağılımının Belirlenmesinde Kullanımı TAF Preventve Medcne Bulletn, 2009: 81 Araştırma/Research Artcle TAF Prev Med Bull 2009; 81:59-68 Coğraf Blg Sstemlernn Neonatal Tetanozun Dağılımının Belrlenmesnde Kullanımı [Usng Geographc Informaton

Detaylı

BIST da Demir, Çelik Metal Ana Sanayii Sektöründe Faaliyet Gösteren İşletmelerin Finansal Performans Analizi: VZA Süper Etkinlik ve TOPSIS Uygulaması

BIST da Demir, Çelik Metal Ana Sanayii Sektöründe Faaliyet Gösteren İşletmelerin Finansal Performans Analizi: VZA Süper Etkinlik ve TOPSIS Uygulaması EGE AKADEMİK BAKIŞ / EGE ACADEMIC REVIEW Clt: 4 Sayı: Ocak 04 ss. 9-9 BIST da Demr, Çelk Metal Ana Sanay Sektöründe Faalyet Gösteren İşletmelern Fnansal Performans Analz: VZA Süper Etknlk ve TOPSIS Uygulaması

Detaylı

Sıfır Ağırlıklı Sayma ile Elde Edilen Veriler İçin Çok Seviyeli ZIP Regresyon * Multilevel ZIP Regression for Zero-Inflated Count Data

Sıfır Ağırlıklı Sayma ile Elde Edilen Veriler İçin Çok Seviyeli ZIP Regresyon * Multilevel ZIP Regression for Zero-Inflated Count Data Yüzüncü Yıl Ünverstes Fen Blmler Ensttüsü Dergs/ Journal of The Insttute of Natural & Appled Scences 18 (1-):01-08, 013 Araştırma Makales/Research Artcle Sıfır Ağırlıklı Sayma le Elde Edlen Verler İçn

Detaylı

META ANALİZ VE TARIMSAL UYGULAMALAR

META ANALİZ VE TARIMSAL UYGULAMALAR T.C. KAHRAMANMARAŞ SÜTÇÜ İMAM ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ ZOOTEKNİ ANABİLİM DALI META ANALİZ VE TARIMSAL UYGULAMALAR HANDE KÜÇÜKÖNDER YÜKSEK LİSANS TEZİ KAHRAMANMARAŞ Ocak -2007 T.C. KAHRAMANMARAŞ

Detaylı

Türkı ye dekı Ünı versı telerı n Öğrencı ile İletı şimde Kurumsal Sosyal Medya Kullanım Durumlarının İncelenmesı

Türkı ye dekı Ünı versı telerı n Öğrencı ile İletı şimde Kurumsal Sosyal Medya Kullanım Durumlarının İncelenmesı Türkı ye dekı Ünı versı telerı n Öğrencı le İletı şmde Kurumsal Sosyal Medya Kullanım Durumlarının İncelenmesı Dr. Abdullah Düvenc 1 1 Marmara, Atatürk Eğtm Fakültes Blgsayar ve Öğretm Teknolojler Eğtm

Detaylı

KULLANIMI VE UYGULAMASI Canan HAMURKAROGLU1, ilknur ÖZMEN2. THE USE OF MULTIDIMENSIONAL SCALlNG IN THE STATISTICAL QUALlTY CONTROL AND ITS APPLlCATION

KULLANIMI VE UYGULAMASI Canan HAMURKAROGLU1, ilknur ÖZMEN2. THE USE OF MULTIDIMENSIONAL SCALlNG IN THE STATISTICAL QUALlTY CONTROL AND ITS APPLlCATION ANADOLU ÜNvERSTES BlM VE TEKNOLOJ DERGS ANADOLU UNIVERSITY JOURNAL OF SCIENCE AND TECHNOLOGY CltlVol.:3 - Sayı/No: 2 : 235-240 (2002) ARAŞTIRMA MAKALESRESEARCH ARTICLE STATsTKSEL KALTE KONTROLÜNDE ço«boyutlu

Detaylı

İSTATİSTİK DERS NOTLARI

İSTATİSTİK 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

Detaylı

TÜRKİYE DEKİ 380 kv LUK 14 BARALI GÜÇ SİSTEMİNDE EKONOMİK YÜKLENME ANALİZİ

TÜRKİYE DEKİ 380 kv LUK 14 BARALI GÜÇ SİSTEMİNDE EKONOMİK YÜKLENME ANALİZİ TÜRİYE DEİ 38 kv LU 4 BARALI GÜÇ SİSTEMİDE EOOMİ YÜLEME AALİZİ Mehmet URBA Ümmühan BAŞARA 2,2 Elektrk-Elektronk Mühendslğ Bölümü Mühendslk-Mmarlık Fakültes Anadolu Ünverstes İk Eylül ampüsü, 2647, ESİŞEHİR

Detaylı

BANKACILIKTA ETKİNLİK VE SERMAYE YAPISININ BANKALARIN ETKİNLİĞİNE ETKİSİ

BANKACILIKTA 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

Detaylı

KENTSEL ALANDA ET TALEP ANALİZİ: BATI AKDENİZ BÖLGESİ ÖRNEĞİ. Dr. Ali Rıza AKTAŞ 1 Dr. Selim Adem HATIRLI 2

KENTSEL 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

Detaylı

Düşük Hacimli Üretimde İstatistiksel Proses Kontrolü: Kontrol Grafikleri

Düşük Hacimli Üretimde İstatistiksel Proses Kontrolü: Kontrol Grafikleri Düşü Hacml Üretmde İstatstsel Proses Kontrolü: Kontrol Grafler A. Sermet Anagün ÖZET İstatstsel Proses Kontrolu (İPK) apsamında, proses(ler)de çeştl nedenlerden aynalanan değşenlğn belrlenere ölçülmes,

Detaylı

REGRESYONDA 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 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

Detaylı

ATATÜRK ÜNİVERSİTESİ SOSYAL BİLİMLER ENSTİTÜSÜ İŞLETME ANA BİLİM DALI. Serhat BURMAOĞLU

ATATÜRK ÜNİVERSİTESİ SOSYAL BİLİMLER ENSTİTÜSÜ İŞLETME ANA BİLİM DALI. Serhat BURMAOĞLU ATATÜRK ÜNİVERSİTESİ SOSYAL BİLİMLER ENSTİTÜSÜ İŞLETME ANA BİLİM DALI Serhat BURMAOĞLU BİRLEŞMİŞ MİLLETLER KALKINMA PROGRAMI BEŞERİ KALKINMA ENDEKSİ VERİLERİNİ KULLANARAK DİSKRİMİNANT ANALİZİ, LOJİSTİK

Detaylı

TEDARİKÇİ SEÇİMİNDE ANALİTİK HİYERARŞİ PROSESİ VE HEDEF PROGRAMLAMA YÖNTEMLERİNİN KOMBİNASYONU: OTEL İŞLETMELERİNDE BİR UYGULAMA

TEDARİKÇİ SEÇİMİNDE ANALİTİK HİYERARŞİ PROSESİ VE HEDEF PROGRAMLAMA YÖNTEMLERİNİN KOMBİNASYONU: OTEL İŞLETMELERİNDE BİR UYGULAMA TEDARİKÇİ SEÇİMİNDE ANALİTİK HİYERARŞİ PROSESİ VE HEDEF PROGRAMLAMA YÖNTEMLERİNİN KOMBİNASYONU: OTEL İŞLETMELERİNDE BİR UYGULAMA Yrd. Doç. Dr. Meltem KARAATLI * Yrd. Doç. Dr. Gonca DAVRAS ** ÖZ Otel şletmelernde,

Detaylı

YAYILI YÜK İLE YÜKLENMİŞ YAPI KİRİŞLERİNDE GÖÇME YÜKÜ HESABI. Perihan (Karakulak) EFE

YAYILI 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

Detaylı

LOJİSTİK REGRESYON ANALİZİ İLE ESKİŞEHİR İN SİS

LOJİSTİK REGRESYON ANALİZİ İLE ESKİŞEHİR İN SİS İstanbul Tcaret Ünverstes Fen Blmler Dergs Yıl: 8 Sayı: 16 Güz 2009/2 s. 47-59 LOJİSTİK REGRESYON ANALİZİ İLE ESKİŞEHİR İN SİS KESTİRİMİNİN İNCELENMESİ Cengz AKTAŞ *, Orkun ERKUŞ ** Gelş: 12.10.2009 Kabul:

Detaylı

FARKLI VERİ YAPILARINDA KULLANILABİLECEK REGRESYON YÖNTEMLERİ

FARKLI 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

Detaylı

4.5. SOĞUTMA KULELERİNİN BOYUTLANDIRILMASI İÇİN BİR ANALIZ

4.5. SOĞUTMA KULELERİNİN BOYUTLANDIRILMASI İÇİN BİR ANALIZ Ünsal M.; Varol, A.: Soğutma Kulelernn Boyutlandırılması İçn Br Kuramsal 8 Mayıs 990, S: 8-85, Adana 4.5. SOĞUTMA KULELERİNİN BOYUTLANDIRILMASI İÇİN BİR ANALIZ Asaf Varol Fırat Ünverstes, Teknk Eğtm Fakültes,

Detaylı

ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ ÇOKLU İÇ İLİŞKİ VE EKOLOJİK REGRESYON İSTATİSTİK ANABİLİM DALI

ÇUKUROVA 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

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

Hasar sıklıkları için sıfır yığılmalı kesikli modeller

Hasar 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

Detaylı

PARAMETRİK OLMAYAN HİPOTEZ TESTLERİ. χ 2 Kİ- KARE TESTLERİ. Doç.Dr. Ali Kemal ŞEHİRLİOĞLU Araş.Gör. Efe SARIBAY

PARAMETRİK OLMAYAN HİPOTEZ TESTLERİ. χ 2 Kİ- KARE TESTLERİ. Doç.Dr. Ali Kemal ŞEHİRLİOĞLU Araş.Gör. Efe SARIBAY PARAMETRİK OLMAYAN HİPOTEZ TESTLERİ Kİ- KARE TESTLERİ Doç.Dr. Al Kemal ŞEHİRLİOĞLU Araş.Gör. Efe SARIAY Populasyonun nceledğmz br özellğnn dağılışı blenen dağılışlardan brsne, Normal Dağılış, t Dağılışı,

Detaylı

İyi Tarım Uygulamaları Ve Tüketici Davranışları (Logit Regresyon Analizi)(*)

İyi 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

Detaylı

TOPSIS ÇOK KRİTERLİ KARAR VERME SİSTEMİ: TÜRKİYE DEKİ KAMU BANKALARI ÜZERİNE BİR UYGULAMA

TOPSIS ÇOK KRİTERLİ KARAR VERME SİSTEMİ: TÜRKİYE DEKİ KAMU BANKALARI ÜZERİNE BİR UYGULAMA Araştırma Makaleler TOPSIS ÇOK KRİTERLİ KARAR VERME SİSTEMİ: TÜRKİYE DEKİ KAMU BANKALARI ÜZERİNE BİR UYGULAMA Dr., Dokuz Eylül Ünverstes, İİBF İşletme Bölümü erhan.demrel@deu.edu.tr ÖZET Ekonomk faalyetlern

Detaylı

ANADOLU ÜNivERSiTESi BiliM VE TEKNOLOJi DERGiSi ANADOLU UNIVERSITY JOURNAL OF SCIENCE AND TECHNOLOGY CiltNol.:2 - Sayı/No: 2 : 413-417 (2001)

ANADOLU ÜNivERSiTESi BiliM VE TEKNOLOJi DERGiSi ANADOLU UNIVERSITY JOURNAL OF SCIENCE AND TECHNOLOGY CiltNol.:2 - Sayı/No: 2 : 413-417 (2001) ANADOLU ÜNvERSTES BlM VE TEKNOLOJ DERGS ANADOLU UNIVERSITY JOURNAL OF SCIENCE AND TECHNOLOGY CltNol.:2 - Sayı/No: 2 : 413-417 (1) TEKNK NOTrrECHNICAL NOTE ELEKTRK ARK FıRıNıNDA TERMODNAMGN KNC YASASıNıN

Detaylı

TÜRKİYE DEKİ ÖZEL BANKALARIN FİNANSAL PERFORMANSLARININ KARŞILAŞTIRILMASI: 2008-2011 DÖNEMİ. Fatih ECER *

TÜRKİYE DEKİ ÖZEL BANKALARIN FİNANSAL PERFORMANSLARININ KARŞILAŞTIRILMASI: 2008-2011 DÖNEMİ. Fatih ECER * AİBÜ Sosyal Blmler Ensttüsü Dergs, Güz 2013, Clt:13, Yıl:13, Sayı:2, 13:171-189 TÜKİYE DEKİ ÖZEL BANKALAIN FİNANSAL PEFOMANSLAININ KAŞILAŞTIILMASI: 2008-2011 DÖNEMİ Fath ECE COMPAISON OF PIVATE BANKS FINANCIAL

Detaylı

İÇME SUYU ŞEBEKELERİNİN GÜVENİLİRLİĞİ

İÇME SUYU ŞEBEKELERİNİN GÜVENİLİRLİĞİ Türkye İnşaat Mühendslğ, XVII. Teknk Kongre, İstanbul, 2004 İÇME SUYU ŞEBEKELERİNİN GÜVENİLİRLİĞİ Nur MERZİ 1, Metn NOHUTCU, Evren YILDIZ 1 Orta Doğu Teknk Ünverstes, İnşaat Mühendslğ Bölümü, 06531 Ankara

Detaylı

ENDÜSTRİYEL BİR ATIK SUYUN BİYOLOJİK ARITIMI VE ARITIM KİNETİĞİNİN İNCELENMESİ

ENDÜSTRİYEL BİR ATIK SUYUN BİYOLOJİK ARITIMI VE ARITIM KİNETİĞİNİN İNCELENMESİ ENDÜSTRİYEL BİR ATIK SUYUN BİYOLOJİK ARITIMI VE ARITIM KİNETİĞİNİN İNCELENMESİ Emel KOCADAYI EGE ÜNİVERSİTESİ MÜH. FAK., KİMYA MÜH. BÖLÜMÜ, 35100-BORNOVA-İZMİR ÖZET Bu projede, Afyon Alkalot Fabrkasından

Detaylı

HİYERARŞİK KÜMELEME MODELİ KULLANAN WEB TABANLI BİR ÖDEV DEĞERLENDİRME SİSTEMİ

HİYERARŞİK KÜMELEME MODELİ KULLANAN WEB TABANLI BİR ÖDEV DEĞERLENDİRME SİSTEMİ HİYERARŞİK KÜMELEME MODELİ KULLANAN WEB TABANLI BİR ÖDEV DEĞERLENDİRME SİSTEMİ Erdnç UZUN, Chat ERDOĞAN, Ahmet SAYGILI 3 ÖZET Ödevlern öğrenclern öğretm sürecnde öneml br er bulunmaktadır. Klask br ödev

Detaylı

i. ARASTiRMANiN AMACi GIRIs Yrd.Doç.Dr. Gönen DÜNDAR Yönetim, Yil 12, Sayi 39, Mayis - 2001,5.5-16

i. ARASTiRMANiN AMACi GIRIs Yrd.Doç.Dr. Gönen DÜNDAR Yönetim, Yil 12, Sayi 39, Mayis - 2001,5.5-16 Yönetm, Yl 12, Say 39, Mays - 2001,5.5-16 ISLETME EGITIMI ALAN ÖGRENCILERIN FINANS ALANINDA KARIYER YAPMA EGILIMLERINI ETKILEYEN FAKTÖRLERIN BELIRLENMESINE.... YONELIK BIR ARASTIRMA: tü. ISLETME FAKÜLTESI

Detaylı

Tek Yönlü Varyans Analizi

Tek 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

Detaylı

T.C. SİNCAN KA YMAKAMLIGI Milli Eğitim Müdürlüğü TÜM OKUL MÜDÜRLÜKLERİNE SİNCAN

T.C. SİNCAN KA YMAKAMLIGI Milli Eğitim Müdürlüğü TÜM OKUL MÜDÜRLÜKLERİNE SİNCAN T.C. SİNCAN KA YMAKAMLIGI Mll Eğtm Müdürlüğü Bölüm: Özel Eğt. Reh. ve Danış. Hz. Sayı : 850144831160/"6~ r Konu : Rehberlk ve Pskolojk Danışma Hzmetler Yıl Sonu Raporu ve Okullarda Şddetn Önlenmes Dönem

Detaylı

AYLIK ORTALAMA GÖL SU SEVİYESİNİN BULANIK-OLASILIK YAKLAŞIMI İLE GÖZLENMİŞ ZAMAN SERİSİNDEN TAHMİNİ

AYLIK ORTALAMA GÖL SU SEVİYESİNİN BULANIK-OLASILIK YAKLAŞIMI İLE GÖZLENMİŞ ZAMAN SERİSİNDEN TAHMİNİ AYLIK ORTALAMA GÖL SU SEVİYESİİ BULAIK-OLASILIK YAKLAŞIMI İLE GÖZLEMİŞ ZAMA SERİSİDE TAHMİİ Veysel GÜLDAL, Hakan TOGAL 2 S.D.Ü.Mühendslk Mmarlık Fakültes İnşaat Müh Böl., Isparta/TÜRKİYE vguldal@mmf.sdu.edu.tr

Detaylı

Bölüm 3. Tanımlayıcı İstatistikler

Bölüm 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

Detaylı

HİSSE SENETLERİNİN BEKLENEN GETİRİ VE RİSKLERİNİN TAHMİNİNDE ALTERNATİF MODELLER

HİSSE 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

Detaylı