Koşullu Öngörümleme. Bu nedenle koşullu öngörümleme gerçekleştirilmelidir.

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "Koşullu Öngörümleme. Bu nedenle koşullu öngörümleme gerçekleştirilmelidir."

Transkript

1 Koşullu Öngörümleme Ex - ante (tasarlanan - umulan) öngörümleme söz konusu iken açıklayıcı değişkenlerin hatasız bir şekilde bilindiği varsayımı gerçekçi olmayan bir varsayımdır. Çünkü bazı açıklayıcı değişkenlerin gelecekteki değerleri bilinmeyebilir ve bunların tahmin edilmesi gerekebilir. Bu nedenle koşullu öngörümleme gerçekleştirilmelidir.

2 Koşullu Öngörümleme Koşullu öngörümlemede ; 1. X in tahmin edilen değerinin doğal stokastik yapısının, Y nin öngörümlemesini etkileyeceği düşünülür,. Böylece sonuç, X in sabit olduğu durumdaki Y nin öngörümlemelerinden daha az güvenilir olur, 3. X tahmin edilmiş olduğunda öngörümleme hatası için %95 güven aralığının ciddi olarak artacağı dikkate alınmalıdır.

3 Koşullu Öngörümleme ( t 1,,..., T) Y X t t t T 1 T 1 T 1 X X u T N(0, ) ut N u (0, ) (41) (4) olmakta ve T ile ut arasında ilişki bulunmamaktadır. Aynı zamanda, ( E XT 1 XT 1)( ) E ( XT 1 XT 1)( ) 0. (43) X T 1 lerin değerleri stokastik olmasına rağmen yine de X lerin hata terimleriyle ilişkisiz olduğu varsayılır.

4 Koşullu Öngörümleme XT 1 in elde edilmesi için ilk yöntem, X in örnek değerlerinden tahmin edilmesidir. Fakat X değişkeninin zaman serisi modellerinde otokorelasyonlu olması olasılığı; tahminleme yöntemine dayanarak elde edilen öngörümleme hatasının kendisinin de otokorelasyonlu olacağını göstermektedir.

5 Koşullu Öngörümleme Y nin T+1 zaman dönemindeki öngörümlenen değeri şu şekilde tanımlanır; Y T1 XT 1 Bu durumda öngörümleme hatası; (44) e Y Y T 1 T 1 T 1 X X T 1 T 1 T 1 ( ) ( X X ). T 1 T 1 T 1 (45)

6 Koşullu Öngörümleme Öngörümleme hatasının ortalaması : E e E ( ) ( X X ) T 1 T 1 T 1 T 1 T1 T1 T 1 T 1 T 1 T 1 T 1 T 1 E( ) E X X E X X u E X T 1 u T 1 XT 1 E ut 1 0 X X 0 0 (46) ile u T 1 arasında ilişki bulunmamaktadır.

7 Koşullu Öngörümleme Öngörümleme hatasının varyansı : f E et 1 E ( ) ( XT 1 XT 1) T 1 1 E E X T 1 X T 1 E T 1 E XT 1 X T 1 X X X X X X ifadeyi açarsak : T 1 T 1 T 1 T 1 T1 T1 X T 1 XT 1 XT 1 (48)nolu ifadeyi tekrar yazıp beklenen değerini alırsak E X T 1 X T 1 E XT 1 XT 1 XT 1 E X T 1 X T 1 XT 1E u T 1 Var( ) u XT 1Var ( ) 1 u X X T 1 T 1 T 1 Var( ) (47) (48) Eu T 1 0 (49)

8 Koşullu Öngörümleme Bu kez (47) nolu ifadedeki son terim () tekrar yazıldığında; X T 1XT 1 E X X yerine (48) nolu ifade konduğunda T1 T1 X T 1 XT 1 XT 1 XT 1 E T 1 T 1 T 1 E X X X X T 1 XT 1 XT 1 E E X 1 1 T XT E X T 1 T 1 T 1 T 1 E X X X E 0 Eu T 1 0 X X X X T 1 T 1 T 1 T 1 X T XT XT X X T1 T1 (51)

9 Koşullu Öngörümleme (47) nolu ifadedeki terimler birleştirerek öngörümleme hatasının varyansına ulaşılır: Var( ) f E E XT 1 XT 1 E T 1 Var u XT 1 Var( ) T1 T1 E X X X T 1 Cov(, ) Var( ) Var u XT 1Var( ) XT 1Cov(, ) Var( ) Var X Var( ) X Cov(, ) u u T 1 T 1 ( ) ( ) (, (5) Var Var X X Cov ) u T 1 u T 1

10 Koşullu Öngörümleme En küçük kareler yöntem tahminleyicilerinin varyansları yerine yazıldığında öngörümleme hatasının varyans formülü: T X t X 1 XT 1 X u f 1 u (53)

11 Koşullu Öngörümleme Koşulsuz öngörümleme için öngörümleme hata varyansı : _ 1 ( XT 1 X) f 1 _ T ( Xt X) Koşullu öngörümleme için öngörümleme hata varyansı : _ 1 ( X X) U 1 _ T ( Xt X) T 1 f U Varyans değeri ancak XT 1 bilindiğinde minimize edilebilir öngörümlemesi kesin olarak

12 Koşullu Öngörümleme Koşullu öngörümleme hatası için daha geniş bir güven aralığı tanımlamak çok güçtür. Çünkü YT 1 normal dağılımlı değildir.

13 Koşullu Öngörümleme Güven aralıkları analitik olarak oluşturulamadığından güven aralığının kaba bir tahmini şu şekilde elde edilir: 1- Öngörümlemeye bağlı olarak %95 güven aralıkları hesaplanır; Y Y * T 1 XT 1 U ( ) ** T 1 XT 1 U ( ) - Son aralık tahmini iki güven aralığının birleşiminden elde edilir

14 Koşullu Öngörümleme

15 Dikkat!!!! Regresyon modeli istatistiksel olarak anlamlı parametrelere sahip uygun bir model olmasına rağmen, koşulsuz öngörümlemeler çok kesin olmayabilir.! Açıklayıcı değişkenlerin öngörümlenmesi ilave öngörümleme hataları ortaya çıkarır.! Dolayısıyla koşullu öngörümleme yerine iyi bir regresyon modeli ile koşulsuz öngörümleme yapılması çok daha iyi olacaktır.

16 Öngörümleme yöntemine bağlı hatalar En iyi tahmin, tahmin hatası en küçük olandır. Ancak bunun belirlenmesi oldukça güçtür. Öngörümleme hatasında minimum varyansa sahip olan öngörümleme en iyi olarak tanımlanır.

17 Öngörümleme yöntemine bağlı hatalar Model spesifikasyonu ne kadar iyi yapılmış parametre tahminleri de ne kadar doğru bir biçimde bulunmuş olursa olsun, bağımlı değişkenin öngörüsü gerçek değerinden farklı olacaktır. Bu farkın nedenleri ya da kaynaklarından bazıları şöyledir:

18 Öngörümleme yöntemine bağlı hatalar Parametre tahminlerindeki yanlışlıklar, Bağımsız değişkenin öngörü dönemindeki değerinin yanlış olması, Öngörü döneminin olağan dışı koşulları, İlişkinin yapısında değişme.

19 Öngörümleme yöntemine bağlı hatalar... Modelde bir spesifikasyon hatası yoksa ve bağımsız değişkenler doğru biçimde elde edilmişse bu durumda YT 1 tahmini en iyi doğrusal sapmasız (EDST) tahminci olacaktır. Tahminin kullanılmasıyla elde edilecek güven aralığı da aynı özelliğe sahip bir aralık tahmini olacaktır. Çünkü modelin parametre tahminleri EDST özelliğine sahiptir.

20 Öngörümleme modelinin seçiminde dikkat edilecek kriterler 1. Veriler ve istatistikler, istatistiksel ve ekonometrik kriterlere göre her aşamada analiz edilmelidir.. Uygun parametrelerin seçimi ve tahmini için yeterince zaman harcanmalı, doğru aşamalar takip edilmelidir.

21 Öngörümleme modelinin seçiminde dikkat edilecek kriterler 3.İstatistiksel olarak anlamsız bulunan parametreler uygun bir teknikle çıkarılmalıdır. 4.Ancak gerek duyulduğunda öngörüler farklı modellere ve tekniklere göre yapılmalı ve birleştirilmelidir.

22 Öngörümleme modelinin seçiminde dikkat edilecek kriterler 5. Optimum bir öngörü modelini belirlemek için farklı modeller geliştirilmeli ve denenmelidir. 6. Daha komplike bir öngörü sürecinin daha doğru, güçlü bir öngörü sonuçlandırabileceği göz ardı edilmemelidir. 7. Basit modellerden karmaşık modellere geçişlerde denemelerden kaçınılmamalıdır.

23 Öngörümleme modelinin seçiminde dikkat edilecek kriterler 8.Öngörü karşılaştırmalarında, öngörü serileri farklı yöntemlere göre yapıldığında dönüştürülmüş bağımlı değişkenin öngörü ve gözlem değerleri tekrar orijinal değerlerine dönüştürülür. Böylece farklı model ve tekniklerin karşılaştırmaları aynı dönüştürülmüş biçimleri üzerinden yapılır. Aksi durumda değerlendirmeler ve karşılaştırmalar hatalı ve güvenilmez kabul edilir.

24 Modelin değerlendirilmesi Öngörü doğruluğunu test etmede ve dolayısıyla farklı öngörü yöntemlerini birbirleri ile karşılaştırmada kullanılabilecek çok sayıda ölçüt vardır: 1. Öngörü Hata Varyansı ÖHV Y Y T T Y : gözlem sayısı : bağımlı değişkenin gerçek değeri.ortalama mutlak hata Y Y OMH T Y : modelden tahminlenen değeridir.

25 Modelin değerlendirilmesi 3.Ortalama Mutlak Yüzde Sapma OMYS 1 T 100 Y Y Y 4.Hata Kareleri Ortalaması HKO ( Y Y) T k

26 Modelin değerlendirilmesi 4.Akaike Bilgi Kriteri ESS AIC : T e ( k/ T) 5. Schwarz Bilgi Kriteri ESS SCHWARZ : T T 6.Theil in eşitsizlik katsayısı kt k: regresyon katsayısı U 1 Y Y T 1 1 T T Y Y

27 Modelin değerlendirilmesi Doğruluk kriterlerinden sadece birine bağlı kalarak model belirlenmemelidir. Çünkü kriterler arasında tutarsızlıklar gözlenebilir. Örneğin AIC ve SC arasında tutarsızlık görülebilir. Sadece Hata Kareleri Ortalaması ya da Ortalama Mutlak Hataya bağlı kalarak teknikleri bu kriterlerden birine göre karşılaştırmak yanlış olacaktır. Özellikle iyi bir ölçüm olan Ortalama Mutlak Yüzde Sapma değerleri hesaplanmalıdır. Çünkü 0MYS en iyi ölçüm olarak önerilir.

28 Yapılan öngörünün anlamlılık testi Öngörü değeri ile gerçek değer arasında bir fark olmaktadır. Ancak, bu farkın önemli bir fark olmaması gerekir. Bu farkın anlamlı bir fark olup olmadığı ve dolayısıyla yapılan öngörünün de geçerli olup olmadığı test edilebilmektedir. Bu test öngörünün standart hatasına dayanan bir t testidir.

29 Yapılan öngörünün anlamlılık testi 0 1 : : H Y Y H Y Y * T T T t Y Y t X X T X X ise gözlenen ve öngörülen değer arasında anlamlı bir fark olmadığına karar verilir. * t t Koşulsuz Öngörü Hata Varyansı

30 ÖRNEK dönemine ait makro tüketim fonksiyonu aşağıdaki biçimde elde edilmiştir. Y X t t T 1 (0.07) R 0.98 F 5.66 e X X t X t X Verilen bu bilgilere göre 1995 yılında GSMH (X) değeri ise bu durumda a) Y Ö Y (0860) olarak öngörülmüş olur.

31 ÖRNEK b) Bu öngörüye ilişkin güven aralığı e nk 16 s ( Y ) 1995 T ( Y ) 0.05,(16 ) 1 XT 1 X 1 T X X Y t s t (.145)( ) Y (.145)( ) YT 1(1995) t T 1(1995)

32 ÖRNEK c) 1995 yılına ait gerçek tüketim harcaması milyar TL dir. Gerçek değer ile öngörülen değer farkı anlamlı bir fark mıdır? Y Y T1 T a şıkkında bulmuştuk 1 XT 1 X T X X t H : Y Y 0 T1 T1 H : Y Y 1 T1 T1 Modelin öngörü gücü iyidir.

33 ÖRNEK t * T1 T1 * 1 Y Y 1 XT 1 X T X X (6.705)(1.387) 364 t 1.61 t.145 tab t gerçek değer ile öngörülen değer arasında anlamlı bir fark olmadığına karar verilir. Buna göre modelin öngörü gücünün iyi olduğu ortaya çıkmaktadır.

3. TAHMİN En Küçük Kareler (EKK) Yöntemi 1

3. 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

Detaylı

Ch. 12: Zaman Serisi Regresyonlarında Ardışık Bağıntı (Serial Correlation) ve Değişen Varyans

Ch. 12: Zaman Serisi Regresyonlarında Ardışık Bağıntı (Serial Correlation) ve Değişen Varyans Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri II Ders Notları Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. ed., 2002, Thomson Learning. Ch. 12: Zaman Serisi Regresyonlarında

Detaylı

2. REGRESYON ANALİZİNİN TEMEL KAVRAMLARI Tanım

2. 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

Detaylı

İÇİNDEKİLER. BÖLÜM 1 Değişkenler ve Grafikler 1. BÖLÜM 2 Frekans Dağılımları 37

İÇİNDEKİLER. 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

Detaylı

3 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI

3 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

Detaylı

İÇİNDEKİLER 1. GİRİŞ...

İÇİNDEKİLER 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

Detaylı

ÜSTEL DÜZLEŞTİRME YÖNTEMİ

ÜSTEL DÜZLEŞTİRME YÖNTEMİ ÜSEL DÜLEŞİRME YÖNEMİ ÜSEL DÜLEŞİRME YÖNEMİ Bu bölüme kadar anlatılan yöntemler zaman içinde değişmeyen parametre varsayımına uygun serilerin tahminlerinde kullanılmaktaydı. Bu tür seriler deterministik

Detaylı

İÇİNDEKİLER ÖN SÖZ...

İÇİNDEKİLER 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

Detaylı

BKİ farkı Standart Sapması (kg/m 2 ) A B BKİ farkı Ortalaması (kg/m 2 )

BKİ 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

Detaylı

Ekonometri I VARSAYIMLARI

Ekonometri 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:

Detaylı

İçindekiler. Ön Söz... xiii

İçindekiler. Ön Söz... xiii İçindekiler Ön Söz.................................................... xiii Bölüm 1 İstatistiğe Giriş....................................... 1 1.1 Giriş......................................................1

Detaylı

DİNAMİK PANEL VERİ MODELLERİ. FYT Panel Veri Ekonometrisi 1

DİNAMİK PANEL VERİ MODELLERİ. FYT Panel Veri Ekonometrisi 1 DİNAMİK PANEL VERİ MODELLERİ FYT Panel Veri Ekonometrisi 1 Dinamik panel veri modeli (tek gecikme için) aşağıdaki gibi gösterilebilir; y it y it 1 x v it ' it i Gecikmeli bağımlı değişkenden başka açıklayıcı

Detaylı

DOĞRUSAL ZAMAN SERİSİ MODELLERİ. Durağan ARIMA Modelleri: Otoregresiv Modeller AR(p) Süreci

DOĞRUSAL ZAMAN SERİSİ MODELLERİ. Durağan ARIMA Modelleri: Otoregresiv Modeller AR(p) Süreci DOĞRUSAL ZAMAN SERİSİ MODELLERİ Durağan ARIMA Modelleri: Otoregresiv Modeller AR(p) Süreci Tek Değişkenli Zaman Serisi Modelleri Ekonomik verilerin analizi ile ekonomik değişkenlerin gelecekte alabilecekleri

Detaylı

0.04.03 Standart Hata İstatistikte hesaplanan her istatistik değerin mutlaka hatası da hesaplanmalıdır. Çünkü hesaplanan istatistikler, tahmini bir değer olduğu için mutlaka hataları da vardır. Standart

Detaylı

OLASILIK ve İSTATİSTİK Hipotez Testleri

OLASILIK ve İSTATİSTİK Hipotez Testleri OLASILIK ve İSTATİSTİK Hipotez Testleri Yrd.Doç.Dr. Pınar YILDIRIM Okan Üniversitesi Mühendislik ve Mimarlık Fakültesi Bilgisayar Mühendisliği Bölümü Hipotezler ve Testler Hipotez, kitleye(yığına) ait

Detaylı

Örneklemden elde edilen parametreler üzerinden kitle parametreleri tahmin edilmek istenmektedir.

Örneklemden 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

Detaylı

Örnek. 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. 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

Detaylı

Normal Dağılımlılık. EKK tahmincilerinin ihtimal dağılımları u i nin ihtimal dağılımı hakkında yapılan varsayıma bağlıdır.

Normal Dağılımlılık. EKK tahmincilerinin ihtimal dağılımları u i nin ihtimal dağılımı hakkında yapılan varsayıma bağlıdır. Normal Dağılımlılık EKK tahmincilerinin ihtimal dağılımları u i nin ihtimal dağılımı hakkında yapılan varsayıma bağlıdır. b tahminleri için uygulanan testlerin geçerliliği u i nin normal dağılmasına bağlıdır.

Detaylı

İstatistik ve Olasılık

İstatistik 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

Detaylı

LOJİSTİK REGRESYON ANALİZİ

LOJİSTİK REGRESYON ANALİZİ LOJİSTİK REGRESYON ANALİZİ Lojistik Regresyon Analizini daha kolay izleyebilmek için bazı terimleri tanımlayalım: 1. Değişken (incelenen özellik): Bireyden bireye farklı değerler alabilen özellik, fenomen

Detaylı

İÇİNDEKİLER. Ön Söz Saymanın Temel Kuralları Permütasyon (Sıralama) Kombinasyon (Gruplama) Binom Açılımı...

İÇİNDEKİLER. Ön Söz Saymanın Temel Kuralları Permütasyon (Sıralama) Kombinasyon (Gruplama) Binom Açılımı... İÇİNDEKİLER Ön Söz... Saymanın Temel Kuralları... Permütasyon (Sıralama)... 8 Kombinasyon (Gruplama)... 6 Binom Açılımı... Olasılık... 9 İstatistik... 8... Dağılımlar... 5 Genel Tarama Sınavı... 6 RASTGELE

Detaylı

Temel İstatistik. Y.Doç.Dr. İbrahim Turan Mart Tanımlayıcı İstatistik. Dağılımları Tanımlayıcı Ölçüler Dağılış Ölçüleri

Temel 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

Detaylı

İstatistik ve Olasılık

İstatistik ve Olasılık İstatistik ve Olasılık -II Prof. Dr. İrfan KAYMAZ İki Ortalama Farkının Güven Aralığı Anakütle Varyansı Biliniyorsa İki ortalama arasındaki farkın dağılımına ilişkin Z değişkeni: Güven aralığı ifadesinde

Detaylı

İstatistik ve Olasılık

İstatistik 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

Detaylı

Matris Cebiriyle Çoklu Regresyon Modeli

Matris 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

Detaylı

14 Ekim Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge. 1 Yıldız Teknik Üniversitesi

14 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

Detaylı

Ders 9: Kitle Ortalaması ve Varyansı için Tahmin

Ders 9: Kitle Ortalaması ve Varyansı için Tahmin Ders 9: Kitle Ortalaması ve Varyansı için Tahmin Kitle ve Örneklem Örneklem Dağılımı Nokta Tahmini Tahmin Edicilerin Özellikleri Kitle ortalaması için Aralık Tahmini Kitle Standart Sapması için Aralık

Detaylı

17 Ekim Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge. 1 Yıldız Teknik Üniversitesi

17 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

Detaylı

9. ARDIŞIK BAĞIMLILIK SORUNU (AUTOCORRELATION) 9.1. Ardışık Bağımlılık Sorunu Nedir?

9. ARDIŞIK BAĞIMLILIK SORUNU (AUTOCORRELATION) 9.1. Ardışık Bağımlılık Sorunu Nedir? 9. ARDIŞIK BAĞIMLILIK SORUNU (AUTOCORRELATION) 9.1. Ardışık Bağımlılık Sorunu Nedir? Ardışık bağımlılık sorunu, hata terimleri arasında ilişki olmadığı (E(u i,u j ) = 0, i j) varsayımının geçerli olmamasıdır.

Detaylı

ZAMAN SERİLERİNDE REGRESYON ANALİZİ

ZAMAN SERİLERİNDE REGRESYON ANALİZİ ZAMAN SERİLERİNDE REGRESYON ANALİZİ 1 1. GİRİŞ Trent, serinin genelinde yukarıya ya da aşağıya doğru olan hareketlere denmektedir. Bu hareket bazen düz bir doğru şeklinde olmaktadır. Bu tür harekete sahip

Detaylı

4. TAHMİN SONUÇLARININ DEĞERLENDİRİLMESİ Katsayıların Yorumu

4. 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

Detaylı

BÖLÜM 6 MERKEZDEN DAĞILMA ÖLÇÜLERİ

BÖLÜM 6 MERKEZDEN DAĞILMA ÖLÇÜLERİ 1 BÖLÜM 6 MERKEZDEN DAĞILMA ÖLÇÜLERİ Gözlenen belli bir özelliği, bu özelliğe ilişkin ölçme sonuçlarını yani verileri kullanarak betimleme, istatistiksel işlemlerin bir boyutunu oluşturmaktadır. Temel

Detaylı

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 MIT OpenCourseWare http://ocw.mit.edu 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 Bu materyale atıfta bulunmak ve kullanım koşulları için http://ocw.mit.edu/terms sayfasını ziyaret ediniz.

Detaylı

Hatalar Bilgisi ve İstatistik Ders Kodu: Kredi: 3 / ECTS: 5

Hatalar Bilgisi ve İstatistik Ders Kodu: Kredi: 3 / ECTS: 5 Ders Kodu: 0010070021 Kredi: 3 / ECTS: 5 Yrd. Doç. Dr. Serkan DOĞANALP Necmettin Erbakan Üniversitesi Harita Mühendisliği Bölümü Konya 07.01.2015 1 Giriş 2 Giriş Matematiksel istatistiğin konusu yığın

Detaylı

RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI. Yrd. Doç. Dr. Emre ATILGAN

RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI. Yrd. Doç. Dr. Emre ATILGAN RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI Yrd. Doç. Dr. Emre ATILGAN 1 RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI Olasılığa ilişkin olayların çoğunluğunda, deneme sonuçlarının bir veya birkaç yönden incelenmesi

Detaylı

KARŞILAŞTIRMA 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 KARŞILAŞTIRMA İSTATİSTİĞİ, ANALİTİK YÖNTEMLERİN KARŞILAŞTIRILMASI, BİYOLOJİK DEĞİŞKENLİK Doç.Dr. Mustafa ALTINIŞIK ADÜTF Biyokimya AD 2005 1 Karşılaştırma istatistiği Temel kavramlar: Örneklem ve evren:

Detaylı

YARI LOGARİTMİK MODELLERDE KUKLA DECİşKENLERİN KA TSA YıLARıNIN YORUMU

YARI LOGARİTMİK MODELLERDE KUKLA DECİşKENLERİN KA TSA YıLARıNIN YORUMU Marmara Üniversitesi U.B.F. Dergisi YIL 2005, CİLT XX, SAyı 1 YARI LOGARİTMİK MODELLERDE KUKLA DECİşKENLERİN KA TSA YıLARıNIN YORUMU Yrd. Doç. Dr. Ebru ÇACLAYAN' Arş. Gör. Burak GÜRİş" Büyüme modelleri,

Detaylı

ANADOLU ÜNİVERSİTESİ REGRESYON KATSAYILARININ GÜVEN ARALIĞI = + REGRESYON KATSAYILARININ GÜVEN ARALIĞI

ANADOLU ÜNİVERSİTESİ REGRESYON KATSAYILARININ GÜVEN ARALIĞI = + REGRESYON KATSAYILARININ GÜVEN ARALIĞI ANADOLU ÜNİVERSİTESİ Deney Tasarımı ve Regresyon Analizi Regresyonda Güven Aralıkları ve Hipotez Testleri Doç. Dr. Nihal ERGİNEL-2015 REGRESYON KATSAYILARININ GÜVEN ARALIĞI + in güven aralığı : i-) n 30

Detaylı

Ch. 5: SEKK (OLS) nin Asimptotik Özellikleri

Ch. 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

Detaylı

Yapılan alan araştırması sonucunda aşağıdaki sonuçlar elde edilmiştir. ( ) ( ) ( ) ( )

Yapılan alan araştırması sonucunda aşağıdaki sonuçlar elde edilmiştir. ( ) ( ) ( ) ( ) İKİ DEĞİŞKENLİ OLASILIK Rassal bir deneme yapılmakta ve farklı iki olay ile ilgilenilmektedir. A 1, A 2,,A i olayları bağdaşmaz ve bütünü kapsayıcıdır. B 1, B 2,,B j olayları bağdaşmaz ve bütünü kapsayıcıdır.

Detaylı

İSTATİSTİK-II. Korelasyon ve Regresyon

İSTATİSTİK-II. Korelasyon ve Regresyon İSTATİSTİK-II Korelasyon ve Regresyon 1 Korelasyon ve Regresyon Genel Bakış Korelasyon Regresyon Belirleme katsayısı Varyans analizi Kestirimler için aralık tahminlemesi 2 Genel Bakış İkili veriler aralarında

Detaylı

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları

YTÜ 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

Detaylı

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları

YTÜ 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

Detaylı

14 Ekim 2012. Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge. 1 Yıldız Teknik Üniversitesi

14 Ekim 2012. Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge. 1 Yıldız Teknik Üniversitesi ÇOK DEĞİŞKENLİ REGRESYON ANALİZİ: ÇIKARSAMA Hüseyin Taştan 1 1 Yıldız Teknik Üniversitesi İktisat Bölümü Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge 14 Ekim 2012 Ekonometri

Detaylı

8. BÖLÜM: DEĞİŞEN VARYANS

8. BÖLÜM: DEĞİŞEN VARYANS 8. BÖLÜM: DEĞİŞEN VARYANS Bu bölümde; Değişen Varyans Tespiti için Grafik Çizme Değişen Varyans Testi: Park Testi Değişen Varyans Testi: White Testi Değişen Varyans Probleminin Çözümü: Ağırlıklandırılmış

Detaylı

Appendix B: Olasılık ve Dağılım Teorisi

Appendix B: Olasılık ve Dağılım Teorisi Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Notları Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix B: Olasılık ve Dağılım

Detaylı

7.Ders Bazı Ekonometrik Modeller. Đktisat (ekonomi) biliminin bir kavramı: gayrisafi milli hasıla.

7.Ders Bazı Ekonometrik Modeller. Đktisat (ekonomi) biliminin bir kavramı: gayrisafi milli hasıla. 7.Ders Bazı Ekonometrik Modeller Đktisat (ekonomi) biliminin bir kavramı: gayrisafi milli hasıla. Kaynak: TÜĐK dönemler gayri safi yurt içi hasıla düzeyi 1987-1 8680793 1987-2 9929354 1987-3 13560135 1987-4

Detaylı

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix B: Olasılık ve Dağılım Teorisi

Detaylı

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix B: Olasılık ve Dağılım Teorisi

Detaylı

ÖRNEKLEME DAĞILIŞLARI VE TAHMİNLEYİCİLERİN ÖZELLİKLERİ

ÖRNEKLEME 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

Detaylı

8.Hafta. Değişkenlik Ölçüleri. Öğr.Gör.Muhsin ÇELİK. Uygun değişkenlik ölçüsünü hesaplayıp yorumlayabilecek,

8.Hafta. Değişkenlik Ölçüleri. Öğr.Gör.Muhsin ÇELİK. Uygun değişkenlik ölçüsünü hesaplayıp yorumlayabilecek, İSTATİSTİK 8.Hafta Değişkenlik Ölçüleri Hedefler Bu üniteyi çalıştıktan sonra; Uygun değişkenlik ölçüsünü hesaplayıp yorumlayabilecek, Serilerin birbirlerine değişkenliklerini yorumlayabileceksiniz. 2

Detaylı

rasgele değişkeninin olasılık yoğunluk fonksiyonu,

rasgele 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

Detaylı

Mühendislikte İstatistiksel Yöntemler

Mühendislikte İstatistiksel Yöntemler Mühendislikte İstatistiksel Yöntemler BÖLÜM 7 TAHMİNLER Yrd. Doç. Dr. Fatih TOSUNOĞLU 1 Tahmin (kestirim veya öngörü): Mevcut bilgi ve deneylere dayanarak olayın bütünü hakkında bir yargıya varmaktır.

Detaylı

SIRADAN EN KÜÇÜK KARELER (OLS)

SIRADAN EN KÜÇÜK KARELER (OLS) SIRADAN EN KÜÇÜK KARELER (OLS) YÖNTEMİNİN ASİMPTOTİK ÖZELLİKLERİ Hüseyin Taştan 1 1 Yıldız Teknik Üniversitesi İktisat Bölümü Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge

Detaylı

KONULAR. 14 Ekim 2012. Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge. 1 Yıldız Teknik Üniversitesi

KONULAR. 14 Ekim 2012. Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge. 1 Yıldız Teknik Üniversitesi ÇOKLU REGRESYON ANALİZİNDE EK KONULAR Hüseyin Taştan 1 1 Yıldız Teknik Üniversitesi İktisat Bölümü Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge 14 Ekim 2012 Ekonometri

Detaylı

ÇOKLU REGRESYON ANALİZİNDE VARSAYIMLARDAN SAPMALARIN İNCELENMESİ

ÇOKLU REGRESYON ANALİZİNDE VARSAYIMLARDAN SAPMALARIN İNCELENMESİ ÇOKLU REGRESYON ANALİZİNDE VARSAYIMLARDAN SAPMALARIN İNCELENMESİ 1. ÇOKLU REGRESYON ANALİZİ VE VARSAYIMALARDAN SAPMALAR 1.1. Çoklu Regresyon modeli Varsayımları 1.2. Tahmincilerin anlamlılığının sınanması

Detaylı

DOĞRUSAL ve DOĞRUSAL OLMAYAN SINIRLAMALAR DOĞRUSAL OLMAYAN SINIRLAMALARIN TESTİ

DOĞRUSAL ve DOĞRUSAL OLMAYAN SINIRLAMALAR DOĞRUSAL OLMAYAN SINIRLAMALARIN TESTİ DOĞRUSAL ve DOĞRUSAL OLMAYAN SINIRLAMALAR DOĞRUSAL SINIRLAMALARIN TESTİ t testi F testi Diğer testler: Chow testi MWD testi DOĞRUSAL OLMAYAN SINIRLAMALARIN TESTİ Benzerlik Oranı Testi Lagrange Çarpanı

Detaylı

Oluşturulan evren listesinden örnekleme birimlerinin seçkisiz olarak çekilmesidir

Oluşturulan evren listesinden örnekleme birimlerinin seçkisiz olarak çekilmesidir Bilimsel Araştırma Yöntemleri Prof. Dr. Şener Büyüköztürk Doç. Dr. Ebru Kılıç Çakmak Yrd. Doç. Dr. Özcan Erkan Akgün Doç. Dr. Şirin Karadeniz Dr. Funda Demirel Örnekleme Yöntemleri Evren Evren, araştırma

Detaylı

TANIMLAYICI İSTATİSTİKLER

TANIMLAYICI İSTATİSTİKLER TANIMLAYICI İSTATİSTİKLER Tanımlayıcı İstatistikler ve Grafikle Gösterim Grafik ve bir ölçüde tablolar değişkenlerin görsel bir özetini verirler. İdeal olarak burada değişkenlerin merkezi (ortalama) değerlerinin

Detaylı

EŞANLI DENKLEM MODELLERİ

EŞANLI DENKLEM MODELLERİ EŞANLI DENKLEM MODELLERİ Eşanlı denklem modelleri, tek denklemli modeller ile açıklanamayan iktisadi olayları açıklamak için kullanılan model türlerinden birisidir. Çift yönlü neden-sonuç ilişkisi söz

Detaylı

Veriye Dayalı Karar Verme (Bölüm 2) Can Akkan

Veriye Dayalı Karar Verme (Bölüm 2) Can Akkan Veriye Dayalı Karar Verme (Bölüm 2) Can Akkan 1 Ders Planı 1. Karar Problemleri i. Karar problemlerinin bileşenleri ii. Değerler, amaçlar, bağlam iii. Etki diagramları 2. Model Girdilerinde Belirsizlik

Detaylı

Öğr. Elemanı: Dr. Mustafa Cumhur AKBULUT

Öğr. 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

Detaylı

Meslek lisesi ve devlet lisesine giden N tane öğrenci olduğu ve bunların yıllık okul harcamalarına ait verilerin olduğu varsayılsın.

Meslek 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

Detaylı

H.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) 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.

Detaylı

15.433 YATIRIM. Ders 7: CAPM ve APT. Bölüm 2: Uygulamalar ve Sınamalar

15.433 YATIRIM. Ders 7: CAPM ve APT. Bölüm 2: Uygulamalar ve Sınamalar 15.433 YATIRIM Ders 7: CAPM ve APT Bölüm 2: Uygulamalar ve Sınamalar Bahar 2003 Öngörüler ve Uygulamalar Öngörüler: - CAPM: Piyasa dengesinde yatırımcılar sadece piyasa riski taşıdıklarında ödüllendirilir.

Detaylı

ZAMAN SERİLERİNDE AYRIŞTIRMA YÖNTEMLERİ

ZAMAN SERİLERİNDE AYRIŞTIRMA YÖNTEMLERİ ZAMAN SERİLERİNDE AYRIŞTIRMA YÖNTEMLERİ 1 A. GİRİŞ Gözlemlerin belirli bir dönem için gün, hafta, ay, üç ay, altı ay, yıl gibi birbirini izleyen eşit aralıklarla yapılması ile elde edilen seriler zaman

Detaylı

VERİ SETİNE GENEL BAKIŞ

VERİ SETİNE GENEL BAKIŞ VERİ SETİNE GENEL BAKIŞ Outlier : Veri setinde normal olmayan değerler olarak tanımlanır. Ders: Kantitatif Yöntemler 1 VERİ SETİNE GENEL BAKIŞ Veri setinden değerlendirme başlamadan çıkarılabilir. Yazım

Detaylı

2016 YILI AKTÜERLİK SINAVLARI: İSTATİSTİK OLASILIK

2016 YILI AKTÜERLİK SINAVLARI: İSTATİSTİK OLASILIK Soru 1 X rassal değişkeninin olasılık yoğunluk fonksiyonu x x, x> f ( x) = 0, dy. 1 werilmiş ve Y = rassal değişkeni tanımlamış ise, Y değişkenin 0< 1 X 1 y için olasılık yoğunluk fonksiyonu aşağıdaki

Detaylı

Yrd. Doç. Dr. Fatih TOSUNOĞLU Erzurum Teknik Üniversitesi Mühendislik Fakültesi İnşaat Mühendisliği Bölümü

Yrd. Doç. Dr. Fatih TOSUNOĞLU Erzurum Teknik Üniversitesi Mühendislik Fakültesi İnşaat Mühendisliği Bölümü Mühendislikte İstatistiksel Yöntemler Yrd. Doç. Dr. Fatih TOSUNOĞLU Erzurum Teknik Üniversitesi Mühendislik Fakültesi İnşaat Mühendisliği Bölümü 1 Araştırma sonuçlarının açıklanmasında frekans tablosu

Detaylı

(AYIRIM) DENLİ. Emre KUZUGÜDENL. Doç.Dr.Serdar CARUS

(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

Detaylı

ÖRNEK BULGULAR. Tablo 1: Tanımlayıcı özelliklerin dağılımı

ÖRNEK BULGULAR. Tablo 1: Tanımlayıcı özelliklerin dağılımı BULGULAR Çalışma tarihleri arasında Hastanesi Kliniği nde toplam 512 olgu ile gerçekleştirilmiştir. Olguların yaşları 18 ile 28 arasında değişmekte olup ortalama 21,10±1,61 yıldır. Olguların %66,4 ü (n=340)

Detaylı

Bir Normal Dağılım Ortalaması İçin Testler

Bir 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

Detaylı

KORELASYON VE REGRESYON ANALİZİ. Doç. Dr. Bahar TAŞDELEN

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

Detaylı

A. Regresyon Katsayılarında Yapısal Kırılma Testleri

A. Regresyon Katsayılarında Yapısal Kırılma Testleri A. Regresyon Katsayılarında Yapısal Kırılma Testleri Durum I: Kırılma Tarihinin Bilinmesi Durumu Kırılmanın bilinen bir tarihte örneğin tarihinde olduğunu önceden bilinmesi durumunda uygulanır. Örneğin,

Detaylı

Sürelerine Göre Tahmin Tipleri

Sürelerine Göre Tahmin Tipleri Girişimcilik Bölüm 5: Talep Tahmini scebi@ktu.edu.tr 5.1. Talep Tahmini Tahmin: Gelecek olayları önceden kestirme bilim ve sanatı. İstatistiksel Tahmin: Geçmiş verileri matematiksel modellerde kullanarak

Detaylı

ÖĞRENCİNİN ADI SOYADI:. NO:

ÖĞRENCİNİN ADI SOYADI:. NO: ÖĞRENCİNİN ADI SOYADI:. NO: İMZA: 2011-2012 ÖĞRETİM YILI TIP 1. SINIF TEMEL BİYOİSTATİSTİK DERSİ ARA SINAVI (04.11.2011) Biyoistatistik ve Tıp Bilişimi Anabilim Dalı Başarılar Temel Biyoistatistik dersi

Detaylı

OLS Yönteminin Asimptotik (Büyük Örneklem) Özellikleri SIRADAN EN KÜÇÜK KARELER (OLS) Asimptotik Özellikler: Tutarlılık. Asimptotik Özellikler

OLS Yönteminin Asimptotik (Büyük Örneklem) Özellikleri SIRADAN EN KÜÇÜK KARELER (OLS) Asimptotik Özellikler: Tutarlılık. Asimptotik Özellikler 1 SIRADAN EN KÜÇÜK KARELER (OLS) YÖNTEMİNİN ASİMPTOTİK ÖZELLİKLERİ Hüseyin Taştan 1 1 Yıldız Teknik Üniversitesi İktisat Bölümü Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge

Detaylı

TABLO I: Bağımlı değişken; Tüketim,- bağımsız değişkenler; gelir ve fiyat olmak üzere değişkenlere ait veriler verilmiştir.

TABLO 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

Detaylı

ÇOKLU REGRESYON MODELİ. Bir bağımlı değişkene etki eden çok sayıda bağımsız değişkeni analize dahil ederek çoklu regresyon modeli uygulanabilir.

ÇOKLU REGRESYON MODELİ. Bir bağımlı değişkene etki eden çok sayıda bağımsız değişkeni analize dahil ederek çoklu regresyon modeli uygulanabilir. ÇOKLU REGRESYON MODELİ Bir bağımlı değişkene etki eden çok sayıda bağımsız değişkeni analize dahil ederek çoklu regresyon modeli uygulanabilir. Y=b 1 + b X + b X + u Y=b 1 + b X + b X +...+ b k X k + u

Detaylı

T TESTİ: ORTALAMALAR ARASI FARKLARIN TEST EDİLMESİ. Yrd. Doç. Dr. C. Deha DOĞAN

T TESTİ: ORTALAMALAR ARASI FARKLARIN TEST EDİLMESİ. Yrd. Doç. Dr. C. Deha DOĞAN T TESTİ: ORTALAMALAR ARASI FARKLARIN TEST EDİLMESİ Yrd. Doç. Dr. C. Deha DOĞAN Gruplara ait ortalamalar elde edildiğinde, farklı olup olmadıkları ilk bakışta belirlenemez. Ortalamalar arsında bulunan

Detaylı

Yatırım Analizi ve Portföy Yönetimi 6. Hafta

Yatırım 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

Detaylı

BÖLÜM 1: YAşAM ÇÖzÜMLEMEsİNE GİRİş... 1

BÖLÜM 1: YAşAM ÇÖzÜMLEMEsİNE GİRİş... 1 ÖN SÖZ...iii BÖLÜM 1: Yaşam Çözümlemesine Giriş... 1 1.1. Giriş... 1 1.2. Yaşam Süresi... 2 1.2.1. Yaşam süresi verilerinin çözümlenmesinde kullanılan fonksiyonlar... 3 1.2.1.1. Olasılık yoğunluk fonksiyonu...

Detaylı

MAK 210 SAYISAL ANALİZ

MAK 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

Detaylı

Mühendislikte İstatistik Yöntemler

Mühendislikte İstatistik Yöntemler .0.0 Mühendislikte İstatistik Yöntemler İstatistik Parametreler Tarih Qma.3.98 4..98 0.3.983 45 7..984 37.3.985 48 0.4.986 67.4.987 5 0.3.988 45.5.989 34.3.990 59.4.99 3 4 34 5 37 6 45 7 45 8 48 9 5 0

Detaylı

Nedensel Modeller Y X X X

Nedensel Modeller Y X X X Tahmin Yöntemleri Nedensel Modeller X 1, X 2,...,X n şeklinde tanımlanan n değişkenin Y ile ilgili olmakta; Y=f(X 1, X 2,...,X n ) şeklinde bir Y fonksiyonu tanımlanmaktadır. Fonksiyon genellikle aşağıdaki

Detaylı

A EKONOMETRİ. n iken de aynı sonuç geçerliyse, β hangi. A) β nın sabit olması. D) Xβ nın normal dağılımlı olması. E) n olması. dur?

A EKONOMETRİ. n iken de aynı sonuç geçerliyse, β hangi. A) β nın sabit olması. D) Xβ nın normal dağılımlı olması. E) n olması. dur? EKONOMETRİ KPSS-AB-PÖ/007 1. 6. SORULARI AŞAĞIDAKİ BİLGİLERE β β β ( ) Y i = 1 + x + + i k x ik+ u i i = 1,, n denkleminin matrislerle ifadesi Y = X + u dur. Y( nx1 ), β ( kx1 ), X( nxk) ve β u nx1 boyutludur

Detaylı

BİYOİSTATİSTİK İstatistiksel Tahminleme ve Hipotez Testi-III Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH

BİYOİSTATİSTİK İstatistiksel Tahminleme ve Hipotez Testi-III Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH BİYOİSTATİSTİK İstatistiksel Tahminleme ve Hipotez Testi-III Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH Ege Üniversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr

Detaylı

QUANTILE REGRESYON * Quantile Regression

QUANTILE REGRESYON * Quantile Regression QUANTILE REGRESYON * Quantile Regression Fikriye KURTOĞLU İstatistik Anabilim Dalı Olcay ARSLAN İstatistik Anabilim Dalı ÖZET Bu çalışmada, Lineer Regresyon analizinde kullanılan en küçük kareler yöntemine

Detaylı

İstatistiksel Yorumlama

İstatistiksel Yorumlama İstatistiksel Yorumlama Amaç, popülasyon hakkında yorumlamalar yapmaktadır. Populasyon Parametre Karar Vermek Örnek İstatistik Tahmin 1 Tahmin Olaylar hakkında tahminlerde bulunmak ve karar vermek zorundayız

Detaylı

BİYOİSTATİSTİK Korelasyon Analizi Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH

BİYOİSTATİSTİK 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,

Detaylı

MIT OpenCourseWare http://ocw.mit.edu. 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

MIT OpenCourseWare http://ocw.mit.edu. 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 MIT OpenCourseWare http://ocw.mit.edu 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 Bu materyale atıfta bulunmak ve kullanım koşulları için http://ocw.mit.edu/terms sayfasını ziyaret ediniz.

Detaylı

Zaman Serisi Verileriyle Regresyon Analizi

Zaman Serisi Verileriyle Regresyon Analizi Zaman Serisi Verileriyle Regresyon Analizi Hüseyin Taştan 1 1 Yıldız Teknik Üniversitesi Iktisat Bölümü Textbook: Introductory Econometrics (4th ed.) J. Wooldridge 13 Mart 2013 Ekonometri II: Zaman Serisi

Detaylı

Normal Dağılımlılık. EKK tahmincilerinin ihtimal dağılımları u i nin ihtimal dağılımı hakkında yapılan varsayıma bağlıdır.

Normal Dağılımlılık. EKK tahmincilerinin ihtimal dağılımları u i nin ihtimal dağılımı hakkında yapılan varsayıma bağlıdır. Normal Dağılımlılık EKK tahmincilerinin ihtimal dağılımları u i nin ihtimal dağılımı hakkında yapılan varsayıma bağlıdır. β tahminleri için uygulanan testlerin geçerliliği u i nin normal dağılmasına bağlıdır.

Detaylı

TEMEL İSTATİSTİKİ KAVRAMLAR YRD. DOÇ. DR. İBRAHİM ÇÜTCÜ

TEMEL İSTATİSTİKİ KAVRAMLAR YRD. DOÇ. DR. İBRAHİM ÇÜTCÜ TEMEL İSTATİSTİKİ KAVRAMLAR YRD. DOÇ. DR. İBRAHİM ÇÜTCÜ 1 İstatistik İstatistik, belirsizliğin veya eksik bilginin söz konusu olduğu durumlarda çıkarımlar yapmak ve karar vermek için sayısal verilerin

Detaylı

Örnek 4.1: Tablo 2 de verilen ham verilerin aritmetik ortalamasını hesaplayınız.

Örnek 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

Detaylı

İstatistik ve Olasılık

İstatistik ve Olasılık İstatistik ve Olasılık - I Prof. Dr. İrfan KAYMAZ Tanım Tahmin (kes1rim veya öngörü): Mevcut bilgi ve deneylere dayanarak olayın bütünü hakkında bir yargıya varmak7r. ü Bu anlamda, anakütleden çekilen

Detaylı

Doç. Dr. Dilek ALTAŞ İSTATİSTİKSEL ANALİZ

Doç. Dr. Dilek ALTAŞ İSTATİSTİKSEL ANALİZ I Doç. Dr. Dilek ALTAŞ İSTATİSTİKSEL ANALİZ II Yayın No : 2845 Teknik Dizisi : 158 1. Baskı Şubat 2013 İSTANBUL ISBN 978-605 - 377 868-4 Copyright Bu kitabın bu basısı için Türkiye deki yayın hakları BETA

Detaylı

BÖLÜM 13 HİPOTEZ TESTİ

BÖLÜM 13 HİPOTEZ TESTİ 1 BÖLÜM 13 HİPOTEZ TESTİ Bilimsel yöntem aşamalarıyla tanımlanmış sistematik bir bilgi üretme biçimidir. Bilimsel yöntemin aşamaları aşağıdaki gibi sıralanabilmektedir (Karasar, 2012): 1. Bir problemin

Detaylı

HİPOTEZ TESTLERİ HİPOTEZ NEDİR?

HİPOTEZ TESTLERİ HİPOTEZ NEDİR? HİPOTEZ TESTLERİ HİPOTEZ NEDİR? Örnekleme ile test edilmeye çalışılan bir popülasyonun ilgili parametresi hakkında ortaya sunulan iddiadır. Örneğin; A dersi için vize ortalaması 50 nin altındadır Firestone

Detaylı

FİNANS YATIRIM VE RİSK YÖNETİMİ SINAVI ÇÖZÜMLÜ SET EKİM 2017

FİNANS YATIRIM VE RİSK YÖNETİMİ SINAVI ÇÖZÜMLÜ SET EKİM 2017 FİNANS YATIRIM VE RİSK YÖNETİMİ SINAVI ÇÖZÜMLÜ SET EKİM 2017 Soru 1 Bir sigorta şirketinin 4 yıllık (yılsonu değeri olmak üzere) beklenen hasar ödemeleri sırasıyla 300 TL, 400 TL, 900 TL ve 500 TL dir.

Detaylı