RIDGE TAHMİNİNE DAYALI YANLI TAHMİN EDİCİ İÇİN BİR TEST İSTATİSTİĞİ A TEST STATISTIC FOR BIASED ESTIMATOR BASED ON RIDGE ESTIMATOR
|
|
- Nazar Arat
- 5 yıl önce
- İzleme sayısı:
Transkript
1 SAÜ Fen Edebyat Dergs (009-II) M.EBEGİL RIDGE TAHMİNİNE DAYALI YANLI TAHMİN EDİCİ ÖZET İÇİN BİR TEST İSTATİSTİĞİ Meral EBEGİL Gaz Ünverstes, Fen Edebyat Fakültes, İstatstk Bölüü, 06500, ANKARA Bu çalışada, Rdge tahn edcsne dayalı yanlı tahn edc le en küçük kareler tahn edcs arasında br seç yapak çn ortalaa hata krterne bağlı br test statstğ önerlştr. Anahtar Keleler: Ortalaa Hata Kare, Rdge Regresyon, Lu-Tp Tahn Edc, Doğrusal Kabul Edleblr Tahn Edcler, Shrnkage Tahn Edcler A TEST STATISTIC FOR BIASED ESTIMATOR BASED ON RIDGE ESTIMATOR ABSTRACT In ths study, a test statstc of the ean square error crteron has been proposed to choose between a based estator based on Rdge estator and the least squares estator. Key Words: Mean Square Error, Rdge Regresson, Lu-Type Estator, Lnear Adssble Estators, Shrnkage Estators. 1. GİRİŞ Regresyon katsayılarını tahn etek çn yaygın olarak kullanılan yönte en küçük kareler (EKK) yöntedr. Ancak, EKK yöntenn doğru sonuçlar veres çn çeştl varsayıların sağlanası gerekektedr. Bunlardan br bağısız değşkenler arasında lşk olaasıdır. Aa gerçekte bu duru her zaan sağlanayablr. Böyle durularda, EKK tahn yöntenn kullanılası yanlış odel bulgularına ve kullanıına neden olur. Bu tür brbryle bağılılık gösteren bağısız değşkenlerle analz yapak çn çeştl yönteler gelştrlştr. Bu yöntelerden br yanlı tahn yöntelerdr. Yanlı 1
2 M.EBEGİL SAÜ Fen Edebyat Dergs (009-II) yöntelere lşkn tahn edcler, EKK tahn edclerne göre yanlı, ancak çok daha küçük varyanslı tahnler verrler. Yanlı tahn yöntelernde genel aaç, EKK tahn yöntende büyük olan varyans alanını küçük br yan karşılığında daraltaktır. Böylece EKK yöntene göre daha doğru sonuçlar elde edlr. Yanlı tahn edcler sınıfının çnde yer alan bazı tahn edcler, Shrnkage tahn edcler olarak adlandırılır. Teel Bleşenler regresyonu, Rdge regresyonu ve bunların türevler bu sınıfın brer üyesdrler. Farebrother (1978) yaptığı çalışasında, Shrnkage tahn edcler çn genel br yapı oluşturuştur. Rdge, Teel Bleşenler ve Koşullu-nu hata kare ortalaalı yanlı tahn edclernn brer Shrnkage tahn edcs olduklarını gösterştr *1+. Lsk (198) çalışasında, EKK tahn edcs le Shrnkage tahn edcs arasında seç yapak çn güçlü Ortalaa Hata Kare (OHK) ölçütünü verştr *+. Yne Lsk (1983) çalışasında EKK tahn edcs le Shrnkage tahn edcs arasında seç yapak çn daha zayıf OHK test şlen kullanıştır *3+. Kejan (1993) çalışasında rdge tahn edcsne alternatf olarak Lu-Kejan tahn edcsn önerştr *4+. Daha sonra bu tahn edc Akdenz ve Kaçıranlar (1995) tarafından Lu tahn edcs olarak adlandırılıştır *5+. Sakallıoğlu, Kaçıranlar ve Akdenz (1997) tarafından Lu tahn edcsnn terasyon tahn edcler le karşılaştırılası ncelenştr *6+. Derel (1999) çalışasında, Shrnkage tahn edclernn genel yapısını verştr *7+. Ebegl, Gökpınar ve Ekn (005) çalışalarında, yanlı tahn edcler sınıfı çnde yer alan Shrnkage tahn edclernden, Rdge ve Lu tahn edcler çn br test statstğ verş, ayrıca bu tahn edcler bağısız değşkenler arasındak farklı korelasyon yapılarına göre sülasyon yoluyla karşılaştırılıştır *8+. Sakallıoğlu ve Kaçıranlar (003) tarafından Rdge tahn edcsne dayalı yanlı br tahn edc önerlştr [9]. Ebegl (006) çalışasında Lu-Tp ve Rdge tahn edcsne dayalı yanlı tahn edcler de Shrnkage tahn edcler yapısı çnde fade ederek bu tahn edclern brer Shrnkage tahn edcs olduğunu gösterştr [10]. Ebegl (007) tarafından, Rdge tahn edcsne dayalı
3 SAÜ Fen Edebyat Dergs (009-II) M.EBEGİL yanlı tahn edcnn en az, EKK tahn edcs kadar etkn olables çn gerekllk ve yeterllk koşullarını elde etştr [11]. Bu çalışanın knc bölüünde Shrnkage tahn edclernn teel yapısı kısaca verldkten sonra, Rdge tahn edcsne dayalı yanlı tahn edcnn en az, EKK tahn edcs kadar etkn olables çn gerekllk ve yeterllk koşulları üzernde duruluştur. Üçüncü bölüde, öncelkle br Shrnkage tahn edcs le EKK tahn edcsnden brn seçek çn br test statstğ tanıtılıştır. Daha sonra bu test statstğ ve Ebegl (007) de oluşturulan gerekllk ve yeterllk koşuluna bağlı olarak Rdge tahn edcsne dayalı yanlı tahn edcs le EKK tahn edcsnden brn seçek çn br test statstğ önerlştr.. SHRINKAGE TAHMİN EDİCİLER SINIFININ GENEL YAPISI Bu bölüde doğrusal regresyon odelnden yola çıkarak Shrnkage tahn edclernn genel yapısı verlştr. n gözlel, k bağısız değşkenl br çoklu doğrusal regresyon odel,, ~ 0, In n q Y X (1) rank X q n bçnde tanılanır *1+. Y, ( n 1) boyutlu bağılı değşken vektörü; qk 1 olak üzere, X, ( n q) boyutlu stokastk olayan grd atrs;, ( q 1) boyutlu blneyen katsayılar vektörü;, E( ) 0 ve E koşullarını sağlayan hata vektörüdür. ( ) In ( XX ) atrs; q q boyutlu, poztf tanılı, setrk br atrs olduğundan dolayı öyle br ortonoral P atrs vardır k P X XP bçnde köşegenleştrr., eleanları 3 ( XX ) atrsn ( XX ) atrsnn poztf öz değerler 1 > >...> q olan q q boyutlu köşegen br atrstr [,3].
4 M.EBEGİL SAÜ Fen Edebyat Dergs (009-II) Z XP ve P olak üzere, (1) eştlğndek odeln kanonk foru, Y XPP Z () şeklndedr. Br regresyon paraetresnn doğrusal kabul edleblr tahn edcler sınıfı kapsaı çndek b tahn edc, q R olak üzere kabul edleblr doğrusal br A( ˆ b) b (3) bçndedr [1]. Burada ˆ ; nın EKK tahn edcs, A ; ( q q) boyutlu br atrs ve b ; ( q 1) boyutlu sabt br vektördür. Bu şeklde gösterlen tahn edcler, doğrusal kabul edleblr tahn edcler (lnear adssble estators) sınıfındandır. Br tahn edcnn kabul edleblr (adssble) br tahn edc olası çn dğer koşullar aşağıdak gb sıralanablr. ( X X ) A veya 1 A( X X) (4) setrk ve A atrsnn öz değerler *0,1+ aralığında olalıdır. (3) ve (4) eştlklerndek koşullara ek olarak, kabul edleblrlk çn A atrsnn setrk olduğu varsayılır. A ve XX atrsler aynı ortonoral P atrs tarafından köşegenleştrleblr. PAP, eleanları A atrsnn *0,1+ aralığına düşen öz değerler,,..., olan 1 q ( q q) boyutlu köşegen br atrstr [,3]. () eştlğndek odel altında (3) eştlğ, PA( ˆ b) Pb 4
5 SAÜ Fen Edebyat Dergs (009-II) M.EBEGİL ˆ P AP( a) a ( ˆ a) a (5) olur. Burada ˆ P ˆ, a P b dır. Bu tür doğrusal kabul edleblr tahn edcler, Shrnkage tahn edcler olarak slendrlr [,3]..1. Shrnkage ve En Küçük Kareler Tahn Edclernn Ortalaa Hata Kare Matrsler EKK tahn edcler atrsler sırasıyla, ˆ ve Shrnkage tahn edcler nın OHK OHK ( ˆ ) ( X X) 1 ve 1 OHK ( ) A( X X) A ( I A)( b)( b) ( I A) (6) dır [,3]. (6) eştlğ le verlen bu atrslern eşdeğer kanonk forları, OHK( ˆ ) 1 ve 1 OHK ( ) ( I )( a)( a) ( I ) (7) bçnde gösterlr. Bu k atrs arasındak farkın, yan OHK ( ˆ ) OHK ( ) nın negatf olayan tanılı br atrs olası, OHK ( ˆ ) OHK ( ) 0 le ükündür. Buradan hareketle OHK ( ˆ ) OHK ( ) farkının negatf olayan tanılı olasının gerek ve yeter koşulu 1 ( b) ( I A) X X( I A)( b)/ 1 (8) 5
6 M.EBEGİL SAÜ Fen Edebyat Dergs (009-II) eştlğnn sağlanasıdır. Aynı şeklde, OHK ( ˆ ) OHK ( ) farkının negatf olayan tanılı br atrs olası se ancak ve ancak 1 ( a) ( I ) ( I )( a)/ 1 (9) le ükündür *+. Eş (8) dek koşul altında br Shrnkage tahn edcs olan nın, en az ˆ EKK tahn edcs kadar etkn olduğu söyleneblr []... Shrnkage Tahn Edcler Yardııyla Ortalaa Hata Karelern Azaltılası Lsk (198), çalışasında genel yapısını verdğ Shrnkage tahn edclernn OHK atrsler le, blnen EKK tahn edclernn OHK atrslern karşılaştırarak br gerekllk ve yeterllk koşulu elde etştr. Daha sonra bu gerekllk ve yeterllk koşulunu kullanarak Rdge ve ˆ d ˆ, 0d 1, tahn edclernn her br çn gerekllk ve d yeterllk koşullarını oluşturuştur []. Bu koşullar sağlandığında Shrnkage tahn edcler en az, EKK tahn edcler kadar etkndr. Ekn (1999) çalışasında Lu tahn edcs çn gerekllk ve yeterllk koşulunu elde etştr [13]. Sakallıoğlu ve Kaçıranlar (003), Rdge tahnne dayalı br tahn edcy, k>0 ve <d< olak üzere, 1 k, d X X X Y dk (10) şeklnde tanılaışlardır. Burada 1 k X X k XY, Rdge regresyon tahn edcsdr [9]. Ebegl (007) çalışasında, Eş (10) da verlen tahn edc çn gerekllk ve yeterllk koşullarını, k d 1 k d ( a) ( a)/ 1 (11) 6
7 SAÜ Fen Edebyat Dergs (009-II) M.EBEGİL veya X X k dx X 1 k X X X X d ( b) ( b) / 1 (1) bçnde elde etştr [11]. (11) ve (1) eştlklerndek gerekllk ve yeterllk koşulunun sağlanası duruunda Rdge tahnne dayalı yanlı tahn edc, en az EKK tahn edcs kadar etkndr sonucu çıkarılablr. 3. SHRINKAGE TAHMİN EDİCİSİNİN SEÇİMİ İÇİN BİR TEST Lsk (198) çalışasında, OHK atrslerne dayalı olarak, br Shrnkage tahn edcs le EKK tahn edcsnden brn seçek çn br test statstğ oluşturuştur []. Bu çalışada, bu test statstğ ve Ebegl (007) tarafından oluşturulan gerekllk ve yeterllk koşullarına bağlı olarak Rdge tahnne dayalı yanlı tahn edc le EKK tahn edcsnden brn seçek çn br test statstğ önerlştr. (8) ve (9) eştlklernde verlen gerekllk ve yeterllk koşulları altında k tahn edc arasından seç yapılası ükündür. Bu duruda Shrnkage tahn edcs le EKK tahn edcs ˆ arasında br seç yapılası çn kullanılacak test statstğnn yapısı, bu eştszlğe dayandırılır. Lsk (198) Toro-Vzcarrondo ve Wallace nn test statstğn kullanarak aşağıdak test statstğ üzernde çalışıştır *+: ˆ ˆ F H ˆ, (13) burada H I A X X I A 1 ( ) ( ), ˆ ˆ ( Y X ) ( Y X ˆ ) ( n q), rank( H) ve b 0 7
8 M.EBEGİL SAÜ Fen Edebyat Dergs (009-II) olarak alınıştır. Bu statstğn kanonk foru, F ˆ ( I ) ( I ) ˆ / ˆ 1 1 q 1 ( ˆ / ˆ ) (14) 1 şeklnde yazılablr. Burada rank( I ) ( I ) dır., sıfırdan farklı lern sayısı olak üzere, 1 F ˆ ˆ (15) 1 ( / ) şeklnde de fade edleblr. nn1 q olduğu görülektedr. F ˆ / ˆ olarak fade edldğnde, 1 F 1 F (16) olur. Bu duruda F test statstğ F statstklernn karışıından oluşur. Dğer br fadeyle, (15) eştlğ, (16) eştlğ gb de yazılablr. Burada ˆ ˆ, serbestlk dereces 1 ve erkez olaa paraetres w / olan br k-kare dağılıına uyar. ( n q) ˆ / dereces ( n q) olan k-kare dağılıına sahptr. bağısızdır. Bu duruda, F erkez olaa paraetres uyaktadır. se serbestlk ˆ ve ˆ ˆ, serbestlk dereces 1 ve ( n q), ˆ w / olan F dağılıına 8
9 SAÜ Fen Edebyat Dergs (009-II) M.EBEGİL (16) eştlğ, lern bütün ağırlıkları 1 ler veya sıfırlar oladıkça, erkez olayan F nn dağılı fonksyonun kapalı forunun fade edles oldukça zordur. Bununla brlkte yaklaşık çözülere ulaşılablr [,3,14]. Shrnkage tahn edcler çn gerekllk ve yeterllk koşulu, 1 1 d. Bundan dolayı hpotez testler, Ho: 1 1 karşıt hpotez H1: 1 1 (17) şeklnde yazılablr. Önerlen test şlende karar kuralı, F F (, n q,1) se Ho kabul, ve FF (, n q,1) se Ho red şeklndedr. F (, n q,1), serbestlk dereces ve (n-q), erkez olayan paraetres w 1 1 γ olan F nın dağılıından elde ω edlr. F çn erkez-f yaklaşıı kullanarak F (, n q,1) krtk noktaların değer belrleneblr. Bunun çn oentler yaklaşıı le statstklernn oentler kullanılarak F test statstğnn başlangıç oentler elde edlr. Bunu çn Theobald (1974) e bakılablr *15]. F 3.1. F İstatstğ İçn Merkez-F Yaklaşıı Patnak (1949), erkez olayan F dağılıı çn erkez-f yaklaşıı üzernde çalışıştır *16+. Bu yaklaşıda erkez-f dağılıı 9
10 M.EBEGİL SAÜ Fen Edebyat Dergs (009-II) F(, n q) nın ve erkez olayan F(, n q, ) dağılıının lk k oentler kullanılarak F(, n q, ) r F(, n q) yazılablr. r ve paraetreler F dağılılarının lk k oentler le bulunur. Dğer br fadeyle, erkez-f n k oent yaklaşıı, erkez- F ve F/ r nn lk k oentler çn fadelern eştlenesyle, 1 r (1 ) ve (1 ) (1 ) (18) bçnde elde edlr. Burada q ve 1 verlşken 1 1 r, şeklnde de fade edleblr ve 1 ler *0,1+ aralığında olak üzere düzeltlş serbestlk dereces, ( 1) /( ) 1 1 bçnde yazılablr []. Buradan kolaylıkla n 1 ax (19) olduğu görülür *17+. Bu eştszlk yardııyla düzeltlş serbestlk dereces çn alt ve üst sınırları, ( 1) /( ) ( 1) /( ) (0) 1 ax 1 n şeklnde belrlenr []. Üst sınır ax ve alt sınır n olarak fade edleblr. Bu halde bütün 0 1 çn 10
11 SAÜ Fen Edebyat Dergs (009-II) M.EBEGİL F ( ax, n q) F ( n, n q) ken F ( ax, n q) ve F ( n, n q) krtk noktaları elde edlr. F/ r statstğ, bu krtk değerlerle karşılaştırılablr. Buradan hareketle, test statstğ çn bu krtk noktalardan, F/ r> F ( n, n q) se Ho hpotez red, F/ r< F ( ax, n q) se Ho hpotez kabul ve F ( ax, n q) F/ r F ( n, n q) kararsızlık (belrszlk) duruu şeklnde bölgeler oluşturulablr. 3.. Rdge Tahnne Dayalı Yanlı Tahn Edcnn Seç İçn Br Test Bu bölüde, daha öncek bölülerde açıklanan test statstğnn Rdge tahnne dayalı yanlı tahn edcye nasıl uygulanacağı açıklanıştır. (13) eştlğnde verlen test statstğnde gerekl fadeler yerne konularak, Rdge tahnne dayalı yanlı tahn edc çn test statstğn oluşturak ükün olacaktır. Bunun çn, (10) eştlğnde verlen Rdge tahnne dayalı br tahn edcsnde, Rdge regresyon tahn edcs 1 k X X k XY yerne yazılır ve gerekl düzenleeler yapılırsa, 1 1 kd, XX d XX k XX ˆ Aˆ (1) şeklnde fade edleblr. Buradan test statstğnde yer alan, H ( I A) 1 X X ( I A) fadesndek A atrs yerne yazılarak, Rdge tahnne dayalı yanlı tahn edc çn test statstğ, ˆ ˆ F H ˆ 11
12 M.EBEGİL SAÜ Fen Edebyat Dergs (009-II) ˆ X X k dx X ˆ 1 k X X X X d () ˆ şeklnde oluşturulur. Burada ve ˆ daha öncek bölülerde tanılandığı gb hesaplanır. Bu test statstğnn kanonk foru, k d 1 k ˆ ˆ d F (3) ˆ bçnde belrlenr. Dğer krtk noktalar, karar kuralları ve tanılaalar öncek bölülerde açıklandığı gb, buradak fadelere bağlı kalınarak hesap edlr. 4. SONUÇ Model kurak aacıyla, regresyon katsayılarını tahn etek çn yaygın olarak kullanılan yönte En Küçük Kareler (EKK) yöntedr. EKK tahn yöntende aaç hatayı en küçükleektr. Ancak bağısız değşkenler arasında şddetl br lşk bulunuyorsa, bu tür verler hatada, dolayısıyla varyansta yanıltıcı br büyüeye sebep olur. Bu büyüe paraetre tahnlerne ve kestr sonuçlarına olusuz şeklde yansır. Dğer br deyşle, bağısız değşkenler arasında şddetl br lşk bulunduğu durularda, varyanstak yanıltıcı büyüeden dolayı, EKK tahn yöntenn kullanılası yanlış odel bulgularına ve kullanıına neden olur. Bu olusuz etky yok etek çn yanlı tahn yöntelerne başvurulur. Bu yönteler küçük br yan karşılığı varyans alanını dolayısıyla hatayı küçültür. Yanlı yöntelere lşkn bu tahn edcler, EKK tahn edclerne göre yanlı, ancak çok daha küçük varyanslı tahnler verrler. Dğer br fadeyle, yanlı tahn yöntelernn kullanılasındak genel aaç, EKK tahn yöntende büyük olan varyans alanını küçük br yan karşılığında daraltaktır. Böylece EKK yöntene göre daha doğru sonuçlar elde edlr. 1
13 SAÜ Fen Edebyat Dergs (009-II) M.EBEGİL Bu aaçla, Lsk (198) çalışasında, OHK atrslerne dayalı olarak, br Shrnkage tahn edcs le EKK tahn edcsnden brn seçek çn br test statstğ oluşturuştur. Bu çalışada, bu test statstğ ve Ebegl (007) tarafından, Rdge tahnne dayalı yanlı tahn edcnn en az EKK tahn edcs kadar etkn olası çn oluşturulan gerekllk ve yeterllk koşulları kullanılarak, Rdge tahnne dayalı yanlı tahn edc le EKK tahn edcsnden brn seçek çn br test statstğ oluşturuluştur. Bu test statstğ kullanılarak, Rdge tahnne dayalı yanlı tahn edcnn, EKK tahn edcsne terch edleceğ durular belrleneblecektr. KAYNAKLAR [1]. Farebrother, R. W., (1978), A Class of Shrnkage Estators., Journal of the Royal Statstcal Socety B, 40, []. Lsk, E. P., (198), A Test of the Mean Square Error Crteron for Shrnkage Estators. Councatons n Statstcs 11(5), [3]. Lsk, E. P., (1983), Choosng a Shrnkage Estator-a test of the Mean Square Error Crteron. Proc. Frst Tapere Se. Lnear Models, [4]. Kejan, L., (1993). A New Class of Based Estate n Lnear Regresson., Councatons. n Statstcs: Theory and Methods.,(), [5]. Akdenz, F. and Kaçıranlar, S. (1995). On the Alost Unbased Generalzed Lu Estator and Unbsed Estaton of the Bas and MSE. Coun. Statst-Theory and Meth., 4(7), [6]. Sakallıoğlu, S., Kaçıranlar, S. ve Akdenz, F. (1997). Bazı Yanlı Regresyon Tahn Edclernn Karşılaştırılası., Araştıra Sepozyuu 97 Bldrler, DİE., Ankara. [7]. Derel, M., (1999), Bazı Shrnkage Tahn Edcler le En Küçük Kareler Tahn Edcsnn Br Test İstatstğ le Karşılaştırılası, Yüksek Lsans Tez, Ankara, [8]. Ebegl, M.,Gökpınar, F. and Ekn, M. (006), A Sulaton Study on Soe Shrnkage Estators, Hacettepe Journal of Matheatcs and Statstcs, 35():
14 M.EBEGİL SAÜ Fen Edebyat Dergs (009-II) [9]. Sakallıoğlu, S., Kaçıranlar, S., (005), Yen Br Yanlı Tahn Edc ve Lu-Tp Tahn Edc le Karşılaştıralar. 4. İstatstk Kongres, 08-1 Mayıs 005, Bldr ve Poster Özetler Ktabı. Antalya [10]. Ebegl, M. (006). Shrnkage Tahn Edcler Sınıfı Üzerne Br Çalışa, Sakarya Ünverstes, Fen Edebyat Fakültes, Fen Edebyat Dergs 8(), [11]. Ebegl, M. (007). En Küçük Kareler Tahn Edcs İle Br Shrınkage Tahn Edcsnn Etknlk Karşılaştırası, Anadolu Ünverstes Bl ve Teknoloj Dergs 8(1), [1]. Rao, C. R., (1976). Estaton of Paraeters n a Lnear Models., The Annals of Statstcs, 4, [13]. Ekn, M., (1999). EKK Tahn Edcs le Br Shrnkage Tahn Edcsnn etknlk karşılaştırası, Journal of the Insttute of Scence and Technology,Gaz Unverstes, 1(3), [14]. Noran, L. J. and Sauel, K.(1970), Dstrbutons n Statstcs, Chapter 6. [15]. Theobald, C. M. (1974). Generalzatons of Mean Square Error Appled to Rdge Regresson, Journal of the Royal Statstcal Socety B,36, [16]. Patnak, P. B. (1949), The Noncentral K-Kare and F Dstrbutons and ther Applcatons, Boetrka 36, 0-3. [17]. Toutenburg, H. (198), Pror Inforaton n Lnear Models. John Wley and Sons. New York. 14
Korelasyon ve Regresyon
Korelasyon ve Regresyon 1 Korelasyon Analz İk değşken arasında lşk olup olmadığını belrlemek çn yapılan analze korelasyon analz denr. Korelasyon; doğrusal yada doğrusal olmayan dye kye ayrılır. Korelasyon
DetaylıÇOKLU REGRESYON MODELİ, ANOVA TABLOSU, MATRİSLERLE REGRESYON ÇÖZÜMLEMESİ,REGRES-YON KATSAYILARININ YORUMU
6.07.0 ÇOKLU REGRESON MODELİ, ANOVA TABLOSU, MATRİSLERLE REGRESON ÇÖZÜMLEMESİ,REGRES-ON KATSAILARININ ORUMU ÇOKLU REGRESON MODELİ Ekonom ve şletmeclk alanlarında herhang br bağımlı değşken tek br bağımsız
DetaylıİSTATİSTİK DERS NOTLARI
Balıkesr Ünverstes İnşaat Mühendslğ Bölüü uutokkan@balkesr.edu.tr İSTATİSTİK DERS OTLARI Yrd. Doç. Dr. Uut OKKA Hdrolk Anabl Dalı Balıkesr Ünverstes Balıkesr Ünverstes İnşaat Mühendslğ Bölüü İnşaat Mühendslğ
DetaylıPARÇALI DOĞRUSAL REGRESYON
HAFTA 4 PARÇALI DOĞRUSAL REGRESYO Gölge değşkenn br başka kullanımını açıklamak çn varsayımsal br şrketn satış temslclerne nasıl ödeme yaptığı ele alınsın. Satış prmleryle satış hacm Arasındak varsayımsal
DetaylıGM-220 MÜH. ÇALIŞ. İSTATİSTİKSEL. Frekans Dağılımı Oluşturma Adımları VERİLERİN SUNUMU. Verilerin Özetlenmesi ve Grafikle Gösterilmesi
VERİLERİN SUNUMU GM-0 MÜH. ÇALIŞ. İSTATİSTİKSEL YÖNTEMLER Br çalışadan elde edlen verler ha ver ntelğndedr. Ha verlerden blg ednek zor ve zaan alıcıdır. Ha verler çok karaşık durudadır. Verlern düzenlenes
DetaylıSEK Tahmincilerinin Arzulanan Özellikleri. SEK Tahmincilerinin Arzulanan Özellikleri. Ekonometri 1 Konu 9 Sürüm 2,0 (Ekim 2011)
SEK Tahmnclernn Arzulanan Özellkler İk Değşkenl Bağlanım Model SEK Tahmnclernn Arzulanan Özellkler Ekonometr 1 Konu 9 Sürüm 2,0 (Ekm 2011) http://www.ackders.org.tr SEK Tahmnclernn Arzulanan Özellkler
DetaylıMANYETİK OLARAK STABİLİZE EDİLMİŞ AKIŞKAN YATAKLARDA KÜTLE AKTARIM KATSAYILARININ İNCELENMESİ
MANYETİK OLAAK STABİLİZE EDİLMİŞ AKIŞKAN YATAKLADA KÜTLE AKTAIM KATSAYILAININ İNCELENMESİ Metn ŞENGÜL, Ahet. ÖZDUAL* Şeker Enttüü Etegut/ANKAA; *H.Ü. Kya Mühendlğ Bölüü Beytepe/ANKAA ÖZET Bu çalışanın
DetaylıHAFTA 13. kadın profesörlerin ortalama maaşı E( Y D 1) erkek profesörlerin ortalama maaşı. Kestirim denklemi D : t :
HAFTA 13 GÖLGE EĞİŞKENLERLE REGRESYON (UMMY VARIABLES) Gölge veya kukla (dummy) değşkenler denen ntel değşkenler, cnsyet, dn, ten reng gb hemen sayısallaştırılamayan ama açıklanan değşkenn davranışını
DetaylıFarklı Varyans. Var(u i X i ) = Var(u i ) = E(u i2 ) = σ i2. Eşit Varyans. Hata. Zaman
Farklı Varyans Var(u X ) = Var(u ) = E(u ) = σ Eşt Varyans Y X Farklı Varyans Hata Var(u X ) = Var(u ) = E(u ) = σ Farklı Varyans Zaman Farklı Varyans le Karşılaşılan Durumlar Kest Verlernde. Kar dağıtım
Detaylıkadar ( i. kaynağın gölge fiyatı kadar) olmalıdır.
KONU : DUAL MODELİN EKONOMİK YORUMU Br prmal-dual model lşks P : max Z cx D: mn Z bv AX b AV c X 0 V 0 bçmnde tanımlı olsun. Prmal modeln en y temel B ve buna lşkn fyat vektörü c B olsun. Z B B BB c X
DetaylıBÖLÜM 5 İKİ VEYA DAHA YÜKSEK BOYUTLU RASGELE DEĞİŞKENLER İki Boyutlu Rasgele Değişkenler
BÖLÜM 5 İKİ VEYA DAHA YÜKSEK BOYUTLU RASGELE DEĞİŞKENLER 5.. İk Boyutlu Rasgele Değşkenler Br deney yapıldığında, aynı deneyle lgl brçok rasgele değşkenn aynı andak durumunu düşünmek gerekeblr. Böyle durumlarda
DetaylıSabit Varyans. Var(u i X i ) = Var(u i ) = E(u i2 ) = s 2
X Sabt Varyans Y Var(u X ) = Var(u ) = E(u ) = s Eşt Varyans EKKY nn varsayımlarından br anakütle regresyon fonksyonu u lern eşt varyanslı olmasıdır Her hata term varyansı bağımsız değşkenlern verlen değerlerne
DetaylıSürekli Olasılık Dağılım (Birikimli- Kümülatif)Fonksiyonu. Yrd. Doç. Dr. Tijen ÖVER ÖZÇELİK
Sürekl Olasılık Dağılım Brkml- KümülatFonksyonu Yrd. Doç. Dr. Tjen ÖVER ÖZÇELİK tover@sakarya.edu.tr Sürekl olasılık onksyonları X değşken - ;+ aralığında tanımlanmış br sürekl rassal değşken olsun. Aşağıdak
DetaylıÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ
ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ Gülesen ÜSTÜNDAĞ BAZI PARAMETRİK OLMAYAN İSTATİSTİKSEL YÖNTEMLERİN İNCELENMESİ İSTATİSTİK ANABİLİM DALI ADANA, 005 ÇUKUROVA ÜNİVERSİTESİ
DetaylıKİ-KARE TESTLERİ A) Kİ-KARE DAĞILIMI VE ÖZELLİKLERİ
Kİ-KAR TSTLRİ A) Kİ-KAR DAĞILIMI V ÖZLLİKLRİ Örnekleme yoluyla elde edlen rakamların, anakütle rakamlarına uygun olup olmadığı; br başka fadeyle gözlenen değerlern teork( beklenen) değerlere uygunluk gösterp
DetaylıPolinom Filtresi ile Görüntü Stabilizasyonu
Polno Fltres le Görüntü Stablzasonu Fata Özbek, Sarp Ertürk Kocael Ünverstes Elektronk ve ab. Müendslğ Bölüü İzt, Kocael fozbek@kou.edu.tr, serturk@kou.edu.tr Özetçe Bu bldrde vdeo görüntü dznnde steneen
DetaylıREGRESYONDA ETKİLİ GÖZLEMLERİ BELİRLEME YÖNTEMLERİ VE KARŞILAŞTIRMALARI. Can DARICA YÜKSEK LİSANS TEZİ İSTATİSTİK
REGRESYONDA ETKİLİ GÖZLEMLERİ BELİRLEME YÖNTEMLERİ VE KARŞILAŞTIRMALARI Can DARICA YÜKSEK LİSANS TEZİ İSTATİSTİK GAZİ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ ŞUBAT 014 ANKARA Can DARICA tarafından hazırlanan
DetaylıKİ KARE ANALİZİ. Doç. Dr. Mehmet AKSARAYLI Ki-Kare Analizleri
Kİ KAR ANALİZİ 1 Doç. Dr. Mehmet AKSARAYLI www.mehmetaksarayl K-Kare Analzler OLAY 1: Genelde br statstk sınıfında, öğrenclern %60 ının devamlı, %30 unun bazen, %10 unun se çok az derse geldkler düşünülmektedr.
Detaylı2.a: (Zorunlu Değil):
Uygulaa 5-7:.7 6 7 Baar Yarıyılı Jeodezk Ağlar e Uygulaaları UYGULAMA FÖYÜ,..7.a: (Zorunlu Değl: Yanına arılaayan br kule yükeklğnn trgonoetrk yükeklk belrlee yönteyle eaplanaı UYGULAMA.b : (Zorunlu C3
DetaylıTek Yönlü Varyans Analizi (ANOVA)
VARYANS ANALİZİ İ örne ortalaması arasında farın önem ontrolü, örne büyülüğüne göre z veya testlernden bryle yapılır. Bu testlerle, den fazla örne ortalamasını brlte test etme ve aralarında farın önem
DetaylıMIT Açık Ders Malzemeleri Bu materyallerden alıntı yapmak veya Kullanım Koşulları hakkında bilgi almak için
MIT Açık Ders Malzemeler http://ocm.mt.edu Bu materyallerden alıntı yapmak veya Kullanım Koşulları hakkında blg almak çn http://ocm.mt.edu/terms veya http://tuba.açık ders.org.tr adresn zyaret ednz. 18.102
DetaylıŞekil 1. Bir oda ısıtma sisteminin basitleştirilmiş blok diyagram gösterimi. 1. Kontrol Sistemlerindeki Blok Diyagramlarının Temel Elemanları:
Blok yaraları: araşık teler, rok alt ten rrne uyun şeklde ağlanaından oluşur. Blok dyaraları, her r alt te araındak karşılıklı ağlantıyı öterek n kullanılır. Blok dyaralarında her r alt ten fonkyonu ve
DetaylıNİTEL TERCİH MODELLERİ
NİTEL TERCİH MODELLERİ 2300 gözlem sayısı le verlen değşkenler aşağıdak gbdr: calsma: çocuk çalışıyorsa 1, çalışmıyorsa 0 (bağımlı değşken) Anne_egts: Anne eğtm sevyes Baba_egts: Baba eğtm sevyes Kent:
DetaylıENDÜSTRİNİN DEĞİŞİK İŞ KOLLARINDA İHTİYAÇ DUYULAN ELEMANLARIN YÜKSEK TEKNİK EĞİTİM MEZUNLARINDAN SAĞLANMASINDAKİ BEKLENTİLERİN SINANMASI
V. Ulusal Üretm Araştırmaları Sempozyumu, İstanbul Tcaret Ünverstes, 5-7 Kasım 5 ENDÜSTRİNİN DEĞİŞİK İŞ KOLLARINDA İHTİYAÇ DUYULAN ELEMANLARIN YÜKSEK TEKNİK EĞİTİM MEZUNLARINDAN SAĞLANMASINDAKİ BEKLENTİLERİN
DetaylıKİ-KARE TESTLERİ. şeklinde karesi alındığında, Z i. değerlerinin dağılımı ki-kare dağılımına dönüşür.
Kİ-KARE TESTLERİ A) Kİ-KARE DAĞILIMI VE ÖZELLİKLERİ Örnekleme yoluyla elde edlen rakamların, anakütle rakamlarına uygun olup olmadığı; br başka fadeyle gözlenen değerlern teork( beklenen) değerlere uygunluk
DetaylıSıklık Tabloları ve Tek Değişkenli Grafikler
Sıklık Tabloları ve Tek Değşkenl Grafkler Sıklık Tablosu Ver dzsnde yer alan değerlern tekrarlama sayılarını çeren tabloya sıklık tablosu denr. Sıklık Tabloları tek değşken çn marjnal tablo olarak adlandırılır.
DetaylıUYUM ĐYĐLĐĞĐ TESTĐ. 2 -n olup. nin dağılımı χ dir ve sd = (k-1-p) dir. Burada k = sınıf sayısı, p = tahmin edilen parametre sayısıdır.
UYUM ĐYĐLĐĞĐ TESTĐ Posson: H o: Ver Posson dağılıma sahp br ktleden gelmektedr. H a : Ver Posson dağılıma sahp br ktleden gelmemektedr. Böyle br hpotez test edeblmek çn, önce Posson dağılım parametres
Detaylıdir. Bir başka deyişle bir olayın olasılığı, uygun sonuçların sayısının örnek uzaydaki tüm sonuçların sayısına oranıdır.
BÖLÜM 3 OLASILIK HESABI 3.. Br Olayın Olasılığı Tanım 3... Br olayın brbrnden ayrık ve ortaya çıkma şansı eşt n mümkün sonucundan m tanes br A olayına uygun se, A olayının P(A) le gösterlen olasılığı P(A)
DetaylıBAZI YARIGRUP AİLELERİ ve YAPILARI İÇİN SONLULUK KOŞULLARI ve ETKİNLİK *
BAZI YARIGRUP AİLELERİ ve YAPILARI İÇİN SONLULUK KOŞULLARI ve ETKİNLİK * Fteess Codtos For Soe Segroup Fales ad Costructos ad Effcecy Basr ÇALIŞKAN Mateatk Aabl Dalı Hayrullah AYIK Mateatk Aabl Dalı ÖZET
Detaylıİstatistikçiler Dergisi
www.statstcler.org İstatstçler Dergs (2008 23-32 İstatstçler Dergs YOL AZA ORANLARININ BAYESCİ YALAŞIMLA ANALİZİ Uğur ARABEY Hacettepe Ünverstes Atüerya Bller Bölüü 06800-Beytepe, Anara, Türye uarabey@hacettepe.edu.tr
DetaylıTek Yönlü Varyans Analizi
Tek Yönlü Varyan Analz Nedr ve hang durumlarda kullanılır? den fazla grupların karşılaştırılmaı öz konuu e, çok ayıda t-tet nn kullanılmaı, Tp I hatanın artmaına yol açar; Örneğn, eğer 5 grubu kşerl olarak
DetaylıADJUSTED 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
DetaylıEKONOMETRİYE GİRİŞ II ÖDEV 4 ÇÖZÜM
EKONOMETRİYE GİRİŞ II ÖDEV 4 ÇÖZÜM (Örgün e İknc Öğretm çn) 1. 754 hanehalkına at DOMerset sml Excel dosyasında yer alan erler kullanarak tahmnlenen DOM sonuçları: Dependent Varable: CALISANKADIN Sample:
DetaylıİKİ DEĞİŞKENLİ BASİT DOĞRUSAL REGRESYON MODELİ
İKİ DEĞİŞKENLİ BASİT DOĞRUSAL REGRESON MODELİ Regresyon le ( ler) arasındak ortalama lşknn matematk fonksyonla fadesdr. f ( ) b b Bu lşk eğrselde olablr. Ortalama lşk aşağıdak gb fade edlr: E( ) f ( )
DetaylıDoğrusal Korelasyon ve Regresyon
Doğrusal Korelasyon ve Regresyon En az k değşken arasındak lşknn ncelenmesne korelasyon denr. Kşlern boyları le ağırlıkları, gelr le gder, öğrenclern çalıştıkları süre le aldıkları not, tarlaya atılan
DetaylıRasgele Değişken Üretme Teknikleri
Rasgele Değşken Üretme Teknkler Amaç Smülasyon modelnn grdlern oluşturacak örneklern üretlmes Yaygın olarak kullanılan ayrık veya sürekl dağılımların örneklenmes sürecn anlamak Yaygın olarak kullanılan
Detaylı4.5. 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,
DetaylıFarklı Varyans. Var(u i X i ) = Var(u i ) = E(u i2 ) = s 2 Eşit Varyans
Farklı Varyans Var(u X ) = Var(u ) = E(u ) = s Eşt Varyans Y X 1 Farklı Varyans Hata Var(u X ) = Var(u ) = E(u ) = s Farklı Varyans Zaman EKKY nn varsayımlarından br anakütle regresyon fonksyonu u lern
DetaylıÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ
ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ Savaş OKUR PARAMETRİK VE PARAMETRİK OLMAYAN BASİT DOĞRUSAL REGRESYON ANALİZ YÖNTEMLERİNİN KARŞILAŞTIRMALI OLARAK İNCELENMESİ ZOOTEKNİ ANABİLİM
DetaylıUYGULAMA 2. Bağımlı Kukla Değişkenli Modeller
UYGULAMA 2 Bağımlı Kukla Değşkenl Modeller Br araştırmacı Amerka da yüksek lsans ve doktora programlarını kabul ednlmey etkleyen faktörler ncelemek stemektedr. Bu doğrultuda aşağıdak değşkenler ele almaktadır.
DetaylıRegresyon ve Korelasyon Analizi. Regresyon Analizi
Regresyo ve Korelasyo Aalz Regresyo Aalz Regresyo Aalz Regresyo aalz, aralarıda sebep-souç lşks bulua k veya daha fazla değşke arasıdak lşky belrlemek ve bu lşky kullaarak o kou le lgl tahmler (estmato)
DetaylıİSTATİSTİKSEL DARALTICI (SHRINKAGE) MODEL VE UYGULAMALARI * A Statistical Shrinkage Model And Its Applications*
Ç.Ü. Fen Bilimleri Enstitüsü Yıl:010 Cilt:-1 İSTATİSTİKSEL DARALTICI (SHRINKAGE) MODEL VE UYGULAMALARI * A Statistical Shrinkage Model And Its Applications* Işıl FİDANOĞLU İstatistik Anabilim Dalı Fikri
DetaylıX, R, p, np, c, u ve diğer kontrol diyagramları istatistiksel kalite kontrol diyagramlarının
1 DİĞER ÖZEL İSTATİSTİKSEL KALİTE KONTROL DİYAGRAMLARI X, R, p, np, c, u ve dğer kontrol dyagramları statstksel kalte kontrol dyagramlarının temel teknkler olup en çok kullanılanlarıdır. Bu teknkler ell
DetaylıT.C. SELÇUK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ
T.C. SELÇUK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ QUANTILE REGRESYON ve BİR UYGULAMA İlkay ALTINDAĞ YÜKSEK LİSANS TEZİ İSTATİSTİK ANABİLİM DALI Ağustos-1 KONYA Her Hakkı Saklıdır ÖZET YÜKSEK LİSANS TEZİ
DetaylıA İSTATİSTİK. 4. X kesikli rasgele (random) değişkenin moment çıkaran. C) 4 9 Buna göre, X in beklenen değeri kaçtır?
. Br torbada 6 syah, 4 beyaz top vardır. Bu torbadan yerne koyarak top seçlyor. A İSTATİSTİK KPSS/-AB-PÖ/006. Normal dağılıma sahp br rasgele (random) değşkenn varyansı 00 dür. Seçlen topların ksnn de
DetaylıSosyal Bilimlerde Yanlı Regresyon Tahmin Edicilerinin Kullanılması
Eğtmde ve Pskolojde Ölçme ve Değerlendrme Dergs, Kış 00, (), 00-08 Sosyal Blmlerde Yanlı Regresyon Tahmn Edclernn Kullanılması Orkun COŞKUNTUNCEL * Mersn Ünverstes Özet Regresyon analz değşkenler arasındak
DetaylıÖRNEK SET 5 - MBM 211 Malzeme Termodinamiği I
ÖRNE SE 5 - MBM Malzeme ermdnamğ I 5 ºC de ve sabt basınç altında, metan gazının su buharı le reaksynunun standart Gbbs serbest enerjs değşmn hesaplayın. Çözüm C O( ( ( G S S S g 98 98 98 98 98 98 98 Madde
DetaylıARAŞTIRMA MAKALESİ /RESEARCH ARTICLE
ANADOLU ÜNİVERSİTESİ BİLİM VE TEKNOLOJİ DERGİSİ ANADOLU UNIVERSITY JOURNAL OF SCIENCE AND TECHNOLOGY Cilt/Vol.:8-Sayı/No: : 79-83 (007) ARAŞTIRMA MAKALESİ /RESEARCH ARTICLE EN KÜÇÜK KARELER TAHMİN EDİCİSİ
DetaylıSEK Yönteminin Güvenilirliği Sayısal Bir Örnek. Ekonometri 1 Konu 11 Sürüm 2,0 (Ekim 2011)
İk Değşkenl Bağlanım Model SEK Yöntemnn Güvenlrlğ Ekonometr 1 Konu 11 Sürüm,0 (Ekm 011) UADMK Açık Lsans Blgs İşbu belge, Creatve Commons Attrbuton-Non-Commercal ShareAlke 3.0 Unported (CC BY-NC-SA 3.0)
DetaylıPARAMETRİK OLMAYAN HİPOTEZ TESTLERİ Kİ-KARE TESTLERİ
PARAMETRİK OLMAYAN HİPOTEZ TESTLERİ Kİ-KARE TESTLERİ 1 Populasyonun nceledğmz br özellğnn dağılışı blenen dağılışlardan brsne, Normal Dağılış, t Dağılışı, F Dağılışı, gb br dağılışa uygun olduğu durumlarda
DetaylıMARS ALGORĐTMASINDA TIKHONOV DÜZENLEMESĐ VE ÇOK AMAÇLI OPTĐMĐZASYON KULLANIMI *
MARS ALGORĐTMASINDA TIKHONOV DÜZENLEMESĐ VE ÇOK AMAÇLI OPTĐMĐZASYON KULLANIMI * Fata Yerlkaya Gerhard-Wlhe Weber Pakze Taylan Uygulaalı Mateatk Uygulaalı Mateatk Mateatk Bölüü, Ensttüsü, ODTÜ Ensttüsü,
DetaylıMakine Öğrenmesi 10. hafta
Makne Öğrenmes 0. hafta Lagrange Optmzasonu Destek Vektör Maknes (SVM) Karesel (Quadratc) Programlama Optmzason Blmsel term olarak dlmze geçmş olsa da bazen en leme termle karşılık bulur. Matematktek en
Detaylıbir yol oluşturmaktadır. Yine i 2 , de bir yol oluşturmaktadır. Şekil.DT.1. Temel terimlerin incelenmesi için örnek devre
Devre Analz Teknkler DEE AAĐZ TEKĐKEĐ Bu zamana kadar kullandığımız Krchoffun kanunları ve Ohm kanunu devre problemlern çözmek çn gerekl ve yeterl olan eştlkler sağladılar. Fakat bu kanunları kullanarak
DetaylıPÜRÜZLÜ AÇIK KANAL AKIMLARINDA DEBİ HESABI İÇİN ENTROPY YÖNTEMİNİN KULLANILMASI
PÜRÜZLÜ AÇIK KANAL AKIMLARINDA DEBİ HESABI İÇİN ENTROPY YÖNTEMİNİN KULLANILMASI Mehmet ARDIÇLIOĞLU *, Galp Seçkn ** ve Özgür Öztürk * * Ercyes Ünverstes, Mühendslk Fakültes, İnşaat Mühendslğ Bölümü Kayser
DetaylıÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ
ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS EN KÜÇÜK KARELER, RİDGE REGRESYON VE ROBUST REGRESYON YÖNTEMLERİNDE ANALİZ SONUÇLARINA AYKIRI DEĞERLERİN ETKİLERİNİN BELİRLENMESİ ZOOTEKNİ ANABİLİM
DetaylıÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ
ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ Semh CAN BAZI ÇOK DEĞİŞKENLİ İSTATİSTİKSEL TEKNİKLER ARASINDAKİ İLİŞKİNİN İNCELENMESİ VE UYGULAMALARI İSTATİSTİK ANABİLİM DALI ADANA, 0
DetaylıKİ-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
DetaylıVEKTÖRLER VE VEKTÖREL IŞLEMLER
VEKTÖRLER VE VEKTÖREL IŞLEMLER 1 2.1 Tanımlar Skaler büyüklük: Sadece şddet bulunan büyüklükler (örn: uzunluk, zaman, kütle, hacm, enerj, yoğunluk) Br harf le sembolze edleblr. (örn: kütle: m) Şddet :
DetaylıDENEY 4: SERİ VE PARALEL DEVRELER,VOLTAJ VE AKIM BÖLÜCÜ KURALLARI, KIRCHOFF KANUNLARI
A. DNYİN AMACI : Bast ser ve bast paralel drenç devrelern analz edp kavramak. Voltaj ve akım bölücü kurallarını kavramak. Krchoff kanunlarını deneysel olarak uygulamak. B. KULLANILACAK AAÇ V MALZML : 1.
DetaylıSorunun varlığı durumunda hata terimi varyans-kovaryans matrisi Var, Cov(u) = E(uu') = σ 2 I n şeklinde yazılamıyor fakat
8. DEĞİŞEN VARYANS SORUNU (HETEROSCEDASTICITY) 8.. Değşen Varyans Sorunu Nedr? Matrslerle yan Y = β u Y = β β β 3 3 β k k u, = n genel doğrusal modeln ele alalım. Hata term çn yapılan varsayımlardan brs
DetaylıÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ ÇOKLU İÇ İLİŞKİ VE EKOLOJİK REGRESYON İSTATİSTİK ANABİLİM DALI
ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ Berrn GÜLTAY YÜKSEK LİSANS TEZİ ÇOKLU İÇ İLİŞKİ VE EKOLOJİK REGRESYON İSTATİSTİK ANABİLİM DALI ADANA, 9 ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ ÇOKLU
DetaylıZKÜ Mühendislik Fakültesi - Makine Mühendisliği Bölümü ISI VE TERMODİNAMİK LABORATUVARI Sudan Suya Türbülanslı Akış Isı Değiştirgeci Deney Föyü
ZKÜ Müendslk Fakültes - Makne Müendslğ Bölümü Sudan Suya Türbülanslı Akış Isı Değştrge Deney Föyü Şekl. Sudan suya türbülanslı akış ısı değştrge (H950 Deneyn adı : Boru çnde sudan suya türbülanslı akışta
DetaylıFREKANS ATLAMALI DİZİLER KÜBRA BAYRAKTAR YÜKSEK LİSANS TEZİ MATEMATİK ANABİLİM DALI TOBB EKONOMİ VE TEKNOLOJİ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ
FREKANS ATLAMALI DİZİLER KÜBRA BAYRAKTAR YÜKSEK LİSANS TEZİ MATEMATİK ANABİLİM DALI TOBB EKONOMİ VE TEKNOLOJİ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ ARALIK 010 ANKARA Fen Bller Ensttü onayı Prof. Dr. Ünver
DetaylıDirect Decomposition of A Finitely-Generated Module Over a Principal Ideal Domain *
BİR ESAS İDEAL BÖLGESİ ÜZERİNDEKİ SONLU DOĞURULMUŞ BİR MODÜLÜN DİREK PARÇALANIŞI * Drec Decompoon of A Fnely-Generaed Module Over a Prncpal Ideal Doman * Zeynep YAPTI Fen Blmler Enüü Maemak Anablm Dalı
DetaylıARAŞTIRMA 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
DetaylıALGILANAN HİZMET KALİTESİ VE LOJİSTİK REGRESYON ANALİZİ İLE HİZMET TERCİHİNE ETKİSİNİN BELİRLENMESİ. Özet
Dokuz Eylül Ünverstes Sosyal Blmler Ensttüsü Dergs Yayın Gelş Tarh: 18.02.2011 Clt: 13, Sayı: 1, Yıl: 2011, Sayfa: 21-37 Yayına Kabul Tarh: 17.03.2011 ISSN: 1302-3284 ALGILANAN HİZMET KALİTESİ VE LOJİSTİK
DetaylıGRUPLARDA VE YARIGRUPLARDA ETKİNLİK(EFFICIENCY) The Efficiency Of Groups And Semigroups *
GRUPLARDA VE YARIGRUPLARDA ETKİNLİK(EFFICIENCY The Effcency Of Groups And Semgroups * Özer CAN Matematk Ana Blm Dalı Blal VATANSEVER Matematk Ana Blm Dalı ÖZET Bu çalışmada öncelkle gruplarda, yarıgruplarda,
DetaylıElektrik Akımı. Test 1 in Çözümleri. voltmetresi K-M arasına bağlı olduğu için bu noktalar arasındaki potansiyel farkını ölçer. V 1. = i R KM 1.
5 Elektrk kımı 1 Test 1 n Çözümler 1. 4 Ω Ω voltmetre oltmetrenn ç drenc sonsuz büyük kabul edlr. Bu nedenle voltmetrenn bulunduğu koldan akım geçmez. an voltmetrenn olduğu koldak drenç dkkate alınmaz.
Detaylıİki veri setinin yapısının karşılaştırılması
İk ver set yapısıı karşılaştırılması Dağılım: 6,6,6 Ortalama: 6 Medya: 6 Mod: 6 td. apma: 0 Dağılım: 0,6,1 Ortalama: 6 Medya: 6 Mod: çoklu mod td: apma: 6 Amaç: Görüe Ötese Bakablmek Verler değşkelk durumuu
Detaylı5.3. Tekne Yüzeylerinin Matematiksel Temsili
5.3. Tekne Yüzeylernn atematksel Temsl atematksel yüzey temslnde lk öneml çalışmalar Coons (53) tarafından gerçekleştrlmştr. Ferguson yüzeylernn gelştrlmş hal olan Coons yüzeylernde tüm sınır eğrler çn
DetaylıREGRESYON ANALİZİ BÖLÜM 1-2
REGRESYON ANALİZİ BÖLÜM 1- Yayın Tarh: 17-08-008 REGRESYON ANALİZİ NEDİR? MODELLEME 1. GİRİŞ İstatstk blmnn temel lg alanlarından br: br şans değşkennn davranışının br model kullanılarak tahmnlenmesdr.
DetaylıStandart Model (SM) Lagrange Yoğunluğu. u, d, c, s, t, b. e,, Şimdilik nötrinoları kütlesiz Kabul edeceğiz. Kuark çiftlerini gösterelim.
SM de yer alacak fermyonlar Standart Model (SM) agrange Yoğunluğu u s t d c b u, d, c, s, t, b e e e,, Şmdlk nötrnoları kütlesz Kabul edeceğz. Kuark çftlern gösterelm. u, c ve t y u (=1,,) olarak gösterelm.
DetaylıFARKLI VERİ YAPILARINDA KULLANILABİLECEK REGRESYON YÖNTEMLERİ
Anadolu Tarım Blm. Derg., 203,28(3):68-74 Anadolu J Agr Sc, 203,28(3):68-74 do: 0.76/anaas.203.28.3.68 URL: htt://dx.do.org/0.76/anaas.203.28.3.68 Derleme Revew FARKLI VERİ YAPILARINDA KULLANILABİLECEK
DetaylıHasar sıklıkları için sıfır yığılmalı kesikli modeller
www.statstkcler.org İstatstkçler Dergs 5 (01) 3-31 İstatstkçler Dergs Hasar sıklıkları çn sıfır yığılmalı keskl modeller Sema Tüzel Hacettepe Ünverstes Aktüerya Blmler Bölümü 06800-Beytepe, Ankara, Türkye
DetaylıBUZDOLABI KABĠN ĠÇĠ SICAKLIK SALINIMLARININ MODELLENMESĠ
ESKON 205 / ERMODĠNAMĠK SEMPOZYUMU Bu br MMO yayınıdır MMO bu yayındak fadelerden, fkrlerden, toplantıda çıkan sonuçlardan, teknk blg ve bası hatalarından sorulu değldr. BUZDOLABI KABĠN ĠÇĠ SICAKLIK SALINIMLARININ
DetaylıSistemde kullanılan baralar, klasik anlamda üç ana grupta toplanabilir :
5 9. BÖLÜM YÜK AKIŞI (GÜÇ AKIŞI) 9.. Grş İletm sstemlernn analzlernde, bara sayısı arttıkça artan karmaşıklıkları yenmek çn sstemn matematksel modellenmesnde kolaylık getrc bazı yöntemler gelştrlmştr.
DetaylıFen ve Mühendislik için Fizik 1 Ders Notları: Doç.Dr. Ahmet CANSIZ
9. ÇİZGİSEL (OĞRUSAL) OENTU VE ÇARPIŞALAR 9. Kütle erkez Ssten kütle erkeznn yern ssten ortalaa konuu olarak düşüneblrz. y Δ Δ x x + x = + Teraz antığı le düşünürsek aşağıdak bağıntıyı yazablrz: Δ= x e
DetaylıYANLI REGRESYON KESTİRİMİNDE SAPAN DEĞERLERİN BELİRLENMESİ İÇİN TANILAMA YÖNTEMLERİ
YANLI REGRESYON KESTİRİMİNDE SAPAN DEĞERLERİN BELİRLENMESİ İÇİN TANILAMA YÖNTEMLERİ Dagnostc Measures for Identfcaton of Outlers n Based Estmaton Asuman Seda TOPÇUBAŞI Fen Blmler Ensttüsü Matematk Anablm
DetaylıAdi Diferansiyel Denklemler NÜMERİK ANALİZ. Adi Diferansiyel Denklemler. Adi Diferansiyel Denklemler
6.4.7 NÜMERİK ANALİZ Yrd. Doç. Dr. Hatce ÇITAKOĞLU 6 Müendslk sstemlernn analznde ve ugulamalı dsplnlerde türev çeren dferansel denklemlern analtk çözümü büük öneme saptr. Sınır değer ve/vea başlangıç
DetaylıYÖNETİM 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.,
DetaylıKorelasyon analizi. Korelasyon analizinin niteliği. Sınava hazırlanma süresi ile sınavdan alınan başarı arasında ilişki var mıdır?
Korelasyon analz Korelasyon analz Sınava hazırlanma süres le sınavdan alınan başarı arasında lşk var mıdır? q N sayıda öğrencnn sınava hazırlanma süreler le sınavdan aldıkları puanlar tespt edlr. Reklam
Detaylıbiçiminde standart halde tanımlı olsun. Bu probleme ilişkin simpleks tablosu aşağıdaki gibidir
KONU 6: DOĞRUSAL PROGRAMLAMA MODELİ İÇİN ÇÖZÜM YÖNTEMLERİ III 6 Siples Tablo Siples algoritasında en ii çözü, verilen dpp için bir teel ugun çözüden başlanara, ardışı saısal işlelerle araştırılır Bu işleler,
DetaylıPROJE SEÇİMİ VE KAYNAK PLANLAMASI İÇİN BİR ALGORİTMA AN ALGORITHM FOR PROJECT SELECTION AND RESOURCE PLANNING
Dokuz Eylül Ünverstes Sosyal Blmler Ensttüsü Dergs Clt 3, Sayı:2, 2001 PROJE SEÇİMİ VE KAYAK PLALAMASI İÇİ BİR ALGORİTMA lgün MORALI 1 C. Cengz ÇELİKOĞLU 2 ÖZ Kaynak tahss problemler koşullara bağlı olarak
DetaylıBANKACILIKTA ETKİNLİK VE SERMAYE YAPISININ BANKALARIN ETKİNLİĞİNE ETKİSİ
BANKACILIKTA ETKİNLİK VE SERMAYE YAPISININ BANKALARIN ETKİNLİĞİNE ETKİSİ Yrd. Doç. Dr. Murat ATAN - Araş. Gör. Gaye KARPAT ÇATALBAŞ 2 ÖZET Bu çalışma, Türk bankacılık sstem çnde faalyet gösteren tcar bankaların
Detaylıdeğerine bu matrisin bir girdisi(elemanı,bileşeni) denir. Bir sütundan (satırdan) oluşan bir matrise bir sütun (satır) matrisi denir.
Bölüm 2 Matrsler aım 2.1 F br csm, m, brer doğal sayı olsu. a F ( 1,.., m; j 1,..., ) olmak üzere, a11... a1 fadese m satır sütuda oluşa (veya m tpde) br F matrs der. am 1... a m Böyle br matrs daha sade
DetaylıYAYILI YÜK İLE YÜKLENMİŞ YAPI KİRİŞLERİNDE GÖÇME YÜKÜ HESABI. Perihan (Karakulak) EFE
BAÜ Fen Bl. Enst. Dergs (6).8. YAYII YÜK İE YÜKENİŞ YAPI KİRİŞERİNDE GÖÇE YÜKÜ HESABI Perhan (Karakulak) EFE Balıkesr Ünverstes ühendslk marlık Fakültes İnşaat üh. Bölümü Balıkesr, TÜRKİYE ÖZET Yapılar
DetaylıDOĞRUSAL HEDEF PROGRAMLAMA İLE BÜTÇELEME. Hazırlayan: Ozan Kocadağlı Danışman: Prof. Dr. Nalan Cinemre
1 DOĞRUSAL HEDEF PROGRAMLAMA İLE BÜTÇELEME Hazırlayan: Ozan Kocadağlı Danışman: Prof. Dr. Nalan Cnemre 2 BİRİNCİ BÖLÜM HEDEF PROGRAMLAMA 1.1 Grş Karar problemler amaç sayısına göre tek amaçlı ve çok amaçlı
DetaylıASİMETRİK 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
DetaylıANOVA. CRD (Completely Randomized Design)
ANOVA CRD (Completely Randomzed Desgn) Örne Problem: Kalte le blgnn, ortalama olara, br urumun üç farlı şehrde çalışanları tarafından eşt olara algılanıp algılanmadığını test etme amacıyla, bu üç şehrde
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
DetaylıBasel II Geçiş Süreci Sıkça Sorulan Sorular
Basel II Geçş Sürec Sıkça Sorulan Sorular Soru No: 71 Cevaplanma Tarh: 06.03.2012 İlgl Hüküm: --- Konu: Gayrmenkul İpoteğyle Temnatlandırılmış Alacaklar İçn KR510AS Formunun Doldurulmasına İlşkn Örnek
DetaylıCalculating the Index of Refraction of Air
Ankara Unversty Faculty o Engneerng Optcs Lab IV Sprng 2009 Calculatng the Index o Reracton o Ar Lab Group: 1 Teoman Soygül Snan Tarakçı Seval Cbcel Muhammed Karakaya March 3, 2009 Havanın Kırılma Đndsnn
DetaylıT.C. İSTANBUL TEKNİK ÜNİVERSİTESİ Fen Bilimleri Enstitüsü Bilgisayar Mühendisliği Anabilim Dalı. AĞ GÜVENLİĞİ Prof. Dr.
.C. İANBL ENİ ÜNİERİEİ Fen Bller Ensttüsü Blgsayar Mühendslğ Anabl Dalı AĞ GÜENLİĞİ Prof. Dr. Bülent ÖRENCİ Mateatksel rptoanalz Müh. Ferhat arakoç 0009 İçndekler Mateatksel rptoanalz... İçndekler... GİRİŞ...
DetaylıMassachusetts Teknoloji Enstitüsü-Fizik Bölümü
Dersn Adı: Fzk - Klask ekank assacusetts Teknoloj Ensttüsü-Fzk Bölüü Fzk 8.0 Ödev # 9 Güz, 999 Proble 9. ÇÖZÜLE Aralık 999 Saat:.5 (a) Jon blgsayarın ontörünü tutarken erang br ş yapaz. Jon blgsayarın
DetaylıASAL BİLEŞENLER ANALİZİNE BOOTSTRAP YAKLAŞIMI
Ekonometr ve İstatstk Sayı: 2005 5-05 İSTANBUL ÜNİVERSİTESİ İKTİSAT FAKÜLTESİ EKONOMETRİ VE İSTATİSTİK DERGİSİ ASAL BİLEŞENLER ANALİZİNE BOOTSTRAP YAKLAŞIMI Dr. Ayln Aktükün Bu makale 5.2.2004 tarhnde
DetaylıÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ
ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ DOKTORA TEZİ Seval SÜZÜLMÜŞ FAKTÖR ANALİZİ MODELLERİNİN BELİRLENEBİLİRLİĞİ VE GENELLEŞTİRİLMİŞ İNVERSLERİN KULLANIMI İSTATİSTİK ANABİLİM DALI ADANA, 5 ÖZ DOKTORA
DetaylıDeney No: 2. Sıvı Seviye Kontrol Deneyi. SAKARYA ÜNİVERSİTESİ Dijital Kontrol Laboratuvar Deney Föyü Deneyin Amacı
SRY ÜNİVERSİESİ Djtal ontrol Laboratuvar Deney Föyü Deney No: 2 Sıvı Sevye ontrol Deney 2.. Deneyn macı Bu deneyn amacı, doğrusal olmayan sıvı sevye sstemnn belrlenen br çalışma noktası cvarında doğrusallaştırılmış
DetaylıSüleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Y.2008, C.13, S.1 s.111-131.
Süleyman Demrel Ünverstes İktsad ve İdar Blmler Fakültes Y.008, C.3, S. s.-3. BİREYSEL EMEKLİLİK FONLARINDA FON YAPILARININ KARMA DENEMELER YÖNTEMİ İLE İNCELENMESİ EXAMINING THE STRUCTURE OF FUNDS BY MIXTURE
DetaylıVEKTÖRLER Koordinat Sistemleri. KONULAR: Koordinat sistemleri Vektör ve skaler nicelikler Bir vektörün bileşenleri Birim vektörler
11.10.011 VEKTÖRLER KONULR: Koordnat ssteler Vektör ve skaler ncelkler r vektörün bleşenler r vektörler Koordnat Ssteler Karteen (dk koordnatlar: r noktaı tesl etenn en ugun olduğu koordnat ssten kullanırı.
DetaylıDEFORMASYONLARIN MODELLENMESİ. Levent TAŞÇI 1 ltasci@firat.edu.tr
DFORMSYOLRI MODLLMSİ Levent TŞÇI 1 ltasc@frat.edu.tr Öz: Deformasyonların belrleneblmes çn farklı çalışma grupları tarafından ortaya konulmuş farklı yaklaşımlar söz konusudur. Deformasyon analznde, bloklar
Detaylı