--ÖZET Yüksek Lisas Tezi AKTÜERYAL RİSK ANALİZİNDE EŞLENİKLERİN KLLANIMI ÜZERİNE BİR ÇALIŞMA Esra AYDIN Akara Üiversitesi Fe Bilimleri Estitüsü İstati
|
|
- Chagatai Şipal
- 5 yıl önce
- İzleme sayısı:
Transkript
1 ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ AKTÜERYAL RİSK ANALİZİNDE EŞLENİKLERİN KLLANIMI ÜZERİNE BİR ÇALIŞMA Esra AYDIN İSTATİSTİK ANABİLİM DALI ANKARA Her hakkı saklıdır
2 --ÖZET Yüksek Lisas Tezi AKTÜERYAL RİSK ANALİZİNDE EŞLENİKLERİN KLLANIMI ÜZERİNE BİR ÇALIŞMA Esra AYDIN Akara Üiversitesi Fe Bilimleri Estitüsü İstatistik Aabilim Dalı Daışma: Prof. Dr. Ömer L. GEBİZLİOĞL Bu çalışmada sıra istatistikleri ve eşleikleri, kopulalar, iki değişkeli olasılık itegral döüşümü, Riske Maruz Değer (Value-at-Risk) ve buu Sarmaov Dağılımlar ailesie uygulaması üzeride durulmuştur. Sıra istatistikleri, iki boyutlu dağılım foksiyoları, kopulalar ve sıra istatistiklerii eşleikleri hakkıda temel kavram ve teoremler verildikte sora çalışmaı amacıı oluştura iki değişkeli olasılık itegral döüşümleri gösterilmiştir. Çok kullaıla risk ölçüm değerleride biri ola Riske Maruz Değer (Value-at-Risk) de kouyla ilgili olarak kısaca bahsedilmiştir. Tüm bu kavram ve teoremler kullaılarak Sarmaov dağılımlar ailesi içi gerekli uygulamalar yapılmıştır. Bu kapsamda bağımlılık yapıları da ele alımış ve aalitik souçlar suulmuştur. Bu uygulamalar soucuda toleras aralıklarıı belirlemesie ve Riske Maruz Değer ile ilişkiledirilmesie yer verilmiştir. Ocak, 54 sayfa Aahtar Kelimeler: İki Değişkeli Olasılık İtegral Döüşümü, Kopula, Kuatiller, Riske Maruz Değer (Value-at-Risk), Sarmaov Dağılım Ailesi, Sıra İstatistikleri ve Eşleikleri, Stokastik Sıralama, Toleras Aralığı i
3 ABSTRAT Master Thesis A STDY ON THE SE OF ONOMITANTS IN AKTARIAL RİSK ANALYSIS Esra AYDIN Akara iversity Graduate School of Natural ad Applied Scieces Departmet of Statitistics Supervisor: Prof. Dr. Ömer L. GEBİZLİOĞL I this study; order statistics ad their cocomitats, copulas, bivariate probability itegral trasform, Value-at-Risk (VaR) ad Sarmaov Distributio Family are cosidered. Basic cocepts of order statistics ad their cocomitats, two dimesioal distributio fuctios, copulas ad the related theorems are give. Bivariate probability itegral trasforms, which sets the basis of the study, are show. Value-at-Risk (VaR), as a risk measure, ad quatiles of distributios are preseted i cojuctio with each other. All the basic cocepts ad teorems about the Sarmaov distributios, that are utilized i the thesis, are preseted. I this regard; quatiles, VaR ad toleras itervals are ivestigated ad some aalytical results are preseted. Jauary, 54 pages Key Words: Bivariate Probability Itegral Trasform, opulas, Order Statistics ad Their ocomitats, Quatiles, Sarmaov Distributio, Stochastic Orderig, Tolerace Itervals, Value-at-Risk (VaR) ii
4 TEŞEKKÜR Yüksek lisas öğreimim boyuca baa bilimsel araştırma iteliği kazadıra, bei tez koumu yer aldığı alada bilgi ve öerileriyle çalışmaya yöledire sevgili daışma hocam Sayı Prof. Dr. Ömer L. GEBİZLİOĞL (Akara Üiversitesi İstatistik Aabilim Dalı) a mietlerimi suarım. Tezimi souçlamasıda yardımlarıı esirgemeye değerli hocam Sayı Doç. Dr. Fatih TANK(Akara Üiversitesi İstatistik Aabilim Dalı) a teşekkür ederim. Tez çalışmam süresice her zama yaımda ola, tez alaımdaki bilgi ve deeyimlerii beimle paylaşa, desteğii esirgemeye sevgili Dr. Bau ALTINSOY a içte teşekkürlerimi suarım. Bu süreçte maevi destekleriyle bei yalız bırakmaya ve büyük sabır göstere sevgili işalım Yeer ÜNAL a ve destek ve fedakarlıkları içi değerli aileme sosuz sevgilerimi suarım. iii
5 İÇİNDEKİLER ÖZET... i ABSTRAT... ii TEŞEKKÜR... iii SİMGELER DİZİNİ... vi ŞEKİLLER DİZİNİ... vii ÇİZELGELER DİZİNİ... viii. GİRİŞ VE ÖNEKİ ÇALIŞMALAR.... SIRA İSTATİSTİKLERİ VE DAĞILIMLARI İKİ DEĞİŞKENLİ OLASILIK İNTEGRAL DÖNÜŞÜMLERİ İki Boyutlu Dağılımlar ve Kopulalar Dağılım Foksiyolarıı Kopulaları Kopulaları Kümesi Üzeride Sıralama Birlikteliği Ölçüleri SIRA İSTATİSTİKLERİNİN EŞLENİKLERİ SIRA İSTATİSTİKLERİ VE EŞLENİKLERİNİN ORTAK DAĞILIMLARINA İKİ DEĞİŞKENLİ OLASILIK İNTEGRAL DÖNÜŞÜMLERİNİN YGLANMASI İki Değişkeli Olasılık İtegral Döüşümleri içi Örekler Yei Geelleştirilmiş Sarmaov Dağılımlar Ailesi içi Örekler İKİ DEĞİŞKENLİ OLASILIK İNTEGRAL DÖNÜŞÜMÜ KLLANARAK DAĞILIMDAN BAĞIMSIZ KİTLE KANTİLLERİ İÇİN GÜVEN ARALIKLARININ İFADE EDİLİŞİ Toleras Limitleri ve Aralıkları Kuatiller ve Güve Aralıkları iv
6 6.3 Yei Geelleştirilmiş Sarmaov Dağılımlar Ailesi İçi Örekler BAĞIMLI RİSKLER İÇİN RİSKE MARZ DEĞER (VaR) İki Değişkeli Kuatiller, Kopulalar ve İki Bağımlı Risk içi VaR Değerledirmesi TARTIŞMA VE SONÇ KAYNAKLAR... 5 ÖZGEÇMİŞ v
7 SİMGELER DİZİNİ R R R I I W M Π Reel sayılar Geişletilmiş reel sayılar Geişletilmiş reel düzlem Birim aralık Birim kare Kopula foksiyouu göstergesi Frechet-Hoeffdig alt sıır kopulası Frechet-Hoeffdig üst sıır kopulası Çarpım kopulası µ kopulasıı I üzerideki ölçüsü δ kopulasıı diagoal (köşege) kısmı X r: r -ici sıra istatistiği Y [ r: ] r -ici sıra istatistiğii eşleiği p i ( t ) Sıralama bağıtısı i-ici sıra istatistiğii dağılım foksiyou r: iform dağılımlı rasgele değişkelerii r -ici sıra istatistiği V r -ici sıra istatistiğii eşleiği [ r: ] FGM VaR Farlie-Gumbel-Morgester dağılımlar ailesi Riske Maruz Değer (Value-at-Risk) vi
8 ŞEKİLLER DİZİNİ Şekil 3. Çeşitli bağımlılık sıralamaları arasıdaki gerektirmeler... 8 vii
9 ÇİZELGELER DİZİNİ Çizelge 3. { M,, W}, Π içi i dağılım foksiyoları... viii
10 . GİRİŞ VE ÖNEKİ ÇALIŞMALAR Sıra istatistikleri istatistik teorisii öemli kavramlarıda biri olup, temel istatistik yötemleride ve istatistiksel souç çıkarımıda kullaılmaktadır. Sıra istatistiklerii kullaım alalarıda biri de eşleiklerdir. Sıra istatistikleride elde edile eşleikler özellikle risk gruplaması, sıralama ve tahmi problemleri olmak üzere birçok uygulama alaıda kullaılmaktadır. Gerçek yaşamda yer ala etkeler ve değişkeler doğal yapıları gereği birbiride bağımsız değillerdir. Bu bağımlılıkta dolayı olasılık dağılımlarıı modellemek içi çok değişkeli dağılımları kullaılması oldukça uygudur. Bu sahada ele alıa çok değişkeli dağılım modelleride birisi ola Sarmaov dağılımlar ailesi literatürde ilk kez Sarmaov (966) tarafıda icelemiştir (Yağcı ). Bu çalışmaları yarattığı zemi üzerie işa edilmiş diğer çok değerli çalışmalar mevcuttur. Ayrıca, çok değişkeli dağılımlarda sıra istatistikleri ve eşleiklerii ortak dağılımlarıı karakterize etme problemi istatistik bilimi açısıda hem kuram hem de uygulama yöleriyle bir değer taşımakta olup risk, aktüerya, fias, tıp, biyoloji, jeoloji, hidroloji, ekoomi, ziraat gibi pek çok uygulama alaıda çözümleyici ve souç çıkarıcı yaklaşımlara dayaak oluşturmaktadır. Çok değişkeli dağılımlarda dağılıma kou ola değişkeler arasıdaki bağımlılık yapısıı ortaya koulmasıda kopula kavramı so yıllarda istatistik literatürüde sıkça kullaılmaktadır. Rastgele değişkeler arasıdaki bağımlılık yapısıı ortaya koya kopulalar, tek değişkeli marjialleri [;] aralığı üzeride düzgü dağılıma bağlarke, çok değişkeli dağılımları kedi tek değişkeli marjiallerie bağlaya foksiyolardır. İki değişkeli olasılık itegral döüşümleri yapılırke, bu döüşümü kopula ile ifade etmek işlemleri daha da kolaylaştırmaktadır. İki değişkeli olasılık itegral döüşümleri ve dağılım foksiyolarıı kopulaları ile ilgili literatürde yer ala öemli çalışmalar; Nelse vd. (), Bairamov ve Kotz (), Rodriguez-Lallea, Jose A. ve beda-flores M. (3) i çalışmalardır.
11 Aktuerya bilimide, risk yöetimide bağımlılığı modelleme kousu doğal risk icelikleride dolayı so yıllarda arta bir öem kazamıştır. Kayıp miktarları gibi birçok sigorta portföyüü içide ya da arasıda bağımlılık söz kousudur. Bu tip bağımlı riskleri modelleme çalışmalarıda; yükümlülük ve uygu fiyatlama (prim hesapları) meseleleri içi bir sigorta risk yöetimi plalaması alamlı risk ölçümlerii kullaılmasıı gerektirmektedir. Bağımlı riskleri dağılımlarıı kuatilleri, birçok risk ölçüsü içi bağımlı riskleri modellemek amacıyla kullaılarak dağılımlar temelide esas değerleri oluşturur. Kopulalar, bağımlılığı modellemeside, risk iceliklerii ortak dağılımlarıı bağımlılık yapısı ve marjial davraışı olarak ifade etme özelliğie sahip olduğuda kullaılışlı bir matematiksel araçtır. Deuit vd. (5) tarafıda yapıla bir çalışmada, yei ve kotrol edilebilir sigorta alaı teorisideki risk ölçümleri ve kopulalar açısıda bağımlı aktüeryal risk modelleri ile uygulamalar suulmuştur. Ayrıca Joe (997) ve Mari ve Kotz () u çalışmalarıda; bağımlılık, korelasyo ve çok değişkeli modelleme hakkıda açık ve oldukça geiş bir istatistiksel bakış açısı suulmaktadır. Geel terimlerle, bazı risk ölçümleri, kuatiller, olasılık itegral döüşümleri ve kopulalar arasıda kavramsal ve aalitik bir ilişki mevcuttur. Kuatiller; olasılık dağılımlarıı geelleştirilmiş tersi olarak taımlaır ve risk yöetimi pratiğide Riske Maruz Değer (VaR) risk ölçüsü bakımıda esası oluşturur. he ve Welsh (), tek değişkeli kuatiller, iki değişkeli kuatiller ve çok değişkeli kuatilleri geelleştirilmeleri taımlamak içi iki değişkeli dağılım foksiyolarıı kullamışlardır. Bağımlı riskleri bazı foksiyolarıı alarak; bazı risk yöetimi problemleri bakımıda tekik estrümalar olarak kopulaları kullaımı ile bir p- kuatil risk ölçüsü ola VaR risk ölçümü içi sıırlar ortaya koulabilmektedir (Embrechts vd. (3)). Rüschedorf (5) tarafıda yapıla çalışma bazı risk foksiyoellerii üzeride bağımlılığı etkisii sıırladırılması hakkıda ayrıtı geişlemelerii öermektedir. Embrechts vd. (5) u yapmış oldukları çalışmada; kopula teorisi kullaılarak VaR a dayadırıla risk yöetimi içi mümkü e kötü searyolar ve ko-mootoluğu destekleye alteratif bir yaklaşım üzeride durulmuştur.
12 Bedford (6) tarafıda yapıla çalışmada risk problemlerii hesaplamada kullaıla kuatil testleride bahsetmiş ve kopulaları kullaarak egelleyici ödeme yükümlülüğüü etkililiğii alamada ek bir araç öererek, güveilirlik alaı içide risk hesaplamaı öemli bir öreğii vermiştir. Gebizlioğlu ve Kızılok (7) bir portföydeki mevcut riskleri açıklamak içi iki adımlı yaklaşımı ile iki değişkeli bir model öermişlerdir. İlk adımı risk faktörlerii marjial dağılımlarıı belirlemesi, ikici adımı ise bir kopula foksiyou aracılığı ile riskleri ortak dağılımlarıı belirlemesi işlemleri oluşturmaktadır. Ayrıca kopula foksiyouda, Koşullu Riske Maruz Değer (VaR, oditioal Value-at-Risk) ölçüsü çıkarılmış ve bu temel üzeride, e uygu portföyü seçimi problemi içi bir uygu optimizasyo yötemi öerilmiştir. Feradez (8) sigortacılıkta bilaço gelirleride bağımlılık yapısıı ölçülerii kopula teorisi temellide irdelemiş ve bu bakışla kuyruk bağımlılığı, VaR ve beklee bakiye hesapları ortaya koymuştur. Deeberg ve Leufer (8) stokastik değişimlilik (volatility) ve bağımlılık parametreleri üzerie yaptıkları çalışmada ikili değişimlilik ve bağımlılık parametresi ile ilgilemişler ve yapıla diğer çalışmalarda olduğu gibi kopula foksiyoları kullamışlardır. Gebizlioglu ve Yagcı (8) iki değişkeli riskler ve risk ölçümlerii kuatilleri içi kopula foksiyoları yardımıyla güve aralıkları oluşturmuşlardır. Ayrıca aktueryal risk yöetimii öemli ölçüm araçlarıda VaR ı ele alarak toleras aralıkları kousuda özgü ve öemli kuramsal bulgular ortaya koymuşlardır. Tezi bölümleri şöyle oluşturulmuştur: İkici Bölümde sıra istatistikleri ve dağılımları hakkıda temel kavram ve teoremler verilmiştir. Üçücü Bölümde Nelse vd. () u çalışmalarıa bağlı kalıarak, kopula kavramı hakkıda geel bilgiler verilmiş ve iki değişkeli olasılık itegral döüşümleri ile ilgili 3
13 teoremler ve souçlarıda bahsedilmiştir. Bu bölümde ayrıca birlikteliği ölçüleri kousu da ele alımıştır. Dördücü Bölümde, sıra istatistiklerii eşleiklerii dağılımları teorisi ele alımıştır. Sıra istatistiklerii eşleiklerii dağılımları ve ortak dağılımlarıı elde edilmeside kullaıla temel teoremler verilmiştir. Çalışmaı temel amacıı oluştura Beşici Bölümde, sıra istatistikleri ve eşleiklerie iki değişkeli olasılık itegral döüşümlerii uygulaması gösterilmiş, miimum, maksimum ve çarpım kopulaları kullaılarak Sarmaov dağılımlar ailesi üzerie aalitik yapılar oluşturulmuştur. Altıcı Bölüm; çalışmaı diğer özgü souçlarıı oluşturmaktadır: Bu bölümde, iki değişkeli olasılık itegral döüşümleri kullaılarak kuatiller içi toleras aralıklarıı kurulumu gerçekleştirilmiş ve Sarmaov dağılımlar ailesi içi toleras aralıkları üzerie özgü örekler verilmiştir. Yedici Bölümde, Gebizlioğlu ve Yağcı (8) tarafıda FGM içi yapıla çalışmada yola çıkarak Sarmaov dağılım ailesi içi VaR (Riske Maruz Değer) ı ifade edilmesi ve ileride yapılabilecek çalışmalar kousuda öerilerde buluulmaktadır.. 4
14 . SIRA İSTATİSTİKLERİ VE DAĞILIMLARI X, X,..., X, birbiride bağımsız ve ayı F( x ) dağılım foksiyoua sahip birimlik bir öreklem olmak üzere X r: ( r ) ile bu öreklemi r-ici e küçük değeri gösterilsi. Bu durumda, bu öreklemi sıra istatistikleri X: X :... X : şeklide ifade edilir ve X r: ye r-ici sıra istatistiği deir. r-ici sıra istatistiği ola X r: i dağılım foksiyou, i (.) i i F r( x ) = P{ X r: x } = [ F( x )] [ F( x )], r i= r biçimide verilmektedir. r< s içi r-ici ve s-ici sıra istatistiklerii ortak dağılım foksiyou ; F ( x,y) = P{ X x,x x} r,s r: s:! = i= r j= max(,s i ) i! j!( i j )! i j i j F( x) ( F( y) F( x)) (-F(y)) x<y, r<s (.) F( x) dağılım foksiyou mutlak sürekli olup f(x) gibi bir olasılık yoğuluk foksiyoua sahip olması durumuda r-ici sıra istatistiğii olasılık yoğuluk foksiyou! r r fr ( x) = F ( x) F ( x) f ( x ) - <x<, r r! r! ( ) ( ) r<s içi r-ici ve s-ici sıra istatistiklerii ortak olasılık yoğuluk foksiyou ( ) ( ) ( ) (.3)! fr,s ( x, y) = F x F y F x F y f x f y r! s r! s! r s r s - <x<y<, r < s (.4) 5
15 dir. r < r <... < r ( k ) içi, foksiyou k X r :, X r :,..., X r k : i ortak olasılık yoğuluk f ( x,x,...,x ) r,r,...,rk k =! r! r r!... r! ( ) ( ) ( ) k r r r F x F x F x... F xk f x f x... f xk - <x <x <...<x k < (.5) olarak elde edilir. Burada x =, x k+ = +, r = ve rk+ = + olarak alıması durumuda ( i+ ) F ( xi ) ( ) ri + ri k F x k fr,r,...,r x k,x,...,xk =! f x i i= ri + ri! i= (.6) olmaktadır. Ayrıca X :, X :,...,X : rasgele değişkelerii ( tae sıra istatistiğii) ortak olasılık yoğuluk foksiyou f x,x,...,x =! f x f x...f x - <x <x <...<x <,,..., k (.7) olarak verilir (David ve Nagaraja 3). Teorem.. X rasgele değişkei içi, F ( x ) mutlak sürekli keyfi bir dağılım foksiyou ve olasılık yoğuluk foksiyou ise f ( x) olsu. S (, ) kümesi olmak üzere r leri solu α f ( x ) =, x R S r, r: (.8) lieer ilişkisi vardır. (Balasubramaia ve Beg 997). Teorem.. X, X,..., X, birbiride bağımsız ve ayı F ( x ) dağılım foksiyoua sahip birimlik bir öreklem olsu. Sırasıyla F r: x ile r-ici sıra istatistiğii dağılım 6
16 foksiyou, M r: k f r:( x ) ile olasılık yoğuluk foksiyou, µ r: ile k-ıcı mometi ve t ile momet çıkara foksiyou gösterilsi. O zama, i Fr: x = - F:i x i=-r+ r i i-+r- (.9) i fr: x = - f:i x i=-r+ r i i-+r- (.) k i + r i k µ r: = (-) µ :i i=-r+ r i (.) ve i-+r- i M r: ( t) = (-) M :i ( t) i=-r+ r i (.) dir (David ve Nagaraja 3). 7
17 3. İKİ DEĞİŞKENLİ OLASILIK İNTEGRAL DÖNÜŞÜMLERİ 3. İki Boyutlu Dağılımlar ve Kopulalar R ile ( + ), aralığıdaki gerçel sayılar kümesi, R ile ise bu aralıktaki geişletilmiş gerçel sayılar kümesi gösterilsi. Bu durumda, R = R R geişletilmiş gerçel düzlemdir. R deki bir dikdörtge; iki kapalı aralığı kartezye çarpımı B ile gösterilirse, bu durumda B [ x, x ] [ y y ] = dir. Burada, ( x, y),( x, y),( x, y),( x, y ) oktaları köşege oktalardır. Birim kare I, I = [,] i kartezye çarpımı ola I I dır. Bir -boyutlu gerçel foksiyo H, taım kümesi R i bir altkümesi ola DomH ve değer kümesi R i bir alt kümesi ola RaH şeklide taımlaa bir foksiyodur. Taım 3. S ve S R i boş olmaya altkümeleri ve H ise taım kümesi DomH S S = ola bir foksiyo olsu. B [ x, x ] [ y y ] = tüm köşege oktaları, DomH de ola bir dikdörtge olsu. Bu durumda B i H -hacmi V B = H x y - H x y - H x y + H x y (3.) (, ) (, ) (, ) (, ) H biçimide verilebilir (Nelse, 999) Ayı zamada, B dikdörtgei üzerideki H i birici derecede farkları aşağıdaki gibi verilirse V ( B ) ye, B dikdörtgei H -hacmi deir: H x D H ( x, y ) = H x ( x, y ) - H ( x, y ) y H x y H x y y H x y D (, ) = (, ) - (, ). O halde; B dikdörtgei H -hacmi, H i B üzerideki ikici derecede farkı olacaktır: 8
18 x y x y V (, ) H B = D D H x y Taım 3. Eğer köşege oktaları DomH de ola tüm B dikdörtgeleri içi V H ( B) ise, H -boyutlu gerçel foksiyoua -artadır deir (Nelse 999). X, F dağılım foksiyolu sürekli bir rasgele değişke olduğuda = F(X ) rasgele değişkei ( X i olasılık itegral döüşümü) I = [,] aralığıda düzgü dağılıma sahip olup ya da P ( F( X ) t) = t, t [,] biçimide yazılır. İki boyut içi ayı durum göz öüe alıdığıda; X ve Y, sırasıyla F ve G dağılım foksiyolu rasgele değişkeler olmak üzere H ve H, tek değişkeli marjialleri F ve G ola iki değişkeli dağılım foksiyoları olsu. H ve H içi ortak marjiallere kısıtlama yapmak, X ve Y i tek değişkeli olasılık itegral döüşümüe bağlı olmasıı garatileyecektir. Bu durumda H ( X, ) tek boyutlu bir rasgele değişke olacaktır. Eğer X ve Y i ortak Y dağılım foksiyou H ise H ( X, Y) i dağılım foksiyou hakkıda e söyleebileceği sorusuu cevaplamak içi ilk olarak sürekli iki değişkeli dağılım foksiyolarıı kümesi üzeride sıralamaya gitmek ve ikici olarak rak korelasyo katsayıları (Spearma rho su, Kedall tau su, Gii katsayısı ve Spearma footrulekuralı) dağılım foksiyoları bakımıda özlü olarak ifade edilmelidir (Nelse vd. ). Taım 3.3 Kopula, aşağıdaki özelliklere sahip (i) I daki her u ve v içi, I de I ya bir foksiyoudur: ( u,) = = (, v) (3.) ve ( u,) = u ve (, v) = v ; (3.3) (ii) u u ve v v olmak üzere I daki her u, u, v, v içi, u, v ) ( u, v ) ( u, v ) + ( u, v ) (3.4) ( şeklide olmalıdır (Nelse 999). 9
19 Kopulaları, bileşik ve marjial dağılımları ilişkiledire özelliği aşağıdaki teoremle belirtilmiştir: Teorem 3. (Sklar ı Teoremi) H foksiyou F ve G marjial dağılımlı bir ortak dağılım foksiyou olsu. O zama öyle bir kopulası mevcuttur ki R = [, + ] daki bütü x ve y ler içi, H ( x, y) = ( F( x), G( y)) (3.5) dır (Sklar 959). Eğer F ve G sürekli ise, tektir; diğer durumda RaF RaG üzeride tek olarak belirleir. Burada RaF ve RaG, R i altkümeleri ola değer kümeleridir. Diğer tarafta, eğer bir kopula ve F ve G dağılım foksiyoları ise (3.5) ile verile ve G marjial dağılımlı bir ortak dağılım foksiyoudur (Nelse 999). H, F 3. Dağılım Foksiyolarıı Kopulaları M ve W, sırasıyla Frechet-Hoeffdig üst ve alt sıır kopulaları olmak üzere, herhagi bir kopulası W ( u, v) = max( u + v,) ( u, v) mi( u, v) = M ( u, v) (3.6) eşitsizliği sağlamaktadır. Sürekli X ve Y rasgele değişkeleri içi, acak ve acak kopulaları M (W ) ise X ve Y i her biri diğerii heme heme her yerde arta (azala) bir foksiyoudur. Bağımsız sürekli rasgele değişkeleri kopulası Π ( u, v) = uv dir. X rasgele değişkeii dağılım foksiyou df (X ) yada F harfiyle ifade edilecektir. X st Y df ( X ) df ( Y ) dir. Burada st stokastik eşitsizliği göstermektedir. µ iki değişkeli dağılım foksiyou H i H R üzerideki ölçüsüü, bezer biçimde
20 µ de kopulasıı I üzerideki ölçüsüü gösterecektir. So olarak, δ ( t) = ( t, t) olarak verile i diagoal (köşege) kısmıdır. δ, Taım 3.4 H ve H, ortak F ve G sürekli marjial dağılım foksiyolu iki değişkeli dağılım foksiyoları olsu. X ve Y i ortak dağılım foksiyoları H olmak üzere, H H ( X, Y ) H ( X, Y) rasgele değişkeii göstersi. H i dağılım foksiyou gibi ifade edilir: df ( H H X, Y ) (kısaca ( H ) H, yai ( H ) t) Pr H H ( X, Y ) H ile gösterilsi) aşağıdaki [ t] = ({( x, y) R H ( X, Y ) t} ) t I H = µ H, (3.7) ( Kopulalar, Düzgü [,] dağılımıa sahip marjial dağılımları ola iki değişkeli dağılım foksiyou olduğuda ayı taım kopulalar içi yazılabilir. Bu durumda, eğer ve herhagi iki kopula ve, V ortak dağılım foksiyoları ola düzgü [,] rasgele değişkeler ise o zama (, ) (, ) rasgele değişkeii gösterir ve i dağılım foksiyou ( ) t) Pr (, V ) V V [ t] = ({( u, v) I (, V ) t} ) t I = µ, (3.8) ( biçimide verilir (Nelse et. al. ). Teorem 3. (Nelse vd.. ) H, H, F, G, X ve Y Taım 3.4 deki gibi olsu, ve H ve H ye karşılık gele kopulalar olmak üzere; ( H H ) = ( ) (3.9) dır. içi dağılım foksiyou aşağıdaki çizelge 3. de gösterilmiştir.
21 Çizelge 3. { M,, W} ), Π içi i dağılım foksiyoları (Nelse vd. M Π W M t t t mi( t,) Π t t t l t max(, 4t) W ( + t) ( t) İspat. t I içi, ( H H )( t) = µ H ({( x, y) R H( X, Y ) t} ) = µ ({(, ) (, ) }), H x y R F x G y t = µ ({( u, v) I (, V ) t} ) = ( )( t), u = F( x), v = G( y) döüşümü yoluyla elde edilir. Buu alamı, X ve Y i kesi sürekli döüşümleri altıda değişmezliği sağlamasıyla H i dağılım foksiyou H, i dağılım foksiyou ye bezerdir. Örek 3. M, Π ve W u dağılım foksiyou M, Π ve W (3.8) de hesaplaıp Çizelge 3. de gösterilmektedir ( t I içi).
22 Bu durumda öreği, M M I da düzgü dağılıma M Π α =, β = parametreli beta dağılımıa, M W [,/] de düzgü dağılıma, Π M α = /, β = parametreli beta dağılımıa sahiptirler. Örek 3. ve V ortak dağılım foksiyoları ola düzgü [,] dağılıma sahip rasgele değişkeler olsu. δ ( t ) = ( t,t ) köşege kopula olmak üzere kolaylıkla t I içi M ( t ) = t δ ( t ) olduğu gösterilebilir ve bu edele ve V i sıra istatistiklerii dağılım foksiyoları M i dağılımıa göre ifade edilebilir: df (mi(,v ))( t ) = t δ ( t ) = ( M )( t ), df (max(,v ))( t ) = δ ( t ) = t ( M )( t ) biçimide ifade edilebilir. M ( t ) = δ ( t ) dir; burada ( ) Ayrıca yai ( ) t I içi δ ( t ) = sup{ u δ( u ) t} dir. ( ) δ, δ i sağda sürekli yarı-tersi dir, 3.3 Kopulaları Kümesi Üzeride Sıralama Kopulaları kümesi üzeride sıralama bağıtısı kurmak içi kopulaları dağılım foksiyou kullaılacaktır. Bu işlem, Sklar ı teoremi yardımıyla sürekli rasgele değişkeleri iki değişkeli dağılım foksiyolarıı kümesi üzeride yapılacaktır. Taım 3.5, ve kopula olsu. Bu durumda,. Eğer st ise de df-larger dır. 3
23 . Eğer st ise de -larger dır. Burada df-larger dağılımda daha geiş, -larger kopulasıa göre daha geiş alamıda kullaılmıştır. df-larger aperaa et al tarafıda 997 de öerilmiştir. Kopulalar içi iyi bilie sıralama kokordat (cocordace) sıralamadır: Eğer daha kokordattır deir ve f şeklide gösterilir. ise I de de Teorem 3.3 (Nelse vd. ) ve kopula olsu. Bu durumda f dir acak ve acak de her kopulası içi -larger ise. İspat. Öcelikle olduğu varsayılsı. I daki tüm t ler içi: { u, v) I ( u, v) t} {( u, v) I ( u, v) t} ( ve burada ({( u,v ) I ( u,v ) t }) {( u,v ) I ( u,v ) t} µ µ (her kopulası içi). Bu edele ( ) ( ) dir, yai st dir. t = ( a b a b = t ve I de, ) < (, ) varsayılsı. ( ) ( ) t + t t = olacak şekilde bir ( a, b) oktası olduğu ( t ) > ( t ) özelliğie sahip bir kopulası ele alısı; öyle ki de -larger olmaz. Varsayalımki a b dir ( a b durumu bezerdir). I de 3 çizgi segmetleri (parçaları) üzeride olasılık yoğuluğu ormal dağılımlı ola bir 4
24 kopulası göz öüe alısı, (( t + a),( t a + b) ) de ( b +, ) (,( a) ) t + ye olsu. (, b) L ve S = { u, v) I ( u, v) t} ( L (,) da (( t a),( t + a) ) a e ve 3 + ye, L L ( a b +,( t a + b) ) de a olduğua dikkat edilirse, S = { u, v) I ( u, v) t} olsu. O zama ( c a, b ) it( S ) S < µ ([, a] [, b] ) = a dir, öyle ki ( ) t) ( ) µ ( S ) < µ S souç ile ispat tamamlamaktadır. ( ve > demektir. Bu ( t Teorem 3.3 ü bir soucu olarak, tüm ler içi, i de -larger olarak ve sıralaması çok güçlü bir gerekli koşuldur ve kokordat sıralamaya dektir. Örek 3.3 M -larger sıralama. i =, içi i ve V i sahip rasgele değişkeler olsular. Bu durumda i kopulalı (,) dağılımıa de M -larger dır M st M ( ) ( ) ( M ) ( M ) δ δ δ δ (, V )) df ( max(, )) df max( V ve df (, V )) df ( mi(, )) mi mi( V (, V ) mi(, V ) max(, V ) max( V ) st st st, Buu alamı; acak ve acak ve V i sıra istatistikleri, ve V i sıra istatistikleri tarafıda belirlee aralığı içide yer alıyorsa de M -larger dır. 5
25 3.4 Birlikteliği Ölçüleri Birlikteliği bazı ölçüleri kokordat ve diskokordat ifadelerie bağlıdır. Eğer ( > x x )( y y ) ise, reel sayıları x, ) ve x, ) sıralı iki çifti kokordat ( y ( y ve eğer x x )( y y ) ise diskokordat olarak adladırılır. Bu bölümdeki ( < kokordat ve diskokordatı olasılıkları üzerie bağlı ola birliktelik ölçüleri ve kopulaları dağılım foksiyoları arasıdaki temel ilişki açıklamaları Nelse et. al. () u çalışmalarıda yararlaılarak suulmuş olup, ilgili kuramsal temel aşağıdaki teoremde belirtilmektedir. Teorem 3.4 (Nelse vd. ) ( X,Y ) ve X,Y sırasıyla H ve H ortak dağılım foksiyolu, ortak F marjial dağılım foksiyolu ( X ve X i) ve ortak G marjial dağılım foksiyolu ( Y ve Y i) sürekli rasgele değişkeleri rasgele vektörleri olsular. ve Q ( X,Y ) ve ( X,Y ) farkı göstersi, yai: sırasıyla ( X ) ve ( X ),Y,Y i kopulalarıı göstersi. i kokordat ve diskokordatlarıı olasılıkları arasıdaki Q = P X X Y Y > P X X Y Y <. (3.) O zama Q ve i bir foksiyoudur ve Q = Q(, ) = 3 4 ( t )dt = 3 4 ( t )dt (3.) şeklide verilir. İspat. Nelse (999) i suduğu ve yayıda ifade edile Teorem 5.. de Q = Q, = 4 ( u,v )d ( u,v ) = 4 ( u,v )d ( u,v ) ifadesi, dek bir ifade olarak, (3.) 6
26 (( )( )) ( )( ) Q = 4E,V = 4E,V (3.3) şeklide yazılabilir. Burada i = F( X i ) ve Vi = G(Y i ) i =, bir rasgele değişke ve dağılım foksiyou (t) K ise, o zama dir. Fakat, eğer T I da E T = K( t )dt dir. Souç olarak şu söyleebilir ki; X ve Y kopulalı sürekli rasgele değişke olsu ve τ ρ, γ, ve ϕ sırasıyla Kedall ı τ suu, Spearma ı ρ suu, Gii i γ sıı ve Spearma ı footrule ϕ sii kitle versiyou olsu; bu takdirde. τ = = Q(, ) 3 4 ( t )dt. ρ = Π = ( Π ) 3Q(, ) 9 ( t )dt 3. γ = = Q(,A ) 6 8 A ( t )dt 4. ϕ = = 3 Q(,M ) 4 6 M ( t )dt saptamaları yapılır. Burada A ( M + W ) = dir. Kedall ı τ su ve ( ) i arasıdaki ilişki aperaa vd. (997) tarafıda verilmiştir. Burada ( ) Kedall ı τ suu bir aalizi olarak öerilmiştir (Geest ve Rivest 993). Spearma ı ρ su ve ( Π ) arasıdaki bezer ilişki Garralda Guillem (997) tarafıda verilmiştir. Diğer birliktelik ölçüleri, kopulaları diğer dağılım foksiyolarıda kolayca oluşturulabilir., kopula ve τ, τ, ρ, ρ, γ, γ, ϕ, ϕ sırası ile Kedall ı τ su, Spearma ı ρ su, Gii i γ sı ve Spearma ı footrule ϕ sie uygu değerler olsu. O zama, aşağıda Şekil 3. de gösterile gerektirmeler dağılım foksiyolarıı kopulaları ve birliktelik ölçüsüe bağlı sıralamalardır ve bular Taım 3.5 ve yukarıdaki souç -4 te elde edilir: 7
27 τ τ st Π Π ρ ρ st p, A A γ γ M M ϕ ϕ st st st Şekil 3. Çeşitli bağımlılık sıralamaları arasıdaki gerektirmeler ve i kokordat sıralaması( p ) arasıdaki gerektirmeleri dört birliktelik ölçüsüe uygu sıralamayı gerektirdiği iyi bilimektedir; bu demektir ki τ τ, ρ ρ, γ γ, ϕ ϕ. Üç -larger sıralamada ( = Π, A ve M içi ) ara durumlar bulumaktadır; gerektirmede, kokordat sıralama karşılaştırılabilir değilke, df-larger sıralama var ike Kedall ı τ suu değerleri üzeride sıralama gerekmektedir (Nelse vd.. ). 8
28 4. SIRA İSTATİSTİKLERİNİN EŞLENİKLERİ Taım 4.. ( X,Y ),( X,Y ),...,( X,Y ) rasgele vektörü bağımsız ve ayı X X... X öreklemi F x, y dağılımıa sahip birimlik öreklem olsu. : : : ilk koordiatı ola X i sıra istatistikleri olmak üzere r içi X r: ile r -ici sıra istatistiği gösterilsi. Eğer Y = Y X = X, j=,,..., (4.) [ r:] j j r: ise Y [ r:] ye r-ici istatistiğii eşleiği deir (Nagaraja ve David 994, David ve Nagaraja 998). Teorem 4.. ( X,Y ),( X,Y ),...,( X,Y ) rasgele vektörü bağımsız ve ayı F ( x, y) sürekli dağılımıa sahip birimlik bir öreklem olmak üzere r -ici sıra istatistiğii eşleiği ola Y [ r:] i dağılım foksiyou + G y F y x f x dx [ ] = r: r: (4.) ve olasılık yoğuluk foksiyou + g y f y x f x dx [ ] = r: r: (4.3) dir (Bhattacharya 984, Balasubramaia ve Beg 998). İspat. r-ici sıra istatistiğii eşleiği ola Y [ r:] i dağılımı, { } { [ ] } = r: { k k = r:} P Y y P Y y,x X k = (4.4) olsu ve (4.4) eşitliğideki olaylar ayrık olaylar olduğuda, { [ ] } = { = } + r: { = } r: r: P Y y P Y y,x X P Y y, X X biçimide yazılabilir. { } +...+P Y y, X = X r: (4.5) 9
29 { [ ] y r: } P Y { 3 r r+ } P{ Y y, X X, X X,...,X X,X X,...,X X } = P Y y, X X, X X,...,X X, X X,...,X X + 3 r r { } +P Y y,x X,X X,...,X X r,x X r,..., X X (4.6) (4.6) eşitliğide olduğuda ( r ) r! = r r ( r )!( r )!! { [ r:] y} = ( ) ( ) P Y r! r! tae ayı olasılık { } P Y y,x X,X X,..., X X, X X,..., X X 3 r r+ (4.7) (4.7) eşitliği yazılabilir ve + P( A ) = P ( A X = x) df( x ) (4.8) Toplam Olasılık teoremie dayalı olarak;! + { [ r:] } { ( r )!( r )! P Y y = P Y y, X X,X X,...,X X,X X,...,X X X = x df( x ) 3 r r+ } (4.9) olur. (4.9) eşitliğide P( A B) P( A B) = Koşullu Olasılık Formülü kullaılırsa, P( B) P { Y y} [ r: ]! = ( r )!( r)! + { = } P Y y,x x, X 3 x,..., X r x, X r+ x,..., X x, X x df( x ) P( X = x ) (4.) olur. (4.) eşitliğide P ( A B) = P( A B) P( B) eşitliği kullaılırsa
30 + P { Y y} [ r: ]! = ( r )!( r)! { r r+ } P Y y,x x,x3 x,...,x x,x x,...,x x X = x P( X = x ) df( x ) P( X = x ) (4.) yazılır. X, X,..., X rasgele değişkeleri bağımsız olduğuda P { Y y} [ r: ]! = ( r )!( r)! { = } ( ) ( )... ( r ) ( )... ( ) + P Y y X x P X x P X 3 x P X x P X r+ x P X x df x (4.) ve (4.) eşitliğide olduğuda X, X,..., X rasgele değişkeleri ayı F x dağılımıa sahip P { Y y} [ r: ]! = ( r )!( r)! r r + P{ Y y X = x}[ F( x )] [ F( x )] df( x ) (4.3)! { [ r:] y} = ( ) ( ) P Y r! r! r r + P{ Y y X = x}[ F( x )] [ F( x )] df( x ) (4.4) r -ici sıra istatistiğii dağılım foksiyou F r (x) ve olasılık yoğuluk foksiyou f r (x) olmak üzere + G[ r : ] ( y) = F( y x) fr: ( x) dx ve
31 + g[ r : ] ( y) = f ( y x) fr: ( x) dx olarak buluur. Teorem 4.. ( X,Y ),( X,Y ),...,( X,Y ) bağımsız ve ayı F ( x, y) sürekli dağılım foksiyoua sahip birimlik bir öreklem olmak üzere, r < s içi r -ici ve s -ici sıra istatistiklerii eşleikleri ola Y [ r : ] ve Y [ s : ] i ortak dağılım foksiyou x G r,s: ( y, y ) + = F( y x )F( y x ) f r,s: ( x,x )dx dx (4.5) ve olasılık yoğuluk foksiyou x g r,s: ( y, y ) + = f ( y x ) f ( y x ) f r,s: ( x,x )dx dx (4.6) dir. Bezer şekilde, r < r <... < rk, ( k ) içi k tae sıra istatistiğii eşleiğii ortak dağılımı ve ortak olasılık yoğuluk foksiyou G ( y, y,..., y ) r,r,...,r k : k + x k x =... F ( y x F y x F y x ) ( )... ( k k ) f r k,r,...,r ( x,x,...,x )dx dx...dx k k (4.7) g [ r, r,..., r : ] ( y, y,..., y k ) k + x k x =... f ( y x f y x f y x ) ( )... ( k k ) f ( x,x,...,x )dx dx...dx r,r,...,r k k k (4.8) ve tae eşleiği ortak dağılımı ve ortak olasılık yoğuluk foksiyou ise:
32 G,,...,: ( y, y,..., y ) + x x =... F ( y x F y x F y x ) ( )... ( ) f ( x,x,...,x )dx dx...dx,,..., (4.9) g [,,..., : ] ( y, y,..., y ) + x x =... f ( y x f y x f y x ) ( )... ( ) f ( x,x,...,x )dx dx...dx,,..., (4.) olarak elde edilir (Bekçi 3). 3
33 5. SIRA İSTATİSTİKLERİ VE EŞLENİKLERİNİN ORTAK DAĞILIMLARINA İKİ DEĞİŞKENLİ OLASILIK İNTEGRAL DÖNÜŞÜMLERİNİN YGLANMASI ( X,Y ),( X,Y ),...,( X,Y ) rasgele vektörü bağımsız ve ayı dağılımıa sahip birimlik bir öreklem olsu. H ( x, y ) = ( F X ( x ),F Y ( y )) ise ayı marjiallere sahip başka bir dağılım foksiyou olsu. X : X :... X : X i sıra istatistikleri olmak üzere, r içi X r : ile r -ici sıra istatistiği gösterilsi. Y[ r: ] = Y j X j = X r:, j =,,..., olmak üzere Y [ r : ] r -ici sıra istatistiğii eşleiği olsu. Bölüm boyuca Gebizlioğlu ve Yağcı (8) ve Altısoy (9) u çalışmalarıda yararlaılmıştır. Bua göre; H ve e ait rasgele olayları olasılıklarıı (olasılık dağılımı) eşitliği aşağıdaki teorem ile gösterilir: Teorem 5. (,V ),(,V ),...,(,V ) rasgele vektörü bağımsız ve ayı ( u,v ) kopulasıa sahip rasgele değişkeler olmak üzere: { ( r:, [ r: ] ) } ( r:, [ r: ] ) { } P H X Y t = P V t (5.) dir. Burada r içi r:, düzgü (,) dağılımlı,,..., rasgele değişkelerii r -ici sıra istatistiğii, V r: = V = j j r:, j =,,..., olmak üzere V r: r -ici sıra istatistiğii eşleiğii göstermektedir. İspat. 3. bölümde alatıldığı gibi, X r: ve Y [ r: ] i ortak dağılım foksiyoları H olmak üzere, H H ( X r:,y[ r: ] ) H ( X r:,y[ r: ] ) rasgele değişkeii göstersi. H i dağılım foksiyou gösterilsi) H, yai ( ) df H H X,Y (kısaca ( ) H H ile µ ({ }) H H ( t ) = Pr H H X r:,y [ r: ] t = H x, y R H ( X r:,y [ r: ] ) t, t I. (5.) biçimide ifade edilir. 4
34 t I içi, { } ( r: [ r: ] ) ( ) ( r: [ r:] ) = df X,Y ( x, y ) {( x,y ): H ( x,y ) t} r: [ r: ] { } H H ( t ) = P H H X,Y t = P H X,Y t = f ( y x ) f {( x,y ):H ( x,y ) t} r: f ( x, y ) r r = ( F X ( x )) ( F X ( x )) f ( x )dxdy {( x,y ):H ( x,y ) t} f ( x ) B( r, r + ) r r = ( F X ( x )) ( F X ( x )) f ( x, y )dxdy B( r, r + ) {( x,y ):H ( x,y ) t} r r = ( F X ( x )) ( F X ( x )) dh ( x, y ) B( r, r ) ( x,y ):H ( x,y ) t + { } ( x )dxdy = r r ( F X ( x )) ( F X ( x )) d ( F X ( x ),F Y ( y )) B( r, r + ) {( x,y ): ( F X ( x ),F Y ( y )) t} { F ( x ) u, F ( y ) v} = = = X Y = u u d u,v. B( r, r + ) r r {( x,y ): ( u,v ) t} O zama, ( H H ) ( ) Burada FX ( x ) X i, i = olur. =,,..., rasgele değişkelerii dağılım foksiyouu, F ( y ) Y, i =,,..., rasgele değişkelerii dağılım foksiyouu göstermektedir (Altısoy i 9). Y 5. İki Değişkeli Olasılık İtegral Döüşümleri içi Örekler Bu bölümde yazımda kolaylığı sağlaması içi; r: yerie, V [ r: ] yerie V t r r kullaılmıştır. r ( t ) ile r( t ) = u ( u ) du B( r, r + ) gösterilecektir. Örek 5. = M ( u v), Π ( u,v), = ve t I hesaplamaları: t içi ( ) 5
35 ( )( t ) = µ {( u,v) I } (,V ) t = µ {( u,v) I mi(,v ) t} (Altısoy 9) { } { } { } = P mi(,v ) t = P mi(,v ) > t = P > t,v > t r r = u ( u ) dudv t t B( r, r + ) = ( t ) ( t ) = t + ( t ) ( t ). Örek 5. Π ( u,v) r r = ve Π ( u,v ) t = içi ( ) ({( u,v) I V t} ) ( )( t ) = µ {( u,v) I (,V ) t} = µ değerlerii hesaplaması: = P { V t} = u r ( u ) r dudv B( r, r + ) {( u,v ) I uv t } olacaktır. V = X deilerek aşağıdaki iki değişkeli döüşüm yapılır: V = X = Y det J = =. = Y V = X Y y x y y Yei rasgele değişkeler X ve Y i ortak olasılık yoğuluk foksiyoları: B( r, r + ) r r f X,Y ( x, y ) = y ( y ), < x < y < olacaktır. X i marjial olasılık yoğuluk foksiyou (V = X i dağılımı araştırıldığı içi) f X ( x ) = r ( x ) r [ ] 6
36 olarak buluur. Bu durumda problem ( ) t P{ X t} = olasılığıı hesaplamaya döüşecektir. Olasılık, gerekli itegral hesaplamaları yapıldığıda (Altısoy 9) ( t ) f ( x )dx ( x ) dx r r = t r ( t ) + r( t ) r t t ( ) = X = [ r ] Burada: B( r, r + ) t r r r ( t ) = u ( u ) du ve B( r, r + ) t r r r( t ) = u ( u ) du dır. Örek 5.3 = W ( u,v) ve Π ( u,v) = içi ( )( ) ( ) { } değerleri hesaplamaları: t ({ }) ( t ) = µ u,v I (,V ) t = µ u,v I max( + V, ) t dır. { } = P + V t + + V + V olacağıda + V = Y = Y deilerek iki değişkeli döüşüm yapılır: + V = Y = Y det J = =. = Y V = Y Y Burada Y ve Y rasgele değişkelerii değer aldığı küme aşağıdaki gibidir: ( Y ),Y { } { } D = ( y, y ) : y <, < y < y ( y, y ) : < y, y < y <. 7
37 Y ve Y i ortak olasılık yoğuluk foksiyoları aşağıdaki gibidir: r f ( y, y ) = y ( y ) B( r, r + ) r. Y i olasılık yoğuluk foksiyou: ( t ) = P(Y t + ) olasılığı çözümlediğide dağılım foksiyou aşağıdaki dir. gibi elde edilir: Burada: r ( t ) t ( t ) ( t ). + ( ) = + [ r ] [ r+ ] t r r t r r r( t ) = u ( u ) du, r+ ( t) = u ( u) du B( r, r + ) B( r +, r + ) dır (Altısoy 9). ( y ), y < f ( y ) = r( y ), y< Y r, d.y. 5. Yei Geelleştirilmiş Sarmaov Dağılımlar Ailesi içi Örekler Bağımlı rasgele değişkeleri olasılık dağılımlarıı modellemeside kullaıla çok değişkeli dağışımlarda birisi ola Sarmaov dağılımlar ailesi literatürde ilk kez Sarmaov (966) tarafıda icelemiştir. Sarmaov dağılımlar ailesii geelleştirilmeside ortaya çıka dağılım foksiyolarıı basit bir yapıya sahip olması, bu dağılımları bağımlılık yapılarıı saptamakta ve korelasyo katsayısıı hesaplamakta kolaylık sağlamaktadır. Geçmiş yıllara bakıldığıda Altısoy (9) tarafıda Farlie Gumbel Morgester (FGM) kopulaları içi yapıla örekler bu bölümde yei geelleştirilmiş Sarmaov dağılımlar ailesi içi uygulaacaktır. Tezi özgü kısmı yei geelleştirilmiş Sarmaov dağılımlar ailesi içi uygulaacak öreklerde oluşacaktır. 8
38 Bu bölümde, Sarmaov kopulası olarak alıacaktır. Bu durumda kopulası ve d ( u, v ) q q q q ( u, v) = u + v ( q + ) u v u, v ; q > q + q q q q d( u, v) = + α u + v ( q + ) u v q + dir. Burada, α Sarmaov dağılımıda yer ala bağımlılık parametresidir. α değeri arttıkça bağımlı iki değişke içi bağımlılık derecesi artmaktadır. Örek 5.4 ( u, v) = M ( u, v) = mi( u, v) olduğuda: ( )( t) = P{ mi(, V ) t} = P{ mi(, V ) t } { } = P > t,v > t r r q q q q = u ( u ) + α u + v ( q + ) u v dudv B( r, r + ) t t q + r r u ( u ) dudv + t t = B( r, r + ) r r q q q q + α u ( u ) u + v ( q + ) u v dudv t t q + ve gerekli itegral işlemleri yapıldığıda ( )( t ), t I içi aşağıdaki gibi elde edilir: α q! ( r q )! + q ( t ) = t t t α t t ( t ) q r r! q! r + q + + Burada 9
39 t r r r( t ) = u ( u ) du B( r, r + ) t r+ q r r+ q( t ) = u ( u ) du B( r + q, r + ) dır. Örek 5.5 ( u, v ) = W ( u, v ) = max( u + v,) olduğuda: ( ) ( t) = P{ max( + V, ) t} { } { α q+ } r r = q q q q u u + u + v q+ u v (, ) (, ):max(,) dudv B r r + u v u+ v t = P( + V t + ) dir. + V + V olacağıda + V = Y = Y deilerek iki değişkeli döüşüm yapılır: + V = Y = Y det J = =. = Y V = Y Y Burada Y ve Y rasgele değişkelerii değer aldığı küme aşağıdaki gibidir: ( Y, ) Y {(, ) :, } {(, ) :, } D = y y y < < y < y y y < y y < y <. Y ve Y i ortak olasılık yoğuluk foksiyoları aşağıdaki gibidir: r r q q q q f ( y, y ) y ( y ) y ( y y ) ( q ) y ( y y ) α = B( r, r ) q+ +. Y i olasılık yoğuluk foksiyou: 3
40 ! ( r q )! α + r ( y ) r q ( y ) q + α + + r! + q! q q k q k! ( r + q k )! + α y ( ) r+ q k ( y ) k= k ( r )!( + q k )! q q k q k! ( r + q k )! α ( q + ) y r+ q k ( y ) y k= k < ( r )!( + q k )! α! ( r + q )! fy ( y ) = r y q + + α r q ( y ) ( r )!( q )! + + q q k q k! ( r + q k )! + α y ( ) r+ q k ( y ) y < k= k ( r )!( + q k )! ( t ) = P(Y t + ) olasılığı çözümlediğide dağılım foksiyou şu şekilde dir. elde edilir: d.y. 3
41 α α α r q q q ( )( t) = t + tr ( t) + + r+ ( t) Burada! ( r + q )! ( r ) ( + q)! r + q!! r + q! + α t α tr+ q t r! + q! r! + q! α + α α q k= q k= t!! r+ q+ ( t) q k q k!( + )! ( + ) ( ) ( + ) + k+! r + q k! t + r! + q k! k + q q k r q k t ( ) k r! q k! k k+ r+ q k ( t) ( z k )! q q k+ q k! k + r + q + z k! + α ( ) k= k ( r )! k + z= z + q + q k+ q q k! r + q k! t + α ( q + ) ( ) k= k r! + q k! k +!( + )! ( + ) ( ) ( + ) + k+ r+ q+ z k q q q k r q k t + α ( q + ) ( ) r+ q k t k= k r! q k! k q q k+ q k! k + r + q + z k! + α ( q + ) ( ) r+ q+ z k t k= k ( r )! k + z= z + q + z k! ( t) t r t r r r ( t ) = u ( u ) du B( r, r + ) t r+ q r r+ ( t ) = u ( u ) du B( r +, r + ) r r+ q( t ) = u ( u ) du B( r + q, r + ) t r+ q+ r r+ q+ ( t ) = u ( u ) du B( r + q +, r + ) 3
42 t r+ q k r r+ q k ( t) = u ( u) du B( r + q k, r + ) t r+ q+ z k r r+ q+ z k ( t) = u ( u) du B ( r + q + z k, r + ) t r+ q k r r+ q k ( t) = u ( u) du B ( r + q k, r + ) t r+ q+ z k r r+ q+ z k ( t) = u ( u) du B ( r + q + z k, r + ) dır. Örek 5.6 ( u,v ) = Π ( u,v ) = uv olduğuda: ( )( t ) = P{ V t} olacaktır. V r r q q q q = u ( u ) { + α[u + v ( q + )u v ]} dudv B( r, r + ) {( u,v ):uv t} q + = X deilerek aşağıdaki iki değişkeli döüşüm yapılır: V = X = X Y y x y det J = =. V = Y V = Y y Yei rasgele değişkeler X ve Y i ortak olasılık yoğuluk foksiyou: x x x = B( r, r + ) y y y q + y r r q q q f X,Y ( x, y ) α y ( q ) x x x = + α + + B( r, r + ) y y q + r q r r q q x y [ y ( q )x ], < x < y < 33
43 olacaktır. X i marjial olasılık yoğuluk foksiyou (V = X i dağılımı araştırıldığı içi) t (t ) = P X t = f ( x )dx { } X t (r )! (+ j r )! ( r + q )! = ( x ) x + α ( x ) B( r, r + ) ( )! j= j! ( + q )! r r+ j r+ (+ j r )! ( r + q )! ( + j r )! x + α ( x ) x j! ( + q )! j! r+ q r+ q j r+ q+ j j= j= ( r )! ( + j r )! ( q + ) α ( x ) x ( )! j! r r+ q+ j j= α ( r )! ( + j r )! q + ( )! j! r r+ j ( x ) x }dx j= souç olarak r r! α (t ) = ( r )! j t B( r, r )! q j= ( + j r + )( + j r + ) r+ q ( r + q )! + α ( r + )! j t ( + q )! ( + j r + )( + j r + ) j= r q ( r q )! ( + j r )!( j + q )! + α ( r + )! j+ q t ( q )! j!( + j + q r + )! j= r ( r )! ( + j r )!( j + q )! ( q + ) α ( r + )! j+ q t ( )! j!( + j + q r + )! j= elde edilir. Burada 34
44 ( + j r + ) j! ( r + )!! t j r+ ( t) = u ( u) du j ( ) ( + ) ( + ) j q r! j+ q r+ j+ q( t ) = u ( u ) du j q! r! t dır. Burada gösterile örekler, bir bağımlılık parametresi taşıya Sarmaov kopulası içi ile t miumum-maksimum, maksimum (+,) ve çarpım durumlarıda ( ) hesaplaa olasılık değerlerii vermektedir. İleriki çalışmalarda geliştirilecek ola programlar yardımıyla çeşitli (,r,q,a ) değerleri içi yei geelleştirilmiş Sarmaov kopulalarıı (dağılımlarıı) davraışları, bağımlılık yapılarıı değerledirilmesi bakımıda özgü ve öemli bir souç oluşturacaktır. 35
45 6. İKİ DEĞİŞKENLİ OLASILIK İNTEGRAL DÖNÜŞÜMÜ KLLANARAK DAĞILIMDAN BAĞIMSIZ KİTLE KANTİLLERİ İÇİN GÜVEN ARALIKLARININ İFADE EDİLİŞİ Bu bölümde Gebizlioğlu ve Yağcı (8) tarafıda ortaya koula souçlarda yararlaılarak ve tıpkı alıtılarda buluarak tez kouma ilişki açıklamalar yapılmıştır. 6. Toleras Limitleri ve Aralıkları Toleras katsayısı γ ile bir sürekli dağılım içi toleras aralığı rasgele bir aralıktır ve olasılık aralık limitleri arasıda bir bölgedir (Gibbos 97 ve Zacks 97). Bir toleras aralığı; X, F ( x ) dağılım foksiyolu sürekli bir rasgele değişke ise X olasılık itegral döüşümü ile, s: = FX ( X s: ) ve r: = FX ( X r: ) olmak üzere P [( ) ~ p] = γ s: r: şeklide ifade edilebilir. Bir başka deyişle; γ olasılık düzeyide ve toleras sıırları L ve L içi ~ p atamış değer bağlamıda toleras aralıkları L P f ( x) dx ~ p = γ (6.) L biçimide ifade edilir. Bu aralık dağılımda bağımsızdır. Burada L = l( X, X,..., X ) < L = l( X, X,..., X ) F (.) dağılımıa sahip X, X,..., X rasgele öreklemide elde edile iki istatistik olup, F( L ) F( L ) i dağılımı F (.) da bağımsızdır. F( L ) F( L ) rasgele değeri, L ve L arasıda f (.) i altıda hale alaı temsil etmektedir. Öcelikle tek değişkeli bir durum ele alısı: X, X,..., X F( x ) dağılımıda alımış rasgele bir öreklem ve,,..., ise (,) aralığıdaki Düzgü dağılımda alımış rasgele bir öreklem olsu. X : X:... X :: ve : :... :: sırasıyla X, X,..., X ile,,..., rasgele değişkelerii sıra istatistiklerii göstersi. 36
46 F( X ) = ( F( x ) sürekli bir rasgele değişkei dağılım foksiyou) olasılık-itegral döüşümü biçimide olacaktır. F( X ) D i: = i:, ı =,,..., Yukarıdaki bilgiler ışığıda L ve L i sıra istatistikleri seçilmesiyle, geel alamda toleras aralığı aşağıdaki gibi yazılabilir: ( F L ) F( L ) p) = γ P ~ (. 6. Kuatiller ve Güve Aralıkları F sürekli bir rasgele değişkei dağılım foksiyou ve F( x ) = p, x = F ( p), F( F ( p)) = p olmak üzere, p p dır. ( i: p ) = ( i: ) P X x P X F p = P( F( X ) p) i: i: = P( p) Bu durumda kitle kuatilleri içi güve aralığı aşağıdaki gibi ifade edilir: P( X x X ) = P( X F ( p) X ) r: p s: r: s: = P( X F ( p)) P( X F ( p)) r: s: = P( p) P( p) r: s: İki değişkeli olasılık itegral döüşümüü kullaarak kitle kuatilleri içi güve aralığı ifade etmek mümküdür: X, Y ),( X, Y ),...,( X, Y ) H( x, y) = ( F( x), G( y) ) ortak dağılım ( foksiyouda alımış iki değişkeli risk rasgele değişkelerii rasgele bir öreklemi olsu. H ( x, y ), sırasıyla X ve Y içi F ( x ) ve G ( y ) ayı marjial dağılımlı başka bir 37
47 dağılım foksiyou olsu. X : X:... X ::, X içi sıra istatistikleri ve Y[ r: ] = Y j X j = X r:, j =,,..., olmak üzere, Y [ r: ] X r:, r sıra istatistiğii eşleiği olsu. Ayrıca; F( xp) = p ve G( y ) p = p olmak üzere, x p ve ile sırasıyla F( x ) ve G( y ) i p -ici sıra kuatillerii göstersi. H X r, Y ) ve ( : [ r: ] H X s, Y ) iceliklerii H X r, Y ) < H X s, Y ) olduğu durumlar göz ( : [ s: ] öüe alısı. ( : [ r: ] ( : [ s: ] y p Bu durumda, iki değişkeli itegral döüşümü yardımıyla, { ( r: ) }, [ : ] < p, p < s:, [ : ] P H H X Y H x y H X Y r s r r = u, B ( r, r + ) ( u, v ) I ( u, v) δ ( p) ( u) d ( u v) s s u u d u, v B ( s, s + ) ( u, v ) I ( u, v) δ ( p) ( ) = Λ ( r, r ) Λ ( s, s ) p = π ( r, s,, p ) p (6.) ifadesi elde edilebilir. Burada δ ( p ), i köşegeidir; yai δ (, ) p = p p dir. (6.) eşitliği ile verile π ( r, s,, p) kitle kuatili içi güve aralığı olarak ifade edilebilir. Gerçekte de, (6.) eşitliği ayrıtılı olarak iceleirse, { ( r:, [ r: ] ) < ( p, p ) < ( s:, [ s: ] )} P H H X Y H x y H X Y { ( p, p ) ( ( s), [ s] )} H { ( p, p ) ( ( r), [ r] )} H { (, [ ]) (, )} { (, [ ]) (, )} s s p p H r r p p { ( ( r), [ r] ) ( p, p )} H { ( ( s), [ s] ) ( p, p )} = P H H x y < H X Y P H x y < H X Y = P H X Y H x y P H X Y H x y = P H H X Y H x y P H X Y H x y 38
48 r = F( x) F( x) dh ( x, y) B( r, r + ) x, y : H ( x, y) H x, y r { ( p p )} s F( x) F( x) dh ( x, y) B( s, s + ) x, y : H ( x, y) H x, y s ( ) { ( p p )} (6.3) H ( x, y) = ( F( x), G( y)) H ( x, y) = F( x), G( y) H ( x, y ) = ( F( x ), G( y )) = ( p, p) = d ( p) p p p p F( X ) = ve G( Y ) = V olmak üzere { ( r: ) }, [ : ] < p, p < s:, [ : ] P H H X Y r H x y H X Y s r = u B( r, r + ) u, v I u, v δ ( p) B( s, s + ) s r ( u) d ( u, v) s ( ) (, ) u u d u v u, v I u, v δ ( p) = Λ ( r, r) Λ ( s, s) p = π ( r, s,, p). p (6.4) eşitliğie ulaşılır ki, burada π ( r, s,, p) iceliğii H, H, F ve G de bağımsız olduğu görülmektedir. Burada bulua π ( r, s,, p) icelik ifadesi, γ olasılık düzeyide toleras aralığı içi esas ola ifadedir ve çeşitli p ~ değerleri içi ilgili dağılımlarda bağımsız olarak elde edilebilir (Gebizlioglu ve Yagci 8). 39
49 6.3 Yei Geelleştirilmiş Sarmaov Dağılımlar Ailesi İçi Örekler Bağımlı riskleri dağılımları, a bağımlılık parametreleri içerdiğide dolayı bağımlılığı değerledirilmesi içi hem teorik hem de uygulama kolaylığı öemie sahiptir. FGM dağılımları içi bağımlılık özellikleri, değişkeler arası ilişkii bir ölçüsü olarak korelasyo katsayısı ile yakıda ilgilidir (Deuit et. al. 999, Bairamov ve Kotz, Bairamov, Kotz ve Bekci, Bairamov, Kotz ve Gebizlioglu, Tak ve Gebizlioglu 4 ve Tak et. al. 6). Yei geelleştilmiş bazı sarmaov dağılımlar aileleri de ayı klasik FGM dağılımlarıda olduğu gibi basit bir aalitik yapıya sahiptir. Bağımlılık yapıları kolayca iceleebilmekte ve FGM dağılımlar aileside olduğu gibi değişkeler arası ölçüsü korelasyo katsayısı ile yakıda ilgilidir (Yağcı ). Buda dolayı, örekler yei geelleştirilmiş sarmaov dağılımlar ailesi durumu içi gösterilecektir. kopulası Sarmaov kopulası olarak aşağıdaki gibi alıacaktır: q q q q ( u, v) = u + v ( q + ) u v (6.5) q + ve d ( u, v ) ifadesi de şudur: q q q q d( u, v) = + α{ u + v ( q + ) u v } dudv. (6.6) q + Örek 6. ( u, v) = M ( u, v) = mi( u, v) olsu. içi (6.5) te ifade edile olasılık aşağıdaki gibi elde edilir: q!! ( s+ q ) ( + )! ( ) q+ ( p ) mi s+ q! r + q! π ( r, s,, q, p) = α p p + q! ( s )! r! + ( p) α s ( p) r ( p) q+ q+ + αp q ( r + q ) ( )!! s+ q ( p) r+ q ( p) s! r! 4
50 Burada, j = r, s içi p j j j ( p) = u ( u) du B( j, j + ) ve p j+ q j j+ q ( p) = u ( u) du B( j + q, j + ) dır. Örek 6. Eğer ( u, v) = W ( u, v) = max( u + v, ) alıırsa, p < içi: π max ( r, s,, q, p) = α q k = q q k! s + q k! r + q k! ( ) k ( k + )( + q k )! s! r! q q q k! s + q k! r + q k! α ( q + ) k k = ( k + )( + q k )! s! r! ve p içi: 4
51 π max ( r, s,, q, p) = α q k =! [ ] p q q k! s + q k! r + q k! ( ) k ( k + )( + q k )! s! r! q q q k! s + q k! r + q k! α ( q + ) k k = ( k + )( + q k )! s! r! s + q! r + q! α + q! s! r! q q q k! s + q k! r + q k! p + α ( ) k k= ( + q k )! ( s )! ( r )! k +! [ ] ( s ) p + q! ( ) q q q k! s + q k! r + q k! p + α ( q + ) k= k ( + q k )! s! r! k + α + + [ p ] s ( p ) r ( p ) q + α s s p r r p + q α ( ) k+ k+ + q! r + q! s+ q ( p ) r+ q ( p ) s! r!! s + q! r + q! + α s+ q+ ( p ) r+ q+ ( p ) ( + q)! s! r! k+ q q q k! p s + q k! r + q k! + α s q k ( p ) r q k ( p ) k k + + = ( + q k )! k + s! r! q q k+ q k k +! s + q + z k! r + q + z k! α ( ) s+ q+ z k ( p ) r+ q+ z k ( p ) k= k z= z ( k + )( + q + z k )! ( s )! ( r )! α ( q ) k+ q q q k! p s + q k! r + q k! α ( q + ) s q k ( p ) r q k ( p ) k k + + = ( + q k )! k + s! r! + q + q k k +! s + q + z k! r + q + z k! ( ) s+ q+ z k ( p ) r+ q+ z k ( p ) k z ( k + )( + q + z k )! ( s )! ( r )! q k k= z= dır. Burada, j = r, s içi p j j j ( p ) = u ( u) du, B( j, j + ) p j+ q j j+ q ( p ) = u ( u) du, B( j + q, j + ) 4
52 p j+ q j j+ q+ ( p ) = u ( u) du, B( j + q +, j + ) p j+ q k j j+ q k ( p ) = u ( u) du B( j + q k, j + ) p j+ q k j j+ q k ( p ) = u ( u) du B( j + q k, j + ) p j+ q+ z k j j+ q+ z k ( p ) = u ( u) du B( j + q + z k, j + ) p j+ q+ z k j j+ q+ z k ( p ) = u ( u) du B( j + q + z k, j + ) dır. Örek 6.3 ( u, v) = Π ( u, v) = uv olduğuda, araa olasılık aşağıdaki gibi elde edilir: π Π ( r, s,, q, p) = 43
53 ( r ) α r + j=! [ ]! ( r j p ) B( r, r + )! q + + j r + + j r + ( r + q )! r+ q! ( r ) j p + q! j= ( + j r + )( + j r + ) ( r + q )! r q ( + j r)!( q + j)! ( r )! j q ( p ) ( q ) + +! j= j! ( + q + j r + )! ( r )! r ( + j r)!( q + j)! α ( r + )! ( ) j+ q p! j= ( + q + j r + )! ( s ) α s (, ) +! + j= ( + + )( + + ) + α + + α + ( q + )! [ ]! ( s + j p ) B s s q j s j s ( s + q s+ q ) + q! j= ( + j s + )( + j s + ) ( s q )! s q ( + j s)!( q + j)! ( s )! ( q ) j+ q p! j= j! ( + q + j s + )!! ( + α s + p ) + α + s ( s )! ( + j s)!( q + j)! ( q + ) α ( s + )! j+ q ( p )} ( )! j!( + q + j s + )! Burada k = r, s içi j= j j! ( k + )! + j k +! j j, k ( p ) = u ( u) k+ du ve p ( j + q) ( k + ) + q + j k +! p j+ q j q, k ( p ) u ( u) k + = + du!! dır. 44
54 7. BAĞIMLI RİSKLER İÇİN RİSKE MARZ DEĞER (VaR) Risk, aktif veya pasif itelikteki varlıkları değerleride meydaa gelebilecek olumsuz değişimleri ortaya çıkma olasılığıdır. Aktueryal risk yöetimi; sigortacılık uygulamalarıda olası hasar/zarar durumuu değerledirilmesi ve ilgili optimal aktüeryal kararları alımasıyla alakalı koularla ilgileir, ayrıca sigortalaa ve sigortalaya arasıda ortak bir kou ola hasar miktarlarıa karşı optimal prim ve rezerv hesaplarıı yapılmasıa ilişki kuram ve yötemleri sumaktır. Güçlü risk yöetimi ola kuruluşlar (bakalar, sigorta şirketleri, vb.); aldıkları piyasa, kredi ve operasyoel riskleri ayrıtıları ile iceler, olası krizlere ilişki kayıplarıı daha öcede belirler, bu kayıpları miimize etmek içi öcede ölemler alır, aldıkları risk ile kazaçları karşılaştırır ve riski almaya değip değmeyeceğii öcede değerledirirler. Aktueryal riski ölçmek içi Aktueryal risk yöetimide, hasar veya zarar icelikleri rasgele değerler olup sigortacılık gerçekliğie uygu olasılık dağılım modelleri ile ifade edilir (Kaas vd.. 8, Deuit vd. 5). Riski ifade edilmesi içi Riske Maruz Değer (VaR, Value-at-Risk) Beklee/Beklemeye Kayıp Yeterli Ekoomik Sermaye Yükümlülük Karşılama Yeteeği (Solvecy) gibi çeşitli ölçütler kullaılmaktadır. Bularda VaR, dağılımları kuatilleri ile yakıda ilitili bir ölçüttür. X risk rasgele değişkei, F, X ' i dağılım foksiyou, p (,) bir olasılık düzeyi olmak üzere; p düzeyide VaR şu şekilde taımlaır: [ ] = VaRp X FX p 45
55 Embrechts et. al. (3) i yapmış olduğu çalışmada, global pozisyo olarak adladırıla foksiyo aşağıdaki gibi taımlamıştır: Ψ : R R Bu foksiyo X, X,..., X risklerii marjial kar-zarar dağılımları bilidiğide, ( X X X ) Ψ,,..., global pozisyouu VaR ı alıarak, bir (üst) sıır yazmakta kullaılmaktadır. Özel halde, Embrechts et. al. (3) i çalışmasıda = içi Ψ ( x, x ) = x + x alıarak VaR Ψ ( X, X ) p içi bir üst sıır yazılmıştır. Üst sıır yazma amaçları ise, bu bağımlı riskleri ortak dağılımlarıı bilimemesi durumuda kayaklamaktadır. Ortak dağılımlarıı bilidiğide hareketle yola çıkılarak Ψ i bir dağılım foksiyou olduğu düşüülecek olursa, (.) ciside ulaşılabilir: VaR ifadesie kopulalar X, Y ),( X, Y ),...,( X, Y ) H ( x, y) = ( F( x), G( y) ) ortak dağılım ( foksiyouda alımış iki değişkeli risk rasgele değişkelerii rasgele bir öreklemi olsu. ( X, Y ) Ψ, sırasıyla X ve Y içi F( x ) ve G( y ) ayı marjial dağılımlı başka bir dağılım foksiyou olsu ve Ψ ( x, y) = ( F( x), G( y)) olsu. X X... X, X içi sıra istatistikleri ve Y[ ] Y X X j : : : p r: = j = r:, = j,,..., olmak üzere, Y [ r: ] X r:, r sıra istatistiğii eşleiği olsu. Ayrıca; F( xp) = p ve G( yp) = p olmak üzere, x p ve y p ile sırasıyla F( x ) ve G( y ) i p -ici sıra kuatillerii gösterilsi. Marjial VaR ları sırasıyla VaR [ X ] F ( p) p [ ] = ile gösterilsi. Bu durumda VaRp Ψ ( X, Y ) VaR Y G p edilebilir: r r VaRp Ψ X Y = u u d u v ( u, v ) I ( u, v ) p gerçekte de görülebileceği gibi (, ) κ ( ) (, ) p = ve aşağıdaki gibi ifade, 46
İşlenmemiş veri: Sayılabilen yada ölçülebilen niceliklerin gözlemler sonucu elde edildiği hali ile derlendiği bilgiler.
OLASILIK VE İSTATİSTİK DERSLERİ ÖZET NOTLARI İstatistik: verileri toplaması, aalizi, suulması ve yorumlaması ile ilgili ilkeleri ve yötemleri içere ve bu işlemleri souçlarıı probabilite ilkelerie göre
DetaylıBir Rasgele Değişkenin Fonksiyonunun Olasılık Dağılımı
5.Ders Döüşümler Bir Rasgele Değişkei Foksiyouu Olasılık Dağılımı Bu kısımda olasılık dağılımı bilie bir rasgele değişkei foksiyoları ola rasgele değişkeleri olasılık dağılımlarıı buluması ile ilgileeceğiz.
Detaylı2016 YILI I.DÖNEM AKTÜERLİK SINAVLARI RİSK ANALİZİ VE AKTÜERYAL MODELLEME. aşağıdaki seçeneklerden hangisinde verilmiştir? n exp 1.
06 YILI I.DÖNEM AKTÜERLİK SINAVLARI Soru Toplam hasar miktarı S i olasılık ürete foksiyou X x i PS ( t) = E( t ) = exp λi( t ) ise P S(0) aşağıdaki seçeeklerde hagiside verilmiştir? A) 0 B) C) exp λ i
DetaylıTahmin Edici Elde Etme Yöntemleri
6. Ders Tahmi Edici Elde Etme Yötemleri Öceki derslerde ve ödevlerde U(0; ) ; = (0; ) da¼g l m da, da¼g l m üst s r ola parametresi içi tahmi edici olarak : s ra istatisti¼gi ve öreklem ortalamas heme
DetaylıAKT201 MATEMATİKSEL İSTATİSTİK I ÖDEV 6 ÇÖZÜMLERİ
AKT MATEMATİKSEL İSTATİSTİK I ÖDEV 6 ÇÖZÜMLERİ KESİKLİ RASLANTI DEĞİŞKENLERİ & KESİKLİ DAĞILIMLAR. X aşağıdaki olasılık foksiyoua sahip kesikli bir r.d. olsu. Bua göre;. ; x =.. ; x =. 4. ; x =. 5 p X
Detaylıİleri Diferansiyel Denklemler
MIT AçıkDersSistemi http://ocw.mit.edu 18.034 İleri Diferasiyel Deklemler 2009 Bahar Bu bilgilere atıfta bulumak veya kullaım koşulları hakkıda bilgi içi http://ocw.mit.edu/terms web sitesii ziyaret ediiz.
DetaylıKi- kare Bağımsızlık Testi
PARAMETRİK OLMAYAN İSTATİSTİKSEL TEKNİKLER Prof. Dr. Ali ŞEN Ki- kare Bağımsızlık Testi Daha öceki bölümlerde ölçümler arasıdaki ilişkileri asıl iceleeceğii gördük. Acak sıklıkla ilgileile veriler ölçüm
Detaylıf n dµ = lim gerçeklenir. Gösteriniz (Bu teorem Monoton yakınsaklık teoreminde yakınsaklık f n = f ve (f n ) monoton artan dizi
4.2. Pozitif Foksiyoları İtegrali SOU : f ), M +, A) kümeside bulua foksiyoları mooto arta dizisi ve h.h.h. f = f ise f dµ = f dµ gerçekleir. Gösteriiz Bu teorem Mooto yakısaklık teoremide yakısaklık yerie
DetaylıBÖLÜM 3 YER ÖLÇÜLERİ. Doç.Dr. Suat ŞAHİNLER
BÖLÜM 3 YER ÖLÇÜLERİ İkici bölümde verileri frekas tablolarıı hazırlaması ve grafikleri çizilmesideki esas amaç; gözlemleri doğal olarak ait oldukları populasyo dağılışıı belirlemek ve dağılışı geel özelliklerii
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık Ders 3: MERKEZİ EĞİLİM VE DAĞILMA ÖLÇÜLERİ Prof. Dr. İrfa KAYMAZ Taım Araştırma souçlarıı açıklamasıda frekas tablosu ve poligou isteile bilgiyi her zama sağlamayabilir. Verileri
Detaylı4/16/2013. Ders 9: Kitle Ortalaması ve Varyansı için Tahmin
4/16/013 Ders 9: Kitle Ortalaması ve Varyası içi Tahmi Kitle ve Öreklem Öreklem Dağılımı Nokta Tahmii Tahmi Edicileri Özellikleri Kitle ortalaması içi Aralık Tahmii Kitle Stadart Sapması içi Aralık Tahmii
DetaylıBİYOİSTATİSTİK İstatistiksel Tahminleme ve Hipotez Testlerine Giriş Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH
BİYOİSTATİSTİK İstatistiksel Tahmileme ve Hipotez Testlerie Giriş Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH Ege Üiversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr
DetaylıEME 3117 SİSTEM SIMÜLASYONU. Girdi Analizi Prosedürü. Dağılıma Uyum Testleri. Dağılıma Uyumun Kontrol Edilmesi. Girdi Analizi-II Ders 9
..7 EME 37 Girdi Aalizi Prosedürü SİSTEM SIMÜLASYONU Modelleecek sistemi (prosesi) dokümate et Veri toplamak içi bir pla geliştir Veri topla Verileri grafiksel ve istatistiksel aalizii yap Girdi Aalizi-II
DetaylıÖğrenci Numarası İmzası: Not Adı ve Soyadı
Öğreci Numarası İmzası: Not Adı ve Soyadı SORU 1. a) Ekoomii taımıı yapıız, amaçlarıı yazıız. Tam istihdam ile ekoomik büyüme arasıdaki ilişkiyi açıklayıız. b) Arz-talep kauu edir? Arz ve talep asıl artar
DetaylıCebirsel Olarak Çözüme Gitmede Wegsteın Yöntemi
3 Cebirsel Olarak Çözüme Gitmede Wegsteı Yötemi Bu yötem bir izdüşüm tekiğie dayaır ve yalış pozisyo olarak isimledirile matematiksel tekiğe yakıdır. Buradaki düşüce f() çizgisi üzerideki bilie iki oktada
DetaylıTAHMİNLEYİCİLERİN ÖZELLİKLERİ Sapmasızlık 3.2. Tutarlılık 3.3. Etkinlik minimum varyans 3.4. Aralık tahmini (güven aralığı)
3 TAHMİNLEYİCİLERİN ÖZELLİKLERİ 3.1. Sapmasızlık 3.. Tutarlılık 3.3. Etkilik miimum varyas 3.4. Aralık tahmii (güve aralığı) İyi bir tahmi edici dağılımı tahmi edilecek populasyo parametresie yakı civarda
DetaylıİSTATİSTİK DERS NOTLARI
Balıkesir Üiversitesi İşaat Mühedisliği Bölümü umutokka@balikesir.edu.tr İSTATİSTİK DERS NOTLARI Yrd. Doç. Dr. Umut OKKAN idrolik Aabilim Dalı Balıkesir Üiversitesi İşaat Mühedisliği Bölümü Bölüm 5 Örekleme
DetaylıBağımsızlık özelliğinden hareketle Ortak olasılık fonksiyonu (sürekli ise
YTÜ-İktisat İstatistik II Örekleme ve Öreklem Dağılımları BASİT RASSAL ÖRNEKLEME N tae ese arasıda taelik bir öreklem seçilmesii istediğii düşüelim. eseli olaaklı her öreklemi seçilme şasıı eşit kıla seçim
DetaylıTOPOLOJİK TEMEL KAVRAMLAR
TOPOLOJİK TEMEL KAVRAMLAR 1.1. Kümeler ve Foksiyolar A ı bir elemaıa B i yalız bir elemaıı eşleye bağıtıya bir foksiyo deir. f : A B, Domf = U A ve ragef B dir. Taım 1.1.1. f : A B foksiyou içi V A olsu.
Detaylı(3) Eğer f karmaşık değerli bir fonksiyon ise gerçel kısmı Ref Lebesgue. Ref f. (4) Genel karmaşık değerli bir fonksiyon için. (6.
Problemler 3 i Çözümleri Problemler 3 i Çözümleri Aşağıdaki özellikleri kaıtlamaızı ve buu yaıda daha fazla soyut kaıt vermeizi isteyeceğiz. h.h. eşitliğii ölçümü sıfır ola bir kümei tümleyei üzeride eşit
DetaylıALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI
ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI Bezetimi e öemli faydalarıda birisi, uygulamaya koymada öce alteratifleri karşılaştırmaı mümkü olmasıdır. Alteratifler; Fabrika yerleşim tasarımları Alteratif üretim
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık Ders 3: MERKEZİ EĞİLİM VE DAĞILMA ÖLÇÜLERİ Prof. Dr. İrfa KAYMAZ Taım Araştırma souçlarıı açıklamasıda frekas tablosu ve poligou isteile bilgiyi her zama sağlamayabilir. Verileri
DetaylıVeri nedir? p Veri nedir? p Veri kalitesi p Veri önişleme. n Geometrik bir bakış açısı. n Olasılıksal bir bakış açısı
Veri edir? p Veri edir? Geometrik bir bakış açısı p Bezerlik Olasılıksal bir bakış açısı p Yoğuluk p Veri kalitesi p Veri öişleme Birleştirme Öreklem Veri küçültme p Temel bileşe aalizi (Pricipal Compoet
DetaylıLİNEER OLMAYAN DENKLEMLERİN SAYISAL ÇÖZÜM YÖNTEMLERİ-2
LİNEER OLMAYAN DENKLEMLERİN SAYISAL ÇÖZÜM YÖNTEMLERİ SABİT NOKTA İTERASYONU YÖNTEMİ Bu yötemde çözüme gitmek içi f( olarak verile deklem =g( şeklie getirilir. Bir başlagıç değeri seçilir ve g ( ardışık
DetaylıALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI
µ µ içi Güve Aralığı ALTERNATİF İTEMLERİN KARŞILAŞTIRILMAI Bezetimi e öemli faydalarıda birisi, uygulamaya koymada öce alteratifleri karşılaştırmaı mümkü olmasıdır. Alteratifler; Fabrika yerleşim tasarımları
DetaylıİSTATİSTİK 2. Tahmin Teorisi 07/03/2012 AYŞE S. ÇAĞLI. aysecagli@beykent.edu.tr
İSTATİSTİK 2 Tahmi Teorisi 07/03/2012 AYŞE S. ÇAĞLI aysecagli@beyket.edu.tr İstatistik yötemler İstatistik yötemler Betimsel istatistik Çıkarımsal istatistik Tahmi Hipotez testleri Nokta tahmii Aralık
DetaylıNOT: BU DERS NOTLARI TEMEL EKONOMETRİ-GUJARATİ KİTABINDAN DERLENMİŞTİR. HAFTA 1 İST 418 EKONOMETRİ
NOT: BU DERS NOTLARI TEMEL EKONOMETRİ-GUJARATİ KİTABINDAN DERLENMİŞTİR. KULLANILAN ŞEKİLLERİN VE NOTLARIN TELİF HAKKI KİTABIN YAZARI VE BASIM EVİNE AİTTİR. HAFTA 1 İST 418 EKONOMETRİ Ekoometri: Sözcük
DetaylıPOLİNOMLAR. reel sayılar ve n doğal sayı olmak üzere. n n. + polinomu kısaca ( ) 2 3 n. ifadeleri polinomun terimleri,
POLİNOMLAR Taım : a0, a, a,..., a, a reel sayılar ve doğal sayı olmak üzere P x = a x + a x +... + a x + a x + a biçimideki ifadelere x e bağlı reel katsayılı poliom (çok terimli) deir. 0 a 0 ax + a x
Detaylı6. BÖLÜM VEKTÖR UZAYI VEKTÖR UZAYI VEKTÖR UZAYLARI
6. BÖLÜM VEKTÖR LARI -BOYUTLU (ÖKLİT) I Taım: Eğer pozitif bir tam sayı ise sıralı -sayı, gerçel sayılar kümesideki adet sayıı (a 1, a 2,, a ) bir dizisidir. Tüm sıralı -sayılarıı kümesi -boyutlu uzay
DetaylıÖZET Doktora Tezi KISITLI DURUM KALMAN FİLTRESİ VE BAZI UYGULAMALARI Esi KÖKSAL BABACAN Akara Üiversitesi Fe Bilimleri Estitüsü İstatistik Aabilim Dal
ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ DOKTORA TEZİ KISITLI DURUM KALMAN FİLTRESİ VE BAZI UYGULAMALARI Esi KÖKSAL BABACAN İSTATİSTİK ANABİLİM DALI ANKARA 2009 Her hakkı saklıdır ÖZET Doktora Tezi
DetaylıARAŞTIRMA MAKALESİ /RESEARCH ARTICLE
ANADOLU ÜNİVERSİTESİ BİLİM VE TEKNOLOJİ DERGİSİ ANADOLU UNIVERSITY JOURNAL OF SCIENCE AND TECHNOLOGY Cilt/Vol.:-Sayı/No: : 355-366 (9) ARAŞTIRMA MAKALESİ /RESEARCH ARTICLE TEK DEĞİŞKENLİ KARARLI DAĞILIMLAR,
Detaylı3. Ders Parametre Tahmini Tahmin Edicilerde Aranan Özellikler
3. Ders Parametre Tahmii Tahmi Edicilerde Araa Özellikler Gerçek düyada rasgelelik olgusu içere bir özellik ile ilgili ölçme işlemie karş l k gele X rasgele de¼gişkeii olas l k (yo¼guluk) foksiyou, F ff(;
DetaylıISF404 SERMAYE PİYASALARI VE MENKUL KIYMETYÖNETİMİ
8. HAFTA ISF404 SERMAYE PİYASALARI VE MENKUL KIYMETYÖNETİMİ PORTFÖY YÖNETİMİ II Doç.Dr. Murat YILDIRIM muratyildirim@karabuk.edu.tr Geleeksel Portföy Yaklaşımı, Bu yaklaşıma göre portföy bir bilim değil,
Detaylıİstatistik Ders Notları 2018 Cenap Erdemir BÖLÜM 5 ÖRNEKLME DAĞILIMLARI. 5.1 Giriş
İstatistik Ders Notları 08 Ceap Erdemir BÖLÜM 5 ÖRNEKLME DAĞILIMLARI 5. Giriş Öreklem istatistikleri kullaılarak kitle parametreleri hakkıda çıkarsamalar yapmak istatistik yötemleri öemli bir bölümüü oluşturur.gülük
Detaylı4. Ders Fisher informasyonu s f rdan büyük ve sonlu, yani 0 < I() < 1; R f(x; )dx (kesikli da¼g l mlarda R yerine P.
4. Ders tkilik Küçük varyasl olmak, tahmi edicileri vazgeçilmez bir özelli¼gidir. Bir tahmi edicii, yal veya yas z, küçük varyasl olmas isteir. Parametrei kedisi () veya bir foksiyou (g()) ile ilgili tahmi
DetaylıBİR ÇUBUĞUN MODAL ANALİZİ. A.Saide Sarıgül
BİR ÇUBUĞUN MODAL ANALİZİ A.Saide Sarıgül DENEYİN AMACI: Akastre bir çubuğu modal parametrelerii (doğal frekas, titreşim biçimi, iç söümü) elde edilmesi. TANIMLAMALAR: Modal aaliz: Titreşe bir sistemi
DetaylıHİPOTEZ TESTLERİ. İstatistikte hipotez testleri, karar teorisi olarak adlandırılır. Ortaya atılan doğru veya yanlış iddialara hipotez denir.
HİPOTEZ TETLERİ İstatistikte hipotez testleri, karar teorisi olarak adladırılır. Ortaya atıla doğru veya yalış iddialara hipotez deir. Öreği para hilesizdir deildiğide bu bir hipotezdir. Ortaya atıla iddiaya
DetaylıÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ
İSTATİSTİKSEL TAHMİNLEME VE İSTATİSTİKSEL YORUMLAMA TAHMİNLEME SÜRECİ VE YORUMLAMA SÜRECİ ÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ ÖRNEKLEME VE ÖRNEKLEME ÖRNEKLEME DAĞILIMLARI VE ÖRNEKLEME DAĞILIMLARI Yorumlama
DetaylıİÇİNDEKİLER. Ön Söz Polinomlar II. ve III. Dereceden Denklemler Parabol II. Dereceden Eşitsizlikler...
İÇİNDEKİLER Ö Söz... Poliomlar... II. ve III. Derecede Deklemler... Parabol... 9 II. Derecede Eşitsizlikler... 8 Trigoometri... 8 Logaritma... 59 Toplam ve Çarpım Sembolü... 7 Diziler... 79 Özel Taımlı
Detaylı7. Ders. Bazı Kesikli Olasılık Dağılımları
Hatırlatma: ( Ω, U, P) bir olasılık uzayı ve 7. Ders Bazı Kesikli Olasılık Dağılımları : Ω ω R ( ω) foksiyou Borel ölçülebilir, yai B B içi { ω Ω : ( ω) B } U oluyorsa foksiyoua bir Rasgele Değişke deir.
Detaylı2.2. Fonksiyon Serileri
2.2. Foksiyo Serileri Taım.. Herhagi bir ( u (x reel (gerçel değerli foksiyo dizisi verilsi. Bu m foksiyo dizisii tüm terimlerii toplamıa, yai u m (x + u m+ (x + u m+2 (x + u m+3 (x + + u m+ (x + = k=m
DetaylıÜSTEL VE Kİ-KARE DAĞILIMLARI ARASINDAKİ İLİŞKİNİN SİMULASYON İLE ÜRETİLEN RANDOM SAYILARLA GÖSTERİLMESİ
C.Ü. İktisadi ve İdari Bilimler Dergisi, Cilt 4, Sayı, 3 97 ÜSTEL VE Kİ-KARE DAĞILIMLARI ARASINDAKİ İLİŞKİNİN SİMULASYON İLE ÜRETİLEN RANDOM SAYILARLA GÖSTERİLMESİ Yalçı KARAGÖZ Cumhuriyet Üiversitesi
DetaylıREGRESYON DENKLEMİNİN HESAPLANMASI Basit Doğrusal Regresyon Basit doğrusal regresyon modeli: .. + n gözlem için matris gösterimi,. olarak verilir.
203-204 Bahar REGRESYON DENKLEMİNİN HESAPLANMASI Basit Doğrusal Regresyo Basit doğrusal regresyo modeli: y i = β 0 + β x i + ε i Modeli matris gösterimi, y i = [ x i ] β 0 β + ε i şeklidedir. x y 2 gözlem
DetaylıSevdiğiniz her şey güvence altında
HAKKINDA Sevdiğiiz her şey güvece altıda Baksaş Sigorta 1994 yılıda Türkiye i öemli saayi şirketleri arasıda yer ala Bakioğlu Holdig büyeside kurulmuştur. Bakioğlu Holdig; Ambalaj Grup Şirketleri yaıda;
Detaylı5. Ders Yeterlilik. f(x 1 ; x 2 ; :::; x n ; ) = g (T (x 1 ; x 2 ; :::; x n ); ) h(x 1 ; x 2 ; :::; x n )
5. Ders Yeterlilik Yeterlilik Ilkesi: Bir T(X ; X ; :::; X ) istatisti¼gi, hakk da yeterli bir istatistik olacaksa hakk da herhagi bir souç ç kar m T arac l ¼g ile (X ; X,...,X ) öreklemie ba¼gl olmal
DetaylıBASAMAK ATLAYARAK VEYA FARKLI ZIPLAYARAK İLERLEME DURUMLARININ SAYISI
Projesii Kousu: Bir çekirgei metre, metre veya 3 metre zıplayarak uzuluğu verile bir yolu kaç farklı şekilde gidebileceği ya da bir kişii veya (veya 3) basamak atlayarak basamak sayısı verile bir merdivei
DetaylıAnaliz II Çalışma Soruları-2
Aaliz II Çalışma Soruları- So gücelleme: 04040 (I Aşağıdaki foksiyoları (ilgili değişkelere göre türevlerii buluuz 7 cos π 8 log (si π ( si ta e 9 4 5 6 + cot 0 sec sit t si( e + e arccos ( e cos(ta (II
DetaylıDolar Kuru ile Tüketici Fiyat Endeksi Arasındaki İlişkinin Archimedean Kapula ile Modellenmesi
BSAD Bakacılık ve Sigortacılık Araştırmaları Dergisi Cilt, Sayı 7-8, (Kasım 05), ss.53-6 Telif Hakkı Akara Üiversitesi Beypazarı Meslek Yüksekokulu Dolar Kuru ile Tüketici Fiyat Edeksi Arasıdaki İlişkii
Detaylı5. Ders. Dağılımlardan Rasgele Sayı Üretilmesi Ters Dönüşüm Yöntemi
5. Drs Dağılımlarda Rasgl Sayı Ürtilmsi Trs Döüşüm Yötmi sürkli bir rasgl dğişk v bu rasgl dğişki dağılım foksiyou olsu. Dağılımı dstk kümsi üzrid dağılım foksiyou arta v bir-bir bir foksiyo olmaktadır.
DetaylıON THE TRANSFORMATION OF THE GPS RESULTS
Niğde Üiversitesi Mühedislik Bilimleri Dergisi, Cilt 6 Sayı -, (00), 7- GPS SONUÇLARININ DÖNÜŞÜMÜ ÜZERİNE BİR İNCELEME Meti SOYCAN* Yıldız Tekik Üiversitesi, İşaat Fakültesi, Jeodezi Ve Fotogrametri Mühedisliği
DetaylıORTALAMA EŞĐTSĐZLĐKLERĐNE GĐRĐŞ
ORTALAMA EŞĐTSĐZLĐKLERĐNE GĐRĐŞ Lokma Gökçe Olimpiyat problemlerii çözümüde eşitsizlik teorisi öemli bir yer tutar. Baze bir maksimum miimum değer problemide, baze bir geometrik eşitsizlik kaıtıda, baze
DetaylıAKIŞKAN BORUSU ve VANTİLATÖR DENEYİ
AKIŞKA BORUSU ve ATİLATÖR DEEYİ. DEEYİ AMACI a) Lüle ile debi ölçmek, b) Dairesel kesitli bir borudaki türbülaslı akış şartlarıda hız profili ve eerji kayıplarıı deeysel olarak belirlemek ve literatürde
DetaylıSAYISAL ÇÖZÜMLEME. Sayısal Çözümleme
SAYISAL ÇÖZÜMLEME Saısal Çözümleme SAYISAL ÇÖZÜMLEME 8. Hafta İNTERPOLASYON Saısal Çözümleme 2 İÇİNDEKİLER Ara Değer Hesabı İterpolaso Doğrusal Ara Değer Hesabı MATLAB ta İterpolaso Komutuu Kullaımı Lagrace
Detaylı6. Uygulama. dx < olduğunda ( )
. Uygulama Hatırlatma: Rasgele Değşelerde Belee Değer Kavramı br rasgele değşe ve g : R R br osyo olma üzere, ) esl ve g ) ) < olduğuda D ) sürel ve g ) ) d < olduğuda g belee değer der. c R ve br doğal
DetaylıTümevarım_toplam_Çarpım_Dizi_Seri. n c = nc i= 1 n ca i. k 1. i= r n. Σ sembolü ile bilinmesi gerekli bazı formüller : 1) k =1+ 2 + 3+...
MC formülüü doğruluğuu tümevarım ilkesi ile gösterelim. www.matematikclub.com, 00 Cebir Notları Gökha DEMĐR, gdemir@yahoo.com.tr Tümevarım_toplam_Çarpım_Dizi_Seri Tümevarım Metodu : Matematikte kulladığımız
DetaylıPOLİNOMLARDA İNDİRGENEBİLİRLİK. Derleyen Osman EKİZ Eskişehir Fatih Fen Lisesi 1. GİRİŞ
POLİNOMLARDA İNDİRGENEBİLİRLİK Derleye Osma EKİZ Eskişehir Fatih Fe Lisesi. GİRİŞ Poliomları idirgeebilmesi poliomları sıfırlarıı bulmada oldukça öemlidir. Şimdi poliomları idirgeebilmesi ile ilgili bazı
Detaylısorusu akla gelebilir. Örneğin, O noktasından A noktasına hareket, OA sembolü ile gösterilir
BÖLÜM 1: VEKTÖRLER Vektörleri taımlamak içi iki yol vardır: uzayda oktalara karşılık gele bir koordiat sistemideki oktalar veya büyüklük ve yöü ola eseler. Bu kısımda, ede iki vektör taımıı buluduğu açıklaacak
DetaylıBAĞINTI VE FONKSİYON
BAĞINTI VE FONKSİYON SIRALI N-Lİ x, x, x,..., x tae elema olsu. ( x, x, x,..., x ) yazılışıda elemaları sırası öemli ise x, x, x,..., x ) e sıralı -li deir. x, x, x,..., x ) de ( x (, x, x ( x, ) sıralı
Detaylıˆp x p p(1 p)/n. Ancak anakütle oranı p bilinmediğinden bu ilişki doğrudan kullanılamaz.
YTÜ-İktisat İstatistik II Aralık Tahmii II 1 ANAKÜTLE ORANININ (p GÜVEN ARALIKLARI (BÜYÜK ÖRNEKLEMLERDE Her birii başarı olasılığı p ola birbiride bağımsız Beroulli deemeside öreklemdeki başarı oraıı ˆp
DetaylıANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LISANS TEZİ MARKOV ZİNCİRLERİNDE BOOTSTRAP. Serhat DUMAN İSTATİSTİK ANABİLİM DALI ANKARA 2006
ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LISANS TEZİ MARKOV ZİNCİRLERİNDE BOOTSTRAP Serhat DUMAN İSTATİSTİK ANABİLİM DALI ANKARA 26 Her hakkı saklıdır Yrd. Doç. Dr. İhsa KARABULUT u daışmalığıda,
DetaylıYatırım Projelerinde Kaynak Dağıtımı Analizi. Analysis of Resource Distribution in Investment Projects
Uşak Üiversitesi Sosyal Bilimler Dergisi (2012) 5/2, 89-101 Yatırım Projeleride Kayak Dağıtımı Aalizi Bahma Alp RENÇBER * Özet Bu çalışmaı amacı, yatırım projeleride kayak dağıtımıı icelemesidir. Yatırım
Detaylı( 1) ( ) işleminde etkisiz eleman e, tersi olmayan eleman t ise te kaçtır? a) 4/3 b) 3/4 c) -3 d) 4 e) Hiçbiri
V MERSİN MATEMATİK OLİMPİYATI (ÜNV ÖĞR) I AŞAMA SINAV SORULARI ( Nisa 8) de ye taımlı, birebir ve örte f ve g foksiyoları her bir içi koşuluu sağlası g( a ) = ve f ( ) ( ) ( ) f = g a 4 = a ise a sayısı
DetaylıKOPULALAR TEORSNN FNANSTA UYGULAMALARI
EGE ÜNVERSTES FEN BLMLER ENSTTÜSÜ YÜKSEK LSANS TEZ ) KOPULALAR TEORSNN FNANSTA UYGULAMALARI Gökur YAPAKÇI Teorik statistik Aabilim Dalı Bilim Dalı Kodu: 406.0.0 Suum Tarihi: 08.08.007 Tez Daımaı: Yrd.
DetaylıAKTÜERLK SINAVLARI OLASILIK VE STATSTK SINAVI ÖRNEK SORULARI. için. 01 olaslk younluk fonksiyonu aa daki seçeneklerden hangisinde yer.
SORU : AKTÜERLK SINAVLARI OLASILIK VE STATSTK SINAVI ÖRNEK SORULARI X raslat deikeii olas l k youluk foksiyou 8x, x f(x) = 0, ö.d olarak verilmitir. Bua göre 0< y içi Y = raslat deikeii X olaslk youluk
DetaylıBurçin Gonca OKATAN YÜKSEK LİSANS TEZİ İSTATİSTİK GAZİ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ AĞUSTOS 2007 ANKARA
UYUM İYİLİĞİ İÇİN AMICO TEK-ÖRNEK TESTİ VE İĞER UYUM İYİLİĞİ TESTLERİ İLE KARŞILAŞTIRILMASI Burçi Goca OKATAN YÜKSEK LİSANS TEZİ İSTATİSTİK GAZİ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ AĞUSTOS 7 ANKARA TEZ
DetaylıÖĞRENME ETKİLİ HAZIRLIK VE TAŞIMA ZAMANLI PARALEL MAKİNELİ ÇİZELGELEME PROBLEMİ
Öğreme Etkili Hazırlık ve Taşıma Zamalı Paralel Makieli Çizelgeleme Problemi HAVACILIK VE UZAY TEKNOLOJİLERİ DERGİSİ TEMMUZ 2006 CİLT 2 SAYI 4 (67-72) ÖĞRENME ETKİLİ HAZIRLIK VE TAŞIMA ZAMANLI PARALEL
DetaylıNİÇİN ÖRNEKLEME YAPILIR?
İÇİ ÖREKEME YAPIIR? Zama Kısıdı Maliyeti Azaltma Hata Oraıı Azaltma Souca Ulaşma Hızı Doç.Dr. Ali Kemal ŞEHİRİOĞU Araş.Gör. Efe SARIBAY Örekleme Teorisi kousuu içide, Örekleme Tipleri populasyoda örek
DetaylıİSTATİSTİKSEL TAHMİN. Prof. Dr. Levent ŞENYAY VIII - 1 İSTATİSTİK II
8 İSTATİSTİKSEL TAHMİN 8.. İstatistiksel tahmileyiciler 8.. Tahmileyicileri Öellikleri 8... Sapmasılık 8... Miimum Varyaslılık 8..3. Etkilik 8.3. Aralık Tahmii 8.4. Tchebysheff teoremi Prof. Dr. Levet
Detaylıx 2$, X nın bir tahminidir. Bu durumda x ile X arasındaki farka bu örnek için örnekleme hatası x nın örnekleme hatasıdır. X = x - (örnekleme hatası)
4 ÖRNEKLEME HATASI 4.1 Duyarlılık 4. Güveilirik 4.3 Örek hacmi ve uyarlılık arasıaki ilişki 4.4 Örek hacmi ve göreceli terimler ile uyarlılık arasıaki ilişki 4.5 Hata kareler ortalaması Örekte ele eile
Detaylı5 İKİNCİ MERTEBEDEN LİNEER DİF. DENKLEMLERİN SERİ ÇÖZÜMLERİ
5 İKİNCİ MERTEBEDEN LİNEER DİF. DENKLEMLERİN SERİ ÇÖZÜMLERİ Bir lieer deklemi geel çözümüü bulmak homoje kısmı temel çözümlerii belirlemesie bağlıdır. Sabit katsayılı diferasiyel deklemleri temel çözümlerii
Detaylı{ 1 3 5} { 2 4 6} OLASILIK HESABI
OLASILIK HESABI Bu derste, uygulamalarda sıkça karşılaşıla, Olasılık Uzaylarıda bazılarıa değieceğiz ve verilmiş bir Olasılık Uzayıda olasılık hesabı yapacağız. Ω. Ω solu sayıda elemaa sahip olsu. Ω {
DetaylıKALİTE VE SÜREÇ İYİLEŞTİRME İÇİN MÜŞTERİ GERİ BİLDİRİMLERİNİN DEĞERLENDİRİLMESİ
Altı Sigma Yalı Koferasları (9- Mayıs 8) KALİTE VE SÜREÇ İYİLEŞTİRME İÇİN MÜŞTERİ GERİ BİLDİRİMLERİNİN DEĞERLENDİRİLMESİ Serka ATAK Evre DİREN Çiğdem CİHANGİR Murat Caer TESTİK ÖZET Ürü ve hizmet kalitesii
DetaylıGENELLEŞTİRİLMİŞ İKİ DEĞİŞKENLİ FİBONACCİ VE LUCAS POLİNOMLARI
T.C. SELÇUK ÜNİVERSİTESİ EĞİTİM BİLİMLERİ ENSTİTÜSÜ İLÖĞRETİM MATEMATİK ÖĞRETMENLİĞİ ANABİLİM DALI GENELLEŞTİRİLMİŞ İKİ DEĞİŞKENLİ FİBONACCİ VE LUCAS POLİNOMLARI Şerife TUNÇEZ YÜKSEK LİSANS TEZİ Daışma
DetaylıAYRIK DALGACIK DÖNÜŞÜMÜ İLE GÜRÜLTÜ SÜZME
AYRIK DALGACIK DÖNÜŞÜMÜ İLE GÜRÜLTÜ SÜZME Fahri VATANSEVER 1 Ferudu UYSAL Adullah UZUN 3 1 Sakarya Üiversitesi, Tekik Eğitim Fakültesi, Elektroik-Bilgisayar Eğitimi Bölümü, 54187 Esetepe Kampüsü/SAKARYA
DetaylıİŞLETİM KARAKTERİSTİĞİ EĞRİSİ VE BİR ÇALIŞMA THE OPERATING CHARACTERISTIC CURVE AND A CASE STUDY
Süleyma Demirel Üiversitesi Vizyoer Dergisi Suleyma Demirel Uiversity The Joural of Visioary İŞLETİM KARAKTERİSTİĞİ EĞRİSİ VE BİR ÇALIŞMA ÖZET Yrd. Doç. Dr. Halil ÖZDAMAR 1 İstatistiksel kalite kotrol
DetaylıANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ DOKTORA TEZİ İKİ DEĞİŞKENLİ OLASILIK İNTEGRAL DÖNÜŞÜMLERİNİN BİR SINIFI VE DAĞILIM FONKSİYONLARININ KOPULA
ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ DOKTORA TEZİ İKİ DEĞİŞKENLİ OLASILIK İNTEGRAL DÖNÜŞÜMLERİNİN BİR SINIFI VE DAĞILIM FONKSİYONLARININ KOPULALARI Banu ALTINSOY İSTATİSTİK ANABİLİM DALI ANKARA
DetaylıİSTATİSTİKSEL TAHMİNLEME VE HİPOTEZ TESTİ
İSTATİSTİKSEL TAHMİNLEME VE HİPOTEZ TESTİ Bu bölümdeki yötemler, bilimeye POPULASYON PARAMETRE değeri hakkıda; TAHMİN yapmaya yöelik ve, KARAR vermekle ilgili, olmak üzere iki grupta icelemektedir. Parametre
DetaylıTÜME VARIM Bu bölümde öce,kısaca tümevarım yötemii, sorada ÖYS de karşılamakta olduğumuz sembolüü ve sembolüü ele alacağız. A. TÜME VARIM YÖNTEMİ Tümevarım yötemii ifade etmede öce, öerme ve doğruluk kümesi
Detaylıİki Serbestlik Dereceli Mekanizmalarla İşlev Sentezinde Tasarım Noktalarının Eşit ve Çebişev Aralıklandırması ile Seçiminin Karşılaştırılması
Uluslararası Katılımlı 7. Makia Teorisi Sempozyumu, İzmir, -7 Hazira 05 İki Serbestlik Dereceli Mekaizmalarla İşlev Setezide Tasarım oktalarıı Eşit ve Çebişev Aralıkladırması ile Seçimii Karşılaştırılması
DetaylıMÜHENDİSLİK MEKANİĞİ (STATİK)
MÜHENDİSLİK MEKANİĞİ (STATİK) Prof. Dr. Meti OLGUN Akara Üiversitesi Ziraat Fakültesi Tarımsal Yapılar ve Sulama Bölümü HAFTA KONU 1 Giriş, temel kavramlar, statiği temel ilkeleri 2-3 Düzlem kuvvetler
Detaylıİstatistik Nedir? Sistem-Model Kavramı
İstatistik Nedir? İstatistik rasgelelik içere olaylar, süreçler, sistemler hakkıda modeller kurmada, gözlemlere dayaarak bu modelleri geçerliğii sıamada ve bu modellerde souç çıkarmada gerekli bazı bilgi
DetaylıİDEAL ÇARPIMLARI (IDEAL PRODUCTS)
T.C. ÇANAKKALE ONSEKİZ MART ÜNİVERSİTESİ FEN EDEBİYAT FAKÜLTESİ MATEMATİK BÖLÜMÜ (IDEAL PRODUCTS) 070216013 TUĞBA ÖZMEN 080216038 AYŞE MUTLU 080216064 SEVİLAY HOROZ Nil ehri, Düyaı e uzu ehridir (6.650
DetaylıStandart Formun Yapısı. Kanonik Form. DP nin Formları SİMPLEX YÖNTEMİ DP nin Düzenleniş Şekilleri. 1) Optimizasyonun anlamını değiştirme
5.0.06 DP i Düzeleiş Şekilleri DP i Formları SİMPLEX YÖNTEMİ ) Primal (özgü) form ) Kaoik form 3) Stadart form 4) Dual (ikiz) form Ayrı bir kou olarak işleecek Stadart formlar Simplex Yötemi içi daha elverişli
DetaylıTUTGA ve C Dereceli Nokta Koordinatlarının Gri Sistem ile Tahmin Edilmesi
TMMOB Harita ve Kadastro Mühedisleri Odası, 5. Türkiye Harita Bilimsel ve Tekik Kurultayı, 5 8 Mart 5, Akara. TUTGA ve C Dereceli Nokta Koordiatlarıı Gri istem ile Tahmi Edilmesi Kürşat Kaya *, Levet Taşcı,
DetaylıANA NİRENGİ AĞLARINDA NİRENGİ SAYISINA GÖRE GPS ÖLÇÜ SÜRELERİNİN KURAMSAL OLARAK BULUNMASI
TMMOB Harita ve Kadastro Mühedisleri Odası 13. Türkiye Harita Bilimsel ve Tekik Kurultayı 18 22 Nisa 2011, Akara ANA NİRENGİ AĞLARINDA NİRENGİ SAYISINA GÖRE GPS ÖLÇÜ SÜRELERİNİN KURAMSAL OLARAK BULUNMASI
DetaylıWEIBULL DAĞILIM PARAMETRELERİNİ BELİRLEME METODLARININ KARŞILAŞTIRILMASI
VII. Ulusal Temiz Eerji Sempozyumu, UTES 008 7-9 Aralı 008, İstabul WEIBULL DAĞILIM PARAMETRELERİNİ BELİRLEME METODLARININ KARŞILAŞTIRILMASI Seyit Ahmet AKDAĞ, Öder GÜLER İstabul Tei Üiversitesi, Eerji
DetaylıTek Bir Sistem için Çıktı Analizi
Tek Bir Sistem içi Çıktı Aalizi Bezetim ile üretile verile icelemesie Çıktı Aalizi deir. Çıktı Aalizi, bir sistemi performasıı tahmi etmek veya iki veya daha fazla alteratif sistem tasarımıı karşılaştırmaktır.
DetaylıHARMONİK DİSTORSİYONUNUN ÖLÇÜM NOKTASI VE GÜÇ KOMPANZASYONU BAKIMINDAN İNCELENMESİ
HARMONİK DİSORSİYONUNUN ÖLÇÜM NOKASI VE GÜÇ KOMPANZASYONU BAKIMINDAN İNCELENMESİ Celal KOCAEPE Oktay ARIKAN Ömer Çağlar ONAR Mehmet UZUNOĞLU Yıldız ekik Üiversitesi Elektrik-Elektroik Fakültesi Elektrik
DetaylıISL 418 Finansal Vakalar Analizi
23.3.218 2. HAFTA ISL 18 Fiasal Vakalar Aalizi Paraı Zama Değeri Doç. Dr. Murat YILDIRIM muratyildirim@karabuk.edu.tr 2 Paraı Zama Değeri Paraı Zama Değeri Yatırım ve fiasma kararlarıda rasyoelliği yakalamak
DetaylıMühendislik Fakültesi Endüstri Mühendisliği Bölümü. Doç. Dr. Nil ARAS ENM411 Tesis Planlaması Güz Dönemi
Mühedislik Fakültesi Edüstri Mühedisliği Bölümü Doç. Dr. Nil ARAS ENM4 Tesis Plalaması 6-7 Güz Döemi 3 Sisteme ekleecek tesis sayısı birde fazladır. Yei tesisler birbirleri ile etkileşim halide olabilirler
Detaylı1. GRUPLAR. 2) Aşağıdaki kümelerin verilen işlem altında bir grup olup olmadığını belirleyiniz.
Sorular ve Çözümleri 1. GRUPLAR 1) G bir grup olmak üzere aşağıdaki eşitlikleri gösteriiz. i) e G birim elema olmak üzere e 1 = e. ii) a G olmak üzere (a 1 ) 1 = a. iii) a 1, a 2,, a G içi (a 1 a 2 a )
Detaylı6. BÖLÜM VEKTÖR UZAYLARI
6. BÖLÜM VEKTÖR UZAYLARI -BOYUTLU (ÖKLİT) UZAYI Taım: Eğer pozitif bir tam sayı ise sıralı -sayı, gerçel sayılar kümesideki adet sayıı (a, a,, a ) bir dizisidir. Tüm sıralı -sayılarıı kümesi -boyutlu uzay
DetaylıEnflasyon nedir? Eşdeğer hesaplamalarında enflasyon etkisini nasıl hesaba katarız? Mühendislik Ekonomisi. (Chapter 11) Enflasyon Nedir?
Elasyo ve Nakit Akışlarıa Etkisi (Chapter 11) TOBB ETÜ Örek 2015 Yılıda Çocuğuuzu Üiversiteye Gödermei Maliyeti Ne Kadar Olacak? 2005 yılıda 1 yıllık üiversite masraı $17,800. Elasyo edeiyle üiversite
DetaylıÖrnek 2.1 YÖNEYLEM ARAŞTIRMASI III. Markov Süreçleri Ders 7. Koşulsuz Durum Olasılıkları. Örnek 2.1
Örek.1 YÖNEYLEM ARAŞTIRMASI III Markov Süreçleri Ders 7 Yrd. Doç. Dr. Beyazıt Ocakta Web site: ocakta.bau.edu.tr E-mail: bocakta@gmail.com Reault marka otomobil sahilerii bir soraki otomobillerii de Reault
DetaylıISF404 SERMAYE PİYASALAR VE MENKUL KIYMETLER YÖNETİMİ
4. HAFTA ISF44 SERMAYE PİYASALAR VE MENKUL KIYMETLER YÖNETİMİ PARANIN ZAMAN DEĞERİ VE GETİRİ ÇEŞİTLERİ Doç. Dr. Murat YILDIRIM muratyildirim@karabuk.edu.tr 2 Paraı Zama Değeri Paraı Zama Değeri Yatırım
DetaylıOLİMPİYAT SINAVI. 9 x.sin x + 4 / x.sin x, 0 x π İfadesinin alabileceği en küçük tamsayı değeri kaçtır? A) 14 B) 13 C) 12 D) 11 E) 10
. ( ) ( ) 9 x.si x + 4 / x.si x, 0 x π İfadesii alabileceği e küçük tamsayı değeri A) 4 B) 3 C) D) E) 0. Yuvarlak bir masa etrafıda otura 5 şövalye arasıda rasgele seçile 3 taeside e az ikisii ya yaa oturma
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)
DetaylıTOPLUMDA ERKEK HEMŞİRE ALGISI
TOPLUMDA ERKEK HEMŞİRE ALGISI Meryem Saatçı * Özet Amaç: Toplumu erkek hemşirelerle ilgili düşüce ve görüşlerii belirlemesi. Yötem: Kesitsel türde yapıla çalışma 100 kişi üzeride, yüz yüze görüşülerek
DetaylıDÖNEM I BİYOİSTATİSTİK, HALK SAĞLIĞI VE RUH SAĞLIĞI DERS KURULU Ders Kurulu Başkanı : Yrd.Doç.Dr. İsmail YILDIZ
DÖNEM I BİYOİSTATİSTİK, HALK SAĞLIĞI VE RUH SAĞLIĞI DERS KURULU Ders Kurulu Başkaı : Yrd.Doç.Dr. İsmail YILDIZ ARAŞTIRMADA PLANLAMA VE ÇÖZÜMLEME (03-09 Ocak 014 Y.ÇELİK) Araştırma Süreci (The research
DetaylıMEKANİK TESİSATTA EKONOMİK ANALİZ
MEKANİK TESİSATTA EKONOMİK ANALİZ Mustafa ÖZDEMİR İ. Cem PARMAKSIZOĞLU ÖZET Düya çapıda rekabeti ö plaa çıktığı bu gükü şartlarda, e gelişmiş ürüü, e kısa sürede, e ucuza üretmek veya ilk yatırım ve işletme
Detaylı