CHAPTER 6 SIMPLE LINEAR REGRESSION
|
|
- Deniz Gökbakar
- 6 yıl önce
- İzleme sayısı:
Transkript
1 CHAPTER 6 SIMPLE LINEAR REGRESSION Bu bölümdeki amacımız değişkenler arasındaki ilişkiyi gösteren en uygun eşitliği kurmaktır. Konuya giriş için şu örnekle başlayalım; Diyelim ki Mr. Bump adındaki birisi rastgele seçilmiş 10 hafta için ürettiği sütlerin satış fiyatları ile satış miktarlarını inceliyor ve şu tablo ortaya çıkıyor; 1 Tablo incelenirse Y ve X değişkenleri arasında negative linear relationship vardır. Yani fiyat arttıkça satış düşüyor. Ve aradaki ilişkinin ne derecede olduğunu ölçmek için correlation coefficient hesabı yapıyor sonuç -.86 çıkıyor. Sonucun negatif olması negative linear relationship olduğunun göstergesidir. Çıkan sonuç şunu gösteriyor ki X ve Y arasında kuvvetli bir ters ilişki var. Sonra aklına şu soru takılıyor: Miktardaki azalışın fiyattaki artışa olan etkisi nedir? Bu sorunun çözümü için yapılması gereken aşağıdaki diagrama uygun doğrusal bir line çizmektir. Bunun için de veriler incelenerek en uygun equation hazırlanıp line çizilir.
2 Line ın eğimi(b 1 ), fiyattaki her yükseliş için miktardaki ortalama düşüşü gösterir. Daha sonra Mr. Bump diagramdaki noktalara en uygun şekilde göz kararı bir line çizdi. Başka biri olsa belki biraz daha farklı bir line çizebilirdi. Göz kararı olarak her kim ne kadar uygun bir line çizmeye çalışırsa çalışsın en uygun yöntem fitted regression equation oluşturarak çizim yapmaktır. Bu eşitlikle ortaya çıkan line, diagramdaki noktalara en yakın olacak olan line dır. Bu equation ın denklemi ise şu şekildedir; Y = b 0 + b 1 X b 0, doğrunun y eksenini kestiği noktadır. Yani X in 0 olduğu yerde y nin aldığı değerdir. b 1, ise eğimdir. Bu da X teki bir birimlik artışın Y de meydana getirdiği değişim miktarını gösterir. 2 Yukarıdaki grafikteki noktaların line a olan uzaklıklarının kareleri toplamı diğer göz kararı çizilmiş line lara göre en düşük olanıdır. Yani gerçek değerlere en çok yaklaşan line budur. Nokta ile line arasındaki mesafe residual olarak adlandırılıyor. Bunun bir diğer ismi de error dur. Grafikteki noktalar orijinal datadan alınmış gerçek değerlerdir. Bizim bu noktalara göre equation kullanarak oluşturduğumuz line ise tablodaki değerlere en yakın sonucu veren equation ın line ıdır. Mesela; x=1 için y= 32,14 14,54 = 17,60 tır. Gerçek değer ise grafikten anlaşılacağı gibi 17 ye yakın bir sayıyı işaret etmektedir.
3 Observation = Fit + Residual Y = Y + (Y Y ) Gerçek değere ulaşmak için tahminlediğimiz değerler (Y ) ile residual ları (Y Y ) toplarız. Şu iki formül birbirine karıştırılmamalıdır; Y = b 0 + b 1 X Y = b 0 + b 1 X + ε STANDARD ERROR OF THE ESTIMATE Şimdi de Mr. Bump datadaki noktaların line a olan uzunluğunu ölçmek istiyor. Bunun için standard error hesabı yapılmalıdır. Regresyon analizinde standar error hesabı yapıldığında standard error un küçük bir sayı çıkması regresyon grafiğindeki noktaların grafikteki line a çok yakın olduğunu gösterir. Eğer standard error büyük bir sayı çıktıysa bu noktalar line dan uzaktır. Örneğin örnekteki standart sapma 2.72 dir. Standart sapma fazla olduğu için denilebilir ki satışlarda meydana gelen değişiklikler fiyat ile açıklanamaz. Eğer standart sapma düşük olsaydı diyebilirdik ki satışlardaki değişimi fiyat ile açıklayabiliriz. Yani aşağıdaki tabloya bakacak olursak mesela en başta 10 galon süt üretildiğinde fiyat 1.30 iken 5. sırada yine 10 galon süt üretilmiş fakat fiyat Öte yandan 7. sırada 5 galon süt üretilmiş tablodaki verilere göre fiyat artması gerekirken 1.60 da kalmış.?????????????????????????????????????????? 3 FORECASTING Y Fitted regression line ı Y değerini bulmak için kullanırız. Fiyat şu kadar olursa satışlar şu şekilde olur gibisinden... Mesela Mr. Bump $1,63 satış fiyatından satılacak süt miktarını hesaplamak istiyor; Y = (1.63) = Daha sonra fark ediyor ki bulduğu değer yani line üzerindeki değer ile grafikteki gerçek değer (nokta ile gösterilen değer) aynı değil. İkisi
4 arasındaki fark residual dır yani error dur. Grafikteki line 10 tane sample temel alınarak hesaplandı. Eğer farklı bir 10 sample seçilseydi daha farklı bir line ortaya çıkacaktı. Böylece yerine 1.63 koyarak bulduğumuz Y değeri daha farklı olacaktı. Fitted regression equation kullanılarak hesaplanan bir noktanın belirsizliğinin iki sebebi vardır; - Noktaların regresyon çizgisi etrafında dağılım göstermesinden kaynaklanan belirsizlik - Örneklem(sample=datadaki 10 örneklem) regression çizgisinin popülasyon(datadaki tüm değerler) regresyon çizgisine yakın dağılım göstermesinden kaynaklanan yani ikisinin aynı olmamasından kaynaklanan belirsizlik.??????????????????????????????? Y nin aralık tahmini bu iki belirsizliği göz önünde bulundurularak yapılmaktadır. 4 Kitaptaki formüle göre hesaplanan prediction interval (1.73, 15.15) dir. Yani bu da 1,730 ile 15,550 galona tekabül etmektedir. Rastgele seçilmiş 10 hafta için bu kadar geniş bir tahmin aralığının olması Y nin hesaplanması için bir değer ifade etmemektedir. Tahmin aralığı ne kadar dar olursa işimize o kadar çok yarayacaktır. Öte yandan Mr. Bump X=3.00 için hesaplama yapmak isterse bu değer tabloda olmayan yüksek bir değerdir. Böyle bir data collect edilmediği için yapılan herhangi bir tahminleme büyük bir olasılıkla doğru sonucu vermeyecektir. (highly suspect) Ayrıca X in büyük bir değer almasıyla tahminlemenin standart sapması da genişleyecektir buna nispeten (X X ) 2 de geniş olacaktır. Sütün $3 olduğundaki durumu tahminlemek için Mr. Bump straight line modelinin geçerli olduğunu varsaymalıdır. Fakat şunu da bilmelidir ki elinde bu varsayımı destekleyecek kesin bir delil de yoktur.
5 DECOMPOSITION OF VARIANCE Decomposition of Variability; SST = SSR + SSE SST= Total sum of square SSR= Sum of square regression SSE= Sum of square error Y deki varyasyonun bir kısmı SSR ile ölçülür ve SSR ile ölçülemeyen diğer kısım da SSE ile ölçülür. İkisinin toplamı da toplam varyasyonu yani SST yi verir. Bu decomposition of variability olarak adlandırılır ve bunlara karşılık gelen değerler analysis of variance olarak bilinen ANOVA tablosunda gösterilir. (bkz. sf. 231) Şimdi örneğe dönecek olursak, Mr. Bump ın analizi 10 haftalık satış verileri bilgisi ile başladı. Eğer bundan başka bilgi olmasaydı(fiyatlar belli olmasaydı) Mr. Bump ortalama haftalık ne kadar süt satıldığını ölçmek için sample average yani bu 10 verinin ortalamasını alıp bu ortalamayı kullanacaktı (11.2). Sadece satış miktarlarının verildiği bu durumda residuals yani error larımız Y Y, yani actual (gerçek) değerler ile ortalama(11.2) arasındaki fark olacaktı. ve SST ise bu değerlerin kareleri toplamı olacaktı. 5 Diğer yandan Mr. Bump ın X e dair bilgileri de var. X, gallon başı fiyatı gösteriyor. Hatırlarsak en başta correlation coefficient ı 0.86 olarak bulmuştuk. Bu bilgi ile o, Y değerlerindeki farkların yani varyasyonun bir kısmını açıklayabilir. Aşağıdaki iki tablodan birinde X değişkenin yani fiyat değişkeninin olmadığı yani sadece Y değerlerinin ortalamasının kullanılması sonucu elde ettiğimiz residul lar var diğerinde ise X değerlerinden faydalanılarak elde edilmiş residual lar var. Bu iki tabloyu karşılaştıracak olursak görüldüğü gibi X değerlerinden faydalanılarak elde edilen residuallar mutlak değerce diğerine göre daha küçüktür. Yani sağdaki tablonun seçilmesi hatayı azaltıyor.
6 X in hangi oranda yardımcı olduğunu anlamak için ise decomposition of variability bize yardımcı oluyor. Tablodaki verilerden faydalanarak; SST = (Y Y ) 2 = SSE = (Y Y ) 2 = SSR = SST SSE 6 olduğundan; SSR = (Y Y ) 2 = = dur. ve decomposition of variablity de; SST = SSR + SSE = Explained Variation Unexplained Variation Yüzdelik dilimi bulmak için gerekli oranlamayı yaparsak; SSR SST = =.75 buluruz. Bu da şunu gösteriyor ki (1-.75 =.25) unexplained dir. Yani %75 lik kısım Y nin X ile olan ilişkisine bakılarak açıklanabilir. Sonuç olarak da X in bilinmesiyle Y için yaptığımız tahminlemeler Y lerin ortalamasının kullanılmasıyla elde edilenden daha iyi bir sonuç ortaya çıkarmıştır.
7 COEFFICIENT OF DETERMINATION (R 2 ) Regresyon doğrusunun gözlemlere ne denli uyduğunu ortaya koyan göstergelerden biri determinasyon (belirlilik) katsayısıdır. Bu katsayı aynı zamanda, bağımlı değişkendeki değişmelerin yüzde kaçının bağımsız değişken ya da değişkenler tarafından açıklandığını gösterir. Determinasyon katsayısı 0 ile 1 arasında pozitif bir değer olup, korelasyonun karesidir. Determinasyon katsayısından hareketle regresyon modelinin bir bütün olarak geçerliliğini de test etmek mümkündür. Bir regresyon denkleminin başarısı açıklanabilen bağımlı değişkenin büyüklüğüne diğer bir ifadeyle determinasyon katsayısının büyüklüğü ile yakından ilgilidir. Bütün gözlemler(grafikteki noktalar) regresyon doğrusu üzerinde olursa R 2 = 1 olur. Regresyon doğrusu, gözlemleri temsil etmekten uzaklaştıkça R 2 de küçülür. R 2 değeri bağımlı değişkenin ne kadarının bağımsız değişkenler tarafından açıklandığını gösterirken 1- R 2 değeri ise modelde yer almayan diğer bağımsız değişkenlerce açıklanan kısmı vermektedir. Bu bilgileri aldıktan sonra tekrar örneğimize dönecek olursak Mr. Bump coefficient of determination hesabı yapıyor; 7 R 2 = SSR SST = =.746 bu da şunu gösteriyor ki süt satışlarındaki değişimin %75 i X teki yani fiyattaki farklılıklarla açıklanabilir. Fakat %25 lik kısım fiyat ile açıklanamaz. Bu kısım ancak bu örnekte bahsedilmemiş faktörlerce açıklanabilir. Mesela sütün kalitesi, yapılan reklamlar ya da sütün yerine tercih edilebilecek ürünlerin varlığı örnek olarak verilebilir. Şunu belirtmekte de fayda var; Coefficient of determination = (Coefficient of correlation) 2 R 2 = (r) = (.863) 2 Peki regresyon analizinde neden bu ikisi ayrı ayrı tanımlanıyor? Çünkü her ikisi de bize farklı bilgiler veriyor. Correlation coefficient, değişkenler arasındaki ilişkinin gücü ve yönü hakkında bilgi verirken coefficient of
8 determination Y ile X arasındaki ilişkinin gücünü correlation coefficient tan farklı bir şekilde ölçüyor. R 2, X teki farklılıklardan faydalanarak Y deki değişimi ölçüyor ve bu yöntem Y ile birden fazla X arasındaki yani Y ile farklı farklı değişkenler arasındaki ilişkinin ölçümünde de kullanılabilir. Soldaki grafik R 2 = 0 olan durumdur. Yani Y deki değişimler X ile açıklanamaz ama sağdaki grafikte tüm noktalar line ın tam üzerinde bu da R 2 = 1 olduğunu gösterir ve Y deki tüm değişimlerin X değerleri ile açıklanabileceğinin kanıtıdır. 8 Regresyon analiz tablosunda p value nun 0.05 ten küçük olması modelin significant olduğunun göstergesidir. Öyleyse H 0 : β 1 = 0 hipotezi reddedilir. Bu hipotez X ve Y arasında lineer bir ilişki olmadığını iddia etmektedir....
KORELASYON VE REGRESYON ANALİZİ. Doç. Dr. Bahar TAŞDELEN
KORELASYON VE REGRESYON ANALİZİ Doç. Dr. Bahar TAŞDELEN Günlük hayattan birkaç örnek Gelişim dönemindeki bir çocuğun boyu ile kilosu arasındaki ilişki Bir ailenin tükettiği günlük ekmek sayısı ile ailenin
DetaylıRegresyon. Regresyon korelasyon ile yakından ilişkilidir
Regresyon Regresyona Giriş Regresyon korelasyon ile yakından ilişkilidir Regresyon bir bağımlı değişken ile (DV) bir veya daha fazla bağımsız değişken arasındaki doğrusal ilişkiyi inceler. DV için başka
DetaylıKorelasyon ve Regresyon
Korelasyon ve Regresyon Korelasyon- (lineer korelasyon) Açıklayıcı (Bağımsız) Değişken x çalışma zamanı ayakkabı numarası İki değişken arasındaki ilişkidir. Günlük sigara sayısı SAT puanı boy Yanıt (Bağımlı)
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
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
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
DetaylıDENEYSELVERİLERİN GRAFİĞE AKTARILMASI
DENEYSELVERİLERİN GRAFİĞE AKTARILMASI 1 Değişken (variable): Miktarı, yani sayısal bir değeri ifade etmektedir. Cebirsel eşitliklerde değişkenler, Latin alfabesinin başlangıç ve son harfleri ile ifade
DetaylıBASİT REGRESYON MODELİ
BASİT REGRESYON MODELİ Hüseyin Taştan 1 1 Yıldız Teknik Üniversitesi İktisat Bölümü Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge 14 Ekim 2012 Ekonometri I: Basit Regresyon
DetaylıKorelasyon katsayısı (r)
Korelasyon katsayısı (r) Açıklanabilen varyasyonun, açıklanamayan varyasyona oranı, korelasyon katsayısı olarak tanımlanır. N Σ xy Σx Σy r = [[N Σ x 2 (Σx) 2 ] [N Σy 2 (Σy) 2 ]] 1/2 1 Eğer doğrusal eğri,
DetaylıKorelasyon. Korelasyon. Merkezi eğilim ve değişim ölçüleri bir defada sadece bir değişkenin özelliklerini incelememize imkan tanır.
Korelasyon Korelasyon Merkezi eğilim ve değişim ölçüleri bir defada sadece bir değişkenin özelliklerini incelememize imkan tanır. Biz şimdi, bir değişkenin özelliklerini diğer değişkenle olan ilişkisine
DetaylıKARŞILAŞTIRMA İSTATİSTİĞİ, ANALİTİK YÖNTEMLERİN KARŞILAŞTIRILMASI, BİYOLOJİK DEĞİŞKENLİK. Doç.Dr. Mustafa ALTINIŞIK ADÜTF Biyokimya AD 2005
KARŞILAŞTIRMA İSTATİSTİĞİ, ANALİTİK YÖNTEMLERİN KARŞILAŞTIRILMASI, BİYOLOJİK DEĞİŞKENLİK Doç.Dr. Mustafa ALTINIŞIK ADÜTF Biyokimya AD 2005 1 Karşılaştırma istatistiği Temel kavramlar: Örneklem ve evren:
DetaylıÖrneklem Dağılımları & Hipotez Testleri Örneklem Dağılımı
Örneklem Dağılımları & Hipotez Testleri Örneklem Dağılımı Ortalama veya korelasyon gibi istatistiklerin dağılımıdır Çıkarımsal istatistikte örneklem dağılımı temel fikirlerden biridir. Çıkarımsal istatistik
Detaylı3. TAHMİN En Küçük Kareler (EKK) Yöntemi 1
3. TAHMİN 3.1. En Küçük Kareler (EKK) Yöntemi 1 En Küçük Kareler (EKK) yöntemi, regresyon çözümlemesinde en yaygın olarak kullanılan, daha sonra ele alınacak bazı varsayımlar altında çok aranan istatistiki
DetaylıİÇİNDEKİLER. BÖLÜM 1 Değişkenler ve Grafikler 1. BÖLÜM 2 Frekans Dağılımları 37
İÇİNDEKİLER BÖLÜM 1 Değişkenler ve Grafikler 1 İstatistik 1 Yığın ve Örnek; Tümevarımcı ve Betimleyici İstatistik 1 Değişkenler: Kesikli ve Sürekli 1 Verilerin Yuvarlanması Bilimsel Gösterim Anlamlı Rakamlar
DetaylıYILLARI ARASINDA GÜNEY CAROLINA DA OKUL İÇİ ŞİDDET İSTATİSKLERİ ANALİZİ (Bir Önceki Projeden Devam Edilecektir)
1996-1998 YILLARI ARASINDA GÜNEY CAROLINA DA OKUL İÇİ ŞİDDET İSTATİSKLERİ ANALİZİ (Bir Önceki Projeden Devam Edilecektir) Hazırlayan : Süleyman Öğrekçi 1996 ve 1998 yılları arasında Güney Carolina da resmi
DetaylıKorelasyon ve Regresyon
Korelasyon ve Regresyon Kazanımlar 1 2 3 4 5 6 Değişkenlerin ilişkisini açıklamak ve hesaplamak için Pearson korelasyon katsayısı Örneklem r ile evren korelasyonu hakkında hipotez testi yapmak Spearman
DetaylıÖğr. Elemanı: Dr. Mustafa Cumhur AKBULUT
Ünite 10: Regresyon Analizi Öğr. Elemanı: Dr. Mustafa Cumhur AKBULUT 10.Ünite Regresyon Analizi 2 Ünitede Ele Alınan Konular 10. Regresyon Analizi 10.1. Basit Doğrusal regresyon 10.2. Regresyon denklemi
DetaylıKorelasyon, Korelasyon Türleri ve Regresyon
Korelasyon, Korelasyon Türleri ve Regresyon İçerik Korelasyon Korelasyon Türleri Korelasyon Katsayısı Regresyon KORELASYON Korelasyon iki ya da daha fazla değişken arasındaki doğrusal ilişkiyi gösterir.
DetaylıBİYOİSTATİSTİK Korelasyon Analizi Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH
BİYOİSTATİSTİK Korelasyon Analizi Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH Ege Üniversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr 1 Bir değişkenin değerinin,
Detaylı009 BS 400- İstatistik sonılannın cevaplanmasında gerekli olabilecek tablolar ve formüller bu kitapçığın sonunda verilmiştir. 1. şağıdakilerden hangisi doğal birimdir? l TV alıcısı Bl Trafik kazası CL
DetaylıREGRESYON ANALİZİ VE UYGULAMA. Yrd. Doç. Dr. Hidayet Takcı
REGRESYON ANALİZİ VE UYGULAMA Yrd. Doç. Dr. Hidayet Takcı htakci@cumhuriyet.edu.tr Sunum içeriği Bu sunumda; Lojistik regresyon konu anlatımı Basit doğrusal regresyon problem çözümleme Excel yardımıyla
DetaylıYatırım Analizi ve Portföy Yönetimi 6. Hafta
Yatırım Analizi ve Portföy Yönetimi 6. Hafta Dr. Mevlüt CAMGÖZ 1 Dr. Mevlüt CAMGÖZ İçerik Karakteristik Doğru ve Beta Katsayısı Karakteristik Doğrunun Tahmini Beta Katsayısının Hesaplanması Agresif ve
DetaylıGRAFİK ÇİZİMİNDE ÖNEMLİ NOKTALAR
Koyu uçlu bir kurşun kalem kullanın ve lütfen okunaklı yazın Bir hata yaptığınızda, lütfen yumuşak silgi kullanın ve hatanızı güzelce silin Değişkenlerin Belirlenmesi Bağımsız değişkenleri x eksenine,
DetaylıGenel olarak test istatistikleri. Merkezi Eğilim (Yığılma) Ölçüleri Dağılım (Yayılma) Ölçüleri. olmak üzere 2 grupta incelenebilir.
4.SUNUM Genel olarak test istatistikleri Merkezi Eğilim (Yığılma) Ölçüleri Dağılım (Yayılma) Ölçüleri olmak üzere 2 grupta incelenebilir. 2 Ranj Çeyrek Kayma Çeyrekler Arası Açıklık Standart Sapma Varyans
DetaylıDENEY 0. Bölüm 1 - Ölçme ve Hata Hesabı
DENEY 0 Bölüm 1 - Ölçme ve Hata Hesabı Amaç: Ölçüm metodu ve cihazına bağlı hata ve belirsizlikleri anlamak, fiziksel bir niceliği ölçüp hata ve belirsizlikleri tespit etmek, nedenlerini açıklamak. Genel
DetaylıMeslek lisesi ve devlet lisesine giden N tane öğrenci olduğu ve bunların yıllık okul harcamalarına ait verilerin olduğu varsayılsın.
KUKLA DEĞİŞKENLİ MODELLER Bir kukla değişkenli modeller (Varyans Analiz Modelleri) Kukla değişkenlerin diğer kantitatif değişkenlerle alındığı modeller (Kovaryans Analizi Modeller) Kukla değişkenlerin
DetaylıTABLO I: Bağımlı değişken; Tüketim,- bağımsız değişkenler; gelir ve fiyat olmak üzere değişkenlere ait veriler verilmiştir.
EKONOMETRİ II Uygulama - Otokorelasyon TABLO I: Bağımlı değişken; Tüketim,- bağımsız değişkenler; gelir ve fiyat olmak üzere Tuketim 58 Gelir 3959 Fiyat 312 değişkenlere ait veriler verilmiştir. 56 3858
DetaylıKorelasyon ve Regresyon
Korelasyon ve Regresyon Kazanımlar 1 2 3 4 5 6 Değişkenlerin ilişkisini açıklamak ve hesaplamak için Pearson korelasyon katsayısı Örneklem r ile evren korelasyonu hakkında hipotez testi yapmak Spearman
Detaylı19. BÖLÜM BİRBİRİYLE İLİŞKİLİ OLAN İKİ DEĞİŞKENDEN BİRİSİNDEKİ DEĞİŞİME GÖRE DİĞERİNİN ALACAĞI DEĞERİ YORDAMA (KESTİRME) UYGULAMA-I
19. BÖLÜM BİRBİRİYLE İLİŞKİLİ OLAN İKİ DEĞİŞKENDEN BİRİSİNDEKİ DEĞİŞİME GÖRE DİĞERİNİN ALACAĞI DEĞERİ YORDAMA (KESTİRME) UYGULAMA-I Bir dil dershanesinde öğrenciler talep ettikleri takdirde, öğretmenleriyle
DetaylıSÜREKLĠ OLASILIK DAĞILIMLARI
SÜREKLĠ OLASILIK DAĞILIMLARI Sayı ekseni üzerindeki tüm noktalarda değer alabilen değişkenler, sürekli değişkenler olarak tanımlanmaktadır. Bu bölümde, sürekli değişkenlere uygun olasılık dağılımları üzerinde
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
DetaylıOLS Klasik Varsayımlar. Çoklu Regresyon. Çoklu Regresyon Modellemesi. Çoklu Regresyon Modeli. Multiple Regression
OLS Klasik Varsayımlar Çoklu Regresyon Multiple Regression. Lineer regresyon modeli. E(e i )=, ortalama hata sıfırdır. E(X i e i )=, bağımsız değişkenlerle hatalar arasında korelasyon mevcut değildir 4.
DetaylıÜNİTE. MATEMATİK-1 Yrd.Doç.Dr.Ömer TARAKÇI İÇİNDEKİLER HEDEFLER DOĞRULAR VE PARABOLLER
HEDEFLER İÇİNDEKİLER DOĞRULAR VE PARABOLLER Birinci Dereceden Polinom Fonksiyonlar ve Doğru Doğru Denklemlerinin Bulunması İkinci Dereceden Polinom Fonksiyonlar ve Parabol MATEMATİK-1 Yrd.Doç.Dr.Ömer TARAKÇI
DetaylıBUSINESS FORECASTING CHAPTER 3
BUSINESS FORECASTING CHAPTER 3 Öngörülemenin en çok zaman alan ve en zor olan kısmı doğru ve güvenilir verilerin toplanmasıdır. Güvenilir olmayan verilerin kullanılması hesaplamaları alt üst edebilir.
DetaylıGRAFİK ÇİZİMİ VE UYGULAMALARI 2
GRAFİK ÇİZİMİ VE UYGULAMALARI 2 1. Verinin Grafikle Gösterilmesi 2 1.1. İki Değişkenli Grafikler 3 1.1.1. Serpilme Diyagramı 4 1.1.2. Zaman Serisi Grafikleri 5 1.1.3. İktisadi Modellerde Kullanılan Grafikler
DetaylıMatris Cebiriyle Çoklu Regresyon Modeli
Matris Cebiriyle Çoklu Regresyon Modeli Hüseyin Taştan Mart 00 Klasik Regresyon Modeli k açıklayıcı değişkenden oluşan regresyon modelini her gözlem i için aşağıdaki gibi yazabiliriz: y i β + β x i + β
DetaylıDOĞRUSAL DENKLEMLER VE KOORDİNAT SİSTEMİ
DOĞRUSAL DENKLEMLER VE KOORDİNAT SİSTEMİ Örnek : Taksi ile yapılan yolculukların ücreti taksimetre ile belirlenir Bir taksimetrenin açılış ücreti 2 TL, sonraki her kilometre başına 1 TL ücret ödendiğine
DetaylıKoordinat sistemi. Eksenlere paralel doğrular: y eksenine paralel doğrular. Koordinat ekseninde doğrular. Çanta. Kalem. Doğru
Koordinat sistemi Koordinat ekseninde doğrular Eksenlere paralel doğrular: y eksenine paralel doğrular Çanta Kalem Doğru Söylediğimiz somut nesnelerin resmini çizebildiğimiz gibi cebirsel ifadelerinde
DetaylıTemel İstatistik. Y.Doç.Dr. İbrahim Turan Mart Tanımlayıcı İstatistik. Dağılımları Tanımlayıcı Ölçüler Dağılış Ölçüleri
Temel İstatistik Tanımlayıcı İstatistik Dağılımları Tanımlayıcı Ölçüler Dağılış Ölçüleri Y.Doç.Dr. İbrahim Turan Mart 2011 DAĞILIM / YAYGINLIK ÖLÇÜLERİ Verilerin değişkenlik durumu ve dağılışın şeklini
DetaylıEkonometri I VARSAYIMLARI
Ekonometri I ÇOK DEĞİŞKENLİ REGRESYON MODELİNİN VARSAYIMLARI Hüseyin Taştan Temmuz 23, 2006 İçindekiler 1 Varsayım MLR.1: Parametrelerde Doğrusallık 1 2 Varsayım MLR.2: Rassal Örnekleme 1 3 Varsayım MLR.3:
Detaylı2. HAFTA DERS NOTLARI İKTİSADİ MATEMATİK MİKRO EKONOMİK YAKLAŞIM. Yazan SAYIN SAN
2. HAFTA DERS NOTLARI İKTİSADİ MATEMATİK MİKRO EKONOMİK YAKLAŞIM Yazan SAYIN SAN SAN / İKTİSADİ MATEMATİK / 2 C.1.2. Piyasa Talep Fonksiyonu Bireysel talep fonksiyonlarının toplanması ile bir mala ait
DetaylıMATE 211 BİYOİSTATİSTİK DÖNEM SONU SINAVI
Öğrenci Bilgileri Ad Soyad: İmza: MATE 211 BİYOİSTATİSTİK DÖNEM SONU SINAVI 26 Mayıs, 2014 Numara: Grup: Soru Bölüm 1 10 11 12 TOPLAM Numarası (1-9) Ağırlık 45 15 30 20 110 Alınan Puan Yönerge 1. Bu sınavda
Detaylıwww.fikretgultekin.com 1
KORELASYON ANALĐZĐ (Correlation Analysis ) Basit Korelasyon Analizi Basit korelasyon analizinde iki değişken söz konusudur ve bu değişkenlerin bağımlıbağımsız değişken olarak tanımlanması/belirlenmesi
DetaylıDik koordinat sisteminde yatay eksen x ekseni (apsis ekseni), düşey eksen ise y ekseni (ordinat ekseni) dir.
ANALĐTĐK GEOMETRĐ 1. Analitik Düzlem Bir düzlemde dik kesişen iki sayı doğrusunun oluşturduğu sisteme analitik düzlem denir. Analitik düzlem, dik koordinat sistemi veya dik koordinat düzlemi olarak da
DetaylıKORELASYON VE REGRESYON ANALİZİ. Ankara Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı
KORELASYON VE REGRESYON ANALİZİ Ankara Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı İki ya da daha çok değişken arasında ilişki olup olmadığını, ilişki varsa yönünü ve gücünü inceleyen korelasyon
DetaylıYANLILIK. Yanlılık örneklem istatistiği değerlerinin evren parametre değerinden herhangi bir sistematik sapması olarak tanımlanır.
AED 310 İSTATİSTİK YANLILIK Yanlılık örneklem istatistiği değerlerinin evren parametre değerinden herhangi bir sistematik sapması olarak tanımlanır. YANLILIK Yanlı bir araştırma tasarımı uygulandığında,
Detaylı= 2 6 Türevsel denkleminin 1) denge değerlerinin bulunuz. 2) Bulmuş olduğunuz dengenin istikrarlı olup olmadığını tespit ediniz.
Siyasal Bilgiler Fakültesi İktisat Bölümü Matematiksel İktisat Ders Notu Prof. Dr. Hasan Şahin Faz Diyagramı Çizimi Açıklamarı = 2 6 Türevsel denkleminin 1) denge değerlerinin bulunuz. 2) Bulmuş olduğunuz
DetaylıGruplanmış serilerde standart sapma hesabı
Gruplanmış serilerde standart sapma hesabı Örnek: Verilen gruplanmış serinin standart sapmasını bulunuz? Sınıflar f i X X X m i f i. m i m i - (m i - ) f i.(m i - ) 0 den az 3 4 den az 7 4 6 dan az 4 6
DetaylıPARAMETRİK TESTLER. Tek Örneklem t-testi. 200 öğrencinin matematik dersinden aldıkları notların ortalamasının 70 e eşit olup olmadığını test ediniz.
PARAMETRİK TESTLER Tek Örneklem t-testi 200 öğrencinin matematik dersinden aldıkları notların ortalamasının 70 e eşit olup olmadığını test ediniz. H0 (boş hipotez): 200 öğrencinin matematik dersinden aldıkları
DetaylıVerilerin Özetlenmesinde Kullanılan Sayısal Yöntemler
Verilerin Özetlenmesinde Kullanılan Sayısal Yöntemler Merkezi Eğilim Ölçüleri Merkezi eğilim ölçüsü, bir veri setindeki merkezi, yada tipik, tek bir değeri ifade eder. Nicel veriler için, reel sayı çizgisindeki
DetaylıH.Ü. Bilgi ve Belge Yönetimi Bölümü BBY 208 Sosyal Bilimlerde Araştırma Yöntemleri II (Bahar 2012) SPSS Ders Notları II (19 Nisan 2012)
H.Ü. Bilgi ve Belge Yönetimi Bölümü BBY 208 Sosyal Bilimlerde Araştırma Yöntemleri II (Bahar 2012) SPSS Ders Notları II (19 Nisan 2012) Aşağıdaki analizlerde lise öğrencileri veri dosyası kullanılmıştır.
DetaylıCh. 5: SEKK (OLS) nin Asimptotik Özellikleri
Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Notları Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. ed., 2002, Thomson Learning. Ch. 5: SEKK (OLS) nin Asimptotik
DetaylıYTÜ İktisat Bölümü EKONOMETRİ I Ders Notları
Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. ed., 2002, Thomson Learning. Ch. 5: SEKK (OLS) nin Asimptotik Özellikleri
DetaylıYTÜ İktisat Bölümü EKONOMETRİ I Ders Notları
Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. ed., 2002, Thomson Learning. Ch. 5: SEKK (OLS) nin Asimptotik Özellikleri
Detaylıise, genel bir eğilim (trend) gösteriyorsa bu seriye uygun doğru ya da eğriyi bulmaya çalışırız. Trend orta-uzun dönemde her iniş, çokışı
Trend Analizi Eğer zaman serisi i rastgele dağılmış ğ değil ise, genel bir eğilim (trend) gösteriyorsa bu seriye uygun doğru ya da eğriyi bulmaya çalışırız. Trend orta-uzun dönemde her iniş, çokışı yansıtmayacak,
DetaylıCEVAPLAR. n = n 1 + n 2 + n 3 + n 4 + n 5 + n 6 + n 7 = = 11 dir.
T C S D Ü M Ü H E N D İ S L İ K F A K Ü L T E S İ - M A K İ N A M Ü H E N D İ S L İ Ğ İ B Ö L Ü M Ü MAK-307 OTM317 Müh. İstatistik İstatistiği ÖĞRENCİNİN: ADI - SOYADI ÖĞRETİMİ NOSU İMZASI 1.Ö 2.Ö A B
DetaylıMAK 210 SAYISAL ANALİZ
MAK 210 SAYISAL ANALİZ BÖLÜM 5- SONLU FARKLAR VE İNTERPOLASYON TEKNİKLERİ Doç. Dr. Ali Rıza YILDIZ MAK 210 - Sayısal Analiz 1 İNTERPOLASYON Tablo halinde verilen hassas sayısal değerler veya ayrık noktalardan
Detaylıa) Çıkarma işleminin; eksilen ile çıkanın ters işaretlisinin toplamı anlamına geldiğini kavrar.
7. SINIF KAZANIM VE AÇIKLAMALARI M.7.1. SAYILAR VE İŞLEMLER M.7.1.1. Tam Sayılarla Toplama, Çıkarma, Çarpma ve Bölme İşlemleri M.7.1.1.1. Tam sayılarla toplama ve çıkarma işlemlerini yapar; ilgili problemleri
DetaylıParametrik doğru denklemleri 1
Parametrik doğru denklemleri 1 A noktasından geçen, doğrultman (doğrultu) vektörü w olan d doğrusunun, k parametresine göre parametrik denklemi: AP k w P A k w P A k w P A k W (P değişken nokta) A w P
DetaylıMAK 210 SAYISAL ANALİZ
MAK 210 SAYISAL ANALİZ BÖLÜM 6- İSTATİSTİK VE REGRESYON ANALİZİ Doç. Dr. Ali Rıza YILDIZ 1 İSTATİSTİK VE REGRESYON ANALİZİ Bütün noktalardan geçen bir denklem bulmak yerine noktaları temsil eden, yani
DetaylıİSTATİSTİK MHN3120 Malzeme Mühendisliği
İSTATİSTİK MHN3120 Malzeme Mühendisliği CBÜ - Malzeme Mühendisliği Bölümü Ofis: Mühendislik Fakültesi A Blok Ofis no:311 Tel: 0 236 2012404 E-posta :emre.yalamac@cbu.edu.tr YARDIMCI KAYNAKLAR Mühendiler
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
DetaylıParametrik Olmayan Testler. İşaret Testi-The Sign Test Mann-Whiney U Testi Wilcoxon Testi Kruskal-Wallis Testi
Yrd. Doç. Dr. Neşet Demirci, Balıkesir Üniversitesi NEF Fizik Eğitimi Parametrik Olmayan Testler İşaret Testi-The Sign Test Mann-Whiney U Testi Wilcoxon Testi Kruskal-Wallis Testi Rank Korelasyon Parametrik
Detaylı2012 LYS MATEMATİK SORU VE ÇÖZÜMLERİ Niyazi Kurtoğlu
.SORU 8 sayı tabanında verilen (5) 8 sayısının sayı tabanında yazılışı nedir?.soru 6 3 3 3 3 4 6 8? 3.SORU 3 ise 5? 5 4.SORU 4 5 olduğuna göre, ( )? 5.SORU (y z) z(y ) y z yz bulunuz. ifadesinin en sade
DetaylıALIŞTIRMA 2 GSYİH. Toplamsal Ayrıştırma Yöntemi
ALIŞTIRMA 2 GSYİH Bu çalışmamızda GSYİH serisinin toplamsal ve çarpımsal ayrıştırma yöntemine göre modellenip modellenemeyeceği incelenecektir. Seri ilk olarak toplamsal ayrıştırma yöntemine göre analiz
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
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
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
Detaylıİstatistik ve Olasılığa Giriş. İstatistik ve Olasılığa Giriş. Ders 3 Verileri Sayısal Ölçütlerle İfade Etme. Verileri Sayısal Ölçütlerle İfade Etme
İstatistik ve Olasılığa Giriş Robert J. Beaver Barbara M. Beaver William Mendenhall Presentation designed and written by: Barbara M. Beaver İstatistik ve Olasılığa Giriş Ders 3 Verileri Sayısal Ölçütlerle
DetaylıSürekli Rastsal Değişkenler
Sürekli Rastsal Değişkenler Normal Dağılım: Giriş Normal Dağılım: Tamamen ortalaması ve standart sapması ile tanımlanan bir rastsal değişken, X, için oluşturulan sürekli olasılık dağılımına normal dağılım
DetaylıÖrnek 4.1: Tablo 2 de verilen ham verilerin aritmetik ortalamasını hesaplayınız.
.4. Merkezi Eğilim ve Dağılım Ölçüleri Merkezi eğilim ölçüleri kitleye ilişkin bir değişkenin bütün farklı değerlerinin çevresinde toplandığı merkezi bir değeri gösterirler. Dağılım ölçüleri ise değişkenin
DetaylıTahminleme Yöntemleri-2
PAU ENDÜSTRİ MÜHENDİSLİĞİ IENG 318 - Üretim Planlama ve Kontrolü 1 Tahminleme Yöntemleri-2 İçerik 1. Mevsimsel Değişim Bazlı Teknik 2. Box-Jenkins Modelleri 3. Tahmin Yöntemlerini Uygulamada Dikkat Edilmesi
DetaylıBİYOİSTATİSTİK DERSLERİ AMAÇ VE HEDEFLERİ
BİYOİSTATİSTİK DERSLERİ AMAÇ VE HEDEFLERİ DÖNEM I-I. DERS KURULU Konu: Bilimsel yöntem ve istatistik Amaç: Biyoistatistiğin tıptaki önemini kavrar ve sonraki dersler için gerekli terminolojiye hakim olur.
DetaylıİÇİNDEKİLER 1. GİRİŞ...
İÇİNDEKİLER 1. GİRİŞ... 1 1.1. Regresyon Analizi... 1 1.2. Uygulama Alanları ve Veri Setleri... 2 1.3. Regresyon Analizinde Adımlar... 3 1.3.1. Problemin İfadesi... 3 1.3.2. Konu ile İlgili Potansiyel
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
DetaylıBasit ve Çoklu Doğrusal Regresyon
Basit ve Çoklu Doğrusal Regresyon Dr. Eren Can Aybek erencan@aybek.net www.olcme.net IBM SPSS Statistics ile Basit Doğrusal Regresyon Bir yordayıcı değişkene ait değerleri bildiğimizde, sürekli bir yordanan
DetaylıÖNGÖRÜ TEKNĐKLERĐ ÖDEV 5 (KEY)
ÖNGÖRÜ TEKNĐKLERĐ ÖDEV (KEY) Aşağıda verilen Y zaman sersisi bir ürünle ilgili satışları,aylar itibariyle, gösteren bir seridir. a) Bu serinin garfiğini çizip serinin taşıdığı desenleri (Trend, mevsimsellik
DetaylıDeneysel Verilerin Değerlendirilmesi. Dersi Veren Öğretim Üyeleri: Yrd. Doç. Dr. Özge ANDİÇ ÇAKIR. Prof. Dr. Murat ELİBOL FİNAL SINAVI
Deneysel Verilerin Değerlendirilmesi Dersi Veren Öğretim Üyeleri: Yrd. Doç. Dr. Özge ANDİÇ ÇAKIR Prof. Dr. Murat ELİBOL FİNAL SINAVI Ödevi Hazırlayan: Özge AKBOĞA 91100019124 (Doktora) Güz,2012 İzmir 1
DetaylıÖrnek. Aşağıdaki veri setlerindeki X ve Y veri çiftlerini kullanarak herbir durumda X=1,5 için Y nin hangi değerleri alacağını hesaplayınız.
Örnek Aşağıdaki veri setlerindeki X ve Y veri çiftlerini kullanarak herbir durumda X=1,5 için Y nin hangi değerleri alacağını hesaplayınız. i. ii. X 1 2 3 4 1 2 3 4 Y 2 3 4 5 4 3 2 1 Örnek Aşağıdaki veri
Detaylıideal Sistem Tester Kullanım Klavuzu
1- Sistem Modülüne Giriş ideal Sistem Tester Kullanım Klavuzu Herhangi bir Grafik penceresinin başlığındaki S harfine basılarak açılan menüden yapılabilen seçimlerle kullanılmaya başlanır. Bu menüden,
DetaylıBasit Regresyon Modeli BASİT REGRESYON MODELİ. Basit Regresyon Modeli. Basit Regresyon Modeli: y = β 0 + β 1 x + u
1 2 Basit Regresyon Modeli BASİT REGRESYON MODELİ Hüseyin Taştan 1 1 Yıldız Teknik Üniversitesi İktisat Bölümü Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge 14 Ekim
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
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
DetaylıVERİ MADENCİLİĞİ. Karar Ağacı Algoritmaları: SPRINT algoritması Öğr.Gör.İnan ÜNAL
VERİ MADENCİLİĞİ Karar Ağacı Algoritmaları: SPRINT algoritması Öğr.Gör.İnan ÜNAL SPRINT Algoritması ID3,CART, ve C4.5 gibi algoritmalar önce derinlik ilkesine göre çalışırlar ve en iyi dallara ayırma kriterine
DetaylıProf. Dr. Aydın Yüksel MAN 504T Yön. için Finansal Analiz & Araçları Ders: Risk-Getiri İlişkisi ve Portföy Yönetimi I
Risk-Getiri İlişkisi ve Portföy Yönetimi I 1 Giriş İşlenecek ana başlıkları sıralarsak: Finansal varlıkların risk ve getirisi Varlık portföylerinin getirisi ve riski 2 Risk ve Getiri Yatırım kararlarının
Detaylı3 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI
ÖNSÖZ İÇİNDEKİLER III Bölüm 1 İSTATİSTİK ve SAYISAL BİLGİ 11 1.1 İstatistik ve Önemi 12 1.2 İstatistikte Temel Kavramlar 14 1.3 İstatistiğin Amacı 15 1.4 Veri Türleri 15 1.5 Veri Ölçüm Düzeyleri 16 1.6
Detaylı17 Ekim Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge. 1 Yıldız Teknik Üniversitesi
ÇOK DEĞİŞKENLİ REGRESYON ANALİZİ: TAHMİN Hüseyin Taştan 1 1 Yıldız Teknik Üniversitesi İktisat Bölümü Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge 17 Ekim 2012 Ekonometri
DetaylıÖğr. Gör. Serkan AKSU
Öğr. Gör. Serkan AKSU www.serkanaksu.net İki nokta arasındaki yerdeğiştirme, bir noktadan diğerine yönelen bir vektördür, ve bu vektörün büyüklüğü, bu iki nokta arasındaki doğrusal uzaklık olarak alınır.
Detaylıistatistik El 10 1_ ve 2_ sorular a Ş3 gldakl bilgilere göre Al 4 Bl 6 cı 7 Dl 8 Al 5 B) 12 CL 27 D) 28 E) 35 2Q 10 BS 4200-A
2Q 10 BS 4200- İstatistik sorulannın cevap l anmasında gerekli olabilecek tablolar ve f ormüller bu kita p ç ığın sonunda ver-ilmiştir. 1_ ve 2_ sorular a Ş3 gldakl bilgilere göre cevaplandırılacaktır
Detaylı1. BÖLÜM Polinomlar BÖLÜM II. Dereceden Denklemler BÖLÜM II. Dereceden Eşitsizlikler BÖLÜM Parabol
ORGANİZASYON ŞEMASI . BÖLÜM Polinomlar... 7. BÖLÜM II. Dereceden Denklemler.... BÖLÜM II. Dereceden Eşitsizlikler... 9. BÖLÜM Parabol... 5 5. BÖLÜM Trigonometri... 69 6. BÖLÜM Karmaşık Sayılar... 09 7.
DetaylıTEMEL İSTATİSTİK BİLGİSİ. İstatistiksel verileri tasnif etme Verilerin grafiklerle ifade edilmesi Vasat ölçüleri Standart puanlar
TEMEL İSTATİSTİK BİLGİSİ İstatistiksel verileri tasnif etme Verilerin grafiklerle ifade edilmesi Vasat ölçüleri Standart puanlar İstatistiksel Verileri Tasnif Etme Verileri daha anlamlı hale getirmek amacıyla
DetaylıFAKTÖR ANALİZİ VAHİDE NİLAY KIRTAK
FAKTÖR ANALİZİ VAHİDE NİLAY KIRTAK Çok Değişkenli İstatistikler Faktör Analizi Faktör Analizinin Amacı: Birbirleriyle ilişkili p tane değişkeni bir araya getirerek az sayıda ilişkisiz ve kavramsal olarak
Detaylı1. İLİŞKİLERİN İNCELENMESİNE YÖNELİK ANALİZLER. 1.1. Sosyal Bilimlerde Nedensel Açıklamalar
1. İLİŞKİLERİN İNCELENMESİNE YÖNELİK ANALİZLER Daha önceki derslerimizde anlatıldığı bilimsel araştırmalar soruyla başlamaktadır. Ancak sosyal bilimlerde bu soruların cevaplarını genel geçerli sonuçlar
Detaylı(AYIRIM) DENLİ. Emre KUZUGÜDENL. Doç.Dr.Serdar CARUS
DİSKRİMİNANT ANALİZİ (AYIRIM) Emre KUZUGÜDENL DENLİ Doç.Dr.Serdar CARUS Bu analiz ile; Bir bireyin hangi gruptan geldiği (p değişkeni kullanarak, bireyi uygun bir gruba atar ) Her bir değişkenin atama
DetaylıDiğer sayfaya geçiniz. 2013 - YGS / MAT TEMEL MATEMATİK TESTİ. olduğuna göre, a kaçtır? olduğuna göre, m kaçtır?
TEMEL MATEMATİK TESTİ 1. Bu testte 40 soru vardır. 2. Cevaplarınızı, cevap kâğıdının Temel Matematik Testi için ayrılan kısmına işaretleyiniz. 1. 3. olduğuna göre, a kaçtır? olduğuna göre, m kaçtır? A)
Detaylı4. TAHMİN SONUÇLARININ DEĞERLENDİRİLMESİ Katsayıların Yorumu
4. TAHMİN SONUÇLARININ DEĞERLENDİRİLMESİ 4.1. Katsayıların Yorumu Y i = β 0 + β 1 X 1i + β X i + + β k X ki + u i gibi çok açıklayıcı değişkene sahip bir modelde, anakütle regresyon fonksiyonu, E(Y i X
DetaylıPazarlama Araştırması Grup Projeleri
Pazarlama Araştırması Grup Projeleri Projeler kapsamında öğrencilerden derlediğiniz 'Teknoloji Kullanım Anketi' verilerini kullanarak aşağıda istenilen testleri SPSS programını kullanarak gerçekleştiriniz.
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
Detaylı14 Ekim Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge. 1 Yıldız Teknik Üniversitesi
DEĞİŞEN VARYANS Hüseyin Taştan 1 1 Yıldız Teknik Üniversitesi İktisat Bölümü Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge 14 Ekim 2012 Ekonometri I: Değişen Varyans
DetaylıMerkezi eğilim ölçüleri ile bir frekans dağılımının merkezi belirlenirken; yayılma ölçüleri ile değişkenliği veya yayılma düzeyini tespit eder.
Yayılma Ölçütleri Merkezi eğilim ölçüleri ile bir frekans dağılımının merkezi belirlenirken; yayılma ölçüleri ile değişkenliği veya yayılma düzeyini tespit eder. Bir başka ifade ile, bir veri setinin,
Detaylı