ÖNGÖRÜ TEKNĐKLERĐ ÖDEV 5 (KEY)
|
|
- Aydin Kaba
- 5 yıl önce
- İzleme sayısı:
Transkript
1 ÖNGÖRÜ TEKNĐKLERĐ ÖDEV (KEY) Aşağıda verilen Y zaman sersisi bir ürünle ilgili satışları,aylar itibariyle, gösteren bir seridir. a) Bu serinin garfiğini çizip serinin taşıdığı desenleri (Trend, mevsimsellik vb.) belirtiniz. b) Mevsimlik değişimleri ve genel terndi yansıtacak bir regresyon modeli önerip bu modelin parametrelerini tahmin ediniz.(gerekli olduğunu düşündüğünüz kukla (Dummy) değişkenleri ekleyiniz.) c) Önerdiğiniz model için yapılan analizleri irdeleyerek bu modelin: anlamlı olup olmadığını; modele dahil edilen bağımsız değişkenler arasında çoklu korelasyon olup olmadığını; hata terimleri arasında seri korelasyon olup olmadığını; hata terimlerinin dağılımının sıfır ortalamalı ve sabit varyanslı olup olmadığını test ediniz. d) Yukarıda önerdiğiniz modeli iyileştirmek amacıyla bağımsız değişkenler grubuna yeni bir değişken olarak z = t 2 yi dahil edip b) ve c) deki analizleri bir kez daha yapınız. Bu Model b) de önerilen modelden daha iyi bir model midir? Neden? e) b) ve d) de önerilen modellerden hangisi daha iyi ise onu kullanarak.ci yılın M ile M2 arasındaki aylarının her biri için öngörü değerlerini hesaplayınız. Eğer.ci yılın aylar itibariyle gerçekleşen satışları aşağıda verildiği gibi ise öngörü değerlerinzi kullanarak bu son 2 ay için modelinizin verdiği RMSE değerini hesaplayınız. aylar t Y Aylar t Y M 87 M M M M M M M M 209 M M M M M M M M9 9 7 M M M M 23 M 3 84 M2 2 9 M M 3 20 M 37 9 M M M3 448 M M M M 7 60 M M M M M M M M9 2 3 M M M M M M M
2 Cevaplar a) Y serisi hem pozitif trend, hem de ayları mevsim kabul eden bir desen içermektedir. 200 Time Series Plot of Y Y Index b) Y serisi zaman, t, ve ayların etkisini yansıtan bir doğrusal regresyonla modellenebilir. Bu amaçla 2 ayın etkilerini yansıtmak amacıyla m i baz alan m2-m2 arasında sembollerle gösterilen dummy değişken yaratılıp modele dahil edildi. Analiz sonuçları ve model parametrelerinin tahmin değerleri aşağıdaki tablolarda verilmiştir. Regression Analysis: Y versus t; m2;... The regression equation is Y = ,3 t + 8,4 m m m m m m7 + 7 m8 + 77,3 m9 + 33,9 m0-0,9 m - 37,3 m2 Predictor Coef SE Coef T P VIF Constant 839,99 9,987 84, 0,000 t 30,3424 0,989 2,4 0,000, m2 8,4 3,08,4 0,68,8 m3 44,07 3,08,0 0,000,8 m4 67,47 3,09 2,80 0,000,8 m 206,38 3,0,76 0,000,8 m6 203,4 3,,2 0,000,8 m7 96,9 3,3,00 0,000,8 m8 7,3 3, 3,03 0,000,9 m9 77,26 3,7,87 0,000,9 m0 33,92 3,20 2,7 0,0,9 m -0,92 3,22-3,8 0,000,9 m2-37,27 3,26-2,8 0,008,9 S = 8,4894 R-Sq = 99,9% R-Sq(adj) = 99,8% Analysis of Variance Source DF SS MS F P Regression ,0 0,000 Residual Error Total
3 Unusual Observations Obs t Y Fit SE Fit Residual St Resid 36 36,0 97,00 89,0 9,32 6,9 3,88R 4 4,0 2339, ,66 9,9 6,34 3,6R 48 48,0 2226,00 229,6 9,9-33,6-2,2R R denotes an observation with a large standardized residual. Durbin-Watson statistic = 2,003 Burada m2 dummy değişkeninin Y deki değişkenliği açıklamaya katkısı ihmal edilecek kadar küçük görülmektedir. Bu modeli biraz daha iyileştirmek gerekirse, m2 modelden çıkarılabilir. Yeni haliyle modelimizin analiz sonuçları aşağıda verilmiştir. Model 2: The regression equation is Y = ,3 t + 3 m3 + 8 m m + 94 m m m8 + 68,0 m9 + 24,7 m0-60,2 m - 46, m2 Predictor Coef SE Coef T P VIF Constant 849,6 7,704 0,22 0,000 t 30,3466 0,206 0,4 0,000, m3 34,86,48,7 0,000,4 m4 8,26,49 3,78 0,000,4 m 97,6,0 7, 0,000,4 m6 94,32, 6,88 0,000,4 m7 87,72,3 6,28 0,000,4 m8 62,2, 4,04 0,000,4 m9 68,03,7,88 0,000,4 m0 24,68,60 2,3 0,040,4 m -60,7,63 -,7 0,000,4 m2-46,,67-3,99 0,000,4 S = 8,7399 R-Sq = 99,9% R-Sq(adj) = 99,8% Analysis of Variance Source DF SS MS F P Regression ,44 0,000 Residual Error Total Unusual Observations Obs t Y Fit SE Fit Residual St Resid 36 36,0 97,00 89,08 9,4 6,92 3,83R 4 4,0 2339, ,74 0,0 6,26 3,6R 48 48,0 2226,00 229,24 0,0-33,24-2,0R R denotes an observation with a large standardized residual. Durbin-Watson statistic = 2,0886 Bu modelin bir önceki modelden daha iyi olduğunu görüyoruz. Multi-colinearity ve serial correlation sorunları olmayan bir model (D-W istatistiği ve VIF değerelerine bakarak) olduğu görülmektedir. Residual (Hata terimleri analizi aşağıda verimiştir.) 3
4 Descriptive Statistics: RESI Variable N Mean SE Mean StDev Minimum Q Median Q3 Maximum RESI 48,2402E-4 2,37 6,40-33,24-7,69-0,29,99 6,92 Hataların Ortalaması yaklaşık olarak sıfır olup rassallık özellikleri taşımaktadır. Ancak hataların dağılımının normal olduğu hipotezi ret edilmektedir. (Kolmogorov-Smirnov testinde p-value<0.0 olduğu görülmektedir.) ACF ve PACF grafiklerinde herhangi bir güçlü korelasyon görülmemektedir. DW=2,0886 olup bu da serial korelasyon olmadığının işaretidir. Modelin verdiği öngörü değerleri ile gerçekte gözlemlenen Y değerleri serisinin aynı eksenler sistemindeki grafiği de modelin ne kadar iyi uyum sağladığını göstermektedir. R 2 (adj)= %99,8 olup buda grafiğin görsel olarak yansıttığını sayısal olarak doğrulamaktadır.. P r o b a b ility P lo t o f R E S I N o rm a l Percent M e a n, E - 4 S td e v 6,4 0 N 4 8 K S 0, 6 4 P -V a l u e < 0, R E S I P artial Au to co rre latio n F u n ctio n fo r R E S I (w ith % s ign ific anc e lim its fo r the pa rtia l au toc orrelations ) Partial Autocorrelation,0 0,8 0,6 0,4 0,2 0,0-0,2-0,4-0,6-0,8 -, L a g
5 Auto corre lation Fu nction for R E S I (with % s ignific anc e lim its for the autoc orrelations ) Autocorrelation,0 0,8 0,6 0,4 0,2 0,0-0,2-0,4-0,6-0,8 -, L a g T im e S e rie s P lo t o f Y ; F IT S V a ri a b l e Y F IT S Data In d e x
6 d) t-sq modele dahil edilirse ne olur sorusunu yanıtlamak amacıyla gerekli regresyon analizleri yapıldı ve aşağıdaki sonuçlar elde edildi. Regression Analysis: Y versus t; t-sq;... The regression equation is Y = ,3 t - 0,0000 t-sq + 8,4 m m m m m m7 + 7 m8 + 77,3 m9 + 33,9 m0-0,9 m - 37,3 m2 Predictor Coef SE Coef T P VIF Constant 839,98,86 70,8 0,000 t 30,3442 0, ,90 0,000 6,8 t-sq -0, ,08-0,00 0,998 6,7 m2 8,4 3,27,39 0,74,8 m3 44,06 3,27 0,8 0,000,8 m4 67,47 3,28 2,6 0,000,8 m 206,38 3,30,2 0,000,8 m6 203,4 3,3,29 0,000,8 m7 96,94 3,33 4,78 0,000,9 m8 7,3 3,3 2,84 0,000,9 m9 77,26 3,37,78 0,000,9 m0 33,92 3,39 2,3 0,06,9 m -0,92 3,42-3,80 0,00,9 m2-37,27 3,4-2,77 0,009,9 S = 8,793 R-Sq = 99,9% R-Sq(adj) = 99,8% Analysis of Variance Source DF SS MS F P Regression ,3 0,000 Residual Error Total Unusual Observations Obs t Y Fit SE Fit Residual St Resid 36 36,0 97,00 89,06 9,4 6,94 3,83R 4 4,0 2339, ,6 0,72 6,3 3,66R 48 48,0 2226,00 229,,42-33, -2,23R R denotes an observation with a large standardized residual. Durbin-Watson statistic = 2,0030 6
7 Burada multi-colinearity sorunu(vif değerleri t ve t-sq için çok yüksek çıktı) var. t-sq ve m2 nin katsayıları (model parametre değerleri) sıfır olabilir şeklinde yorumlanacağı için önce m2 değişkenini modele dahil etmesek ne olur sorusunu yanıtlayalım. Regression Analysis: Y versus t; t-sq;... The regression equation is Y = ,4 t - 0,0003 t-sq + 3 m3 + 8 m m + 94 m m m8 + 68,0 m9 + 24,7 m0-60,2 m - 46, m2 Predictor Coef SE Coef T P VIF Constant 849,00 0,0 84,44 0,000 t 30,363 0,82 37,43 0,000 6,8 t-sq -0, ,0602-0,02 0,98 6,7 m3 34,8,64,8 0,000,4 m4 8,2,6 3,8 0,000,4 m 97,,67 6,90 0,000,4 m6 94,3,68 6,63 0,000,4 m7 87,7,70 6,04 0,000,4 m8 62,2,72 3,83 0,000,4 m9 68,02,74,79 0,000,4 m0 24,67,77 2,0 0,043,4 m -60,7,80 -,0 0,000,4 m2-46,,84-3,93 0,000,4 S = 9,006 R-Sq = 99,9% R-Sq(adj) = 99,8% Analysis of Variance Source DF SS MS F P Regression ,80 0,000 Residual Error Total Unusual Observations Obs t Y Fit SE Fit Residual St Resid 36 36,0 97,00 89,0 9,66 6,90 3,78R 4 4,0 2339, ,67 0,86 6,33 3,6R 48 48,0 2226,00 229,4,7-33,4-2,20R R denotes an observation with a large standardized residual. Durbin-Watson statistic = 2,0872 Multi colinearity hala bir önemli kusur olarak kaldı. t ve t-sq arasında var olan yüksek korelasyon her iki değişkenin de modelde aynı zamanda yer almamasını gerektirir. Ayrıca bu modelin verdiği R-sq(adj) değeri ile denen ikinci modelinki aynıdır (%99,8). Sonuç: t-sq değişkenimi içeren model bir önceki modelden daha iyi değildir.. 7
8 e) Beşinci yıl için öngörü değerleri hesaplanırken ikinci modelin verdiği regresyon debkleminde t=49-60 arası değerler ile m3-m2 için dummy değişken değerleri konulup aşağıdaki Y-hat değerleri elde edildi. Böylece elde edilen öngörü değerlerini de içeren Y ve Y-hat zaman serilerinin grafikleri aşağıda verildiği gibi olup son 2 dönem için elde edilen değerlerin grafiği hem trendi hem de mevsimlik etki desenlerini yansıtmaktadır. Bu haliyle bakıldığında önerilen ikinci modelin vereceği öngörü değerlerine güvenebileceğimiz kanısına varabiliriz. Sonuç olarak: ikinci model tercih edilmelidir. t Aylar m3 m4 m m6 m7 m8 m9 m0 m m2 Y-hat 49 M ,00 0 M ,346 M , 2 M ,29 3 M ,4 4 M ,044 M ,789 6 M ,34 7 M ,788 8 M ,783 9 M , M ,282 Time Series Plot of Y; FITS 200 Variable Y FITS 2000 Data Index
İSTATİSTİK II MINITAB
İSTATİSTİK II MINITAB 8.5. Veriler k DENEY TASARIMI Treatment Design Factor Combinations A B C Surface Rougness () - - - 9 7 a - - b - - 9 ab - 5 c - - ac - bc - 8 abc 6 Veri Giriş Sayfasının Oluşturulması
DetaylıKorelasyon ve Regresyon
Korelasyon ve Regresyon Korelasyon- (lineer korelasyon) Açıklayıcı (Bağımsız) Değişken x çalışma zamanı ayakkabı numarası İki değişken arasındaki ilişkidir. Günlük sigara sayısı SAT puanı boy Yanıt (Bağımlı)
DetaylıALIŞTIRMA 2 GSYİH. Toplamsal Ayrıştırma Yöntemi
ALIŞTIRMA 2 GSYİH Bu çalışmamızda GSYİH serisinin toplamsal ve çarpımsal ayrıştırma yöntemine göre modellenip modellenemeyeceği incelenecektir. Seri ilk olarak toplamsal ayrıştırma yöntemine göre analiz
DetaylıTABLO I: Bağımlı değişken; Tüketim,- bağımsız değişkenler; gelir ve fiyat olmak üzere değişkenlere ait veriler verilmiştir.
EKONOMETRİ II Uygulama - Otokorelasyon TABLO I: Bağımlı değişken; Tüketim,- bağımsız değişkenler; gelir ve fiyat olmak üzere Tuketim 58 Gelir 3959 Fiyat 312 değişkenlere ait veriler verilmiştir. 56 3858
DetaylıKUKLA DEĞİŞKENLİ MODELLER
KUKLA DEĞİŞKENLİ MODELLER Bir kukla değişkenli modeller (Varyans Analiz Modelleri) Kukla değişkenlerin diğer kantitatif değişkenlerle alındığı modeller (Kovaryans Analizi Modeller) Kukla değişkenlerin
DetaylıYILLARI ARASINDA GÜNEY CAROLINA DA OKUL İÇİ ŞİDDET İSTATİSKLERİ ANALİZİ (Bir Önceki Projeden Devam Edilecektir)
1996-1998 YILLARI ARASINDA GÜNEY CAROLINA DA OKUL İÇİ ŞİDDET İSTATİSKLERİ ANALİZİ (Bir Önceki Projeden Devam Edilecektir) Hazırlayan : Süleyman Öğrekçi 1996 ve 1998 yılları arasında Güney Carolina da resmi
DetaylıKukla Değişken Nedir?
Kukla Değişken Nedir? Cinsiyet, eğitim seviyesi, meslek, din, ırk, bölge, tabiiyet, savaşlar, grevler, siyasi karışıklıklar (=darbeler), iktisat politikasındaki değişiklikler, depremler, yangın ve benzeri
DetaylıOLS Klasik Varsayımlar. Çoklu Regresyon. Çoklu Regresyon Modellemesi. Çoklu Regresyon Modeli. Multiple Regression
OLS Klasik Varsayımlar Çoklu Regresyon Multiple Regression. Lineer regresyon modeli. E(e i )=, ortalama hata sıfırdır. E(X i e i )=, bağımsız değişkenlerle hatalar arasında korelasyon mevcut değildir 4.
DetaylıİÇİNDEKİLER 1. GİRİŞ...
İÇİNDEKİLER 1. GİRİŞ... 1 1.1. Regresyon Analizi... 1 1.2. Uygulama Alanları ve Veri Setleri... 2 1.3. Regresyon Analizinde Adımlar... 3 1.3.1. Problemin İfadesi... 3 1.3.2. Konu ile İlgili Potansiyel
DetaylıÖrnek. Aşağıdaki veri setlerindeki X ve Y veri çiftlerini kullanarak herbir durumda X=1,5 için Y nin hangi değerleri alacağını hesaplayınız.
Örnek Aşağıdaki veri setlerindeki X ve Y veri çiftlerini kullanarak herbir durumda X=1,5 için Y nin hangi değerleri alacağını hesaplayınız. i. ii. X 1 2 3 4 1 2 3 4 Y 2 3 4 5 4 3 2 1 Örnek Aşağıdaki veri
DetaylıCh. 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
Detaylı0, model 3 doğruysa a3. Variable Coefficient Std. Error t-statistic Prob.
EKONOMETRİYE GİRİŞ II ÖDEV 2 ÇÖZÜM (Örgün ve İkinci Öğretim için) 1987-2006 yıllarına ait GSYH, YATIRIM ve FAİZ verileri kullanılarak elde edilen sonuçlar şu şekildedir: Yuvalanmamış-F Testi Model 1: YATIRIM
DetaylıPazarlama Araştırması Grup Projeleri
Pazarlama Araştırması Grup Projeleri Projeler kapsamında öğrencilerden derlediğiniz 'Teknoloji Kullanım Anketi' verilerini kullanarak aşağıda istenilen testleri SPSS programını kullanarak gerçekleştiriniz.
DetaylıÜSTEL 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
DetaylıNormal 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.
DetaylıA. 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,
DetaylıNormal 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.
DetaylıKUKLA DEĞİŞKENLİ MODELLER
KUKLA DEĞİŞKENLİ MODELLER Bir kukla değişkenli modeller (Varyans Analiz Modelleri) Kukla değişkenlerin diğer kantitatif değişkenlerle alındığı modeller (Kovaryans Analizi Modeller) Kukla değişkenlerin
DetaylıBağımsız Örneklemler İçin Tek Faktörlü ANOVA
Bağımsız Örneklemler İçin Tek Faktörlü ANOVA ANOVA (Varyans Analizi) birden çok t-testinin uygulanması gerektiği durumlarda hata varyansını azaltmak amacıyla öncelikle bir F istatistiği hesaplanır bu F
Detaylıİki Ortalama Arasındaki Farkın Önemlilik Testi (Student s t Test) Ankara Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı
İki Ortalama Arasındaki Farkın Önemlilik Testi (Student s t Test) Ankara Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı İki Ortalama Arasındaki Farkın Önemlilik Testi (Student s t test) Ölçümle
DetaylıKUKLA DEĞİŞKENLİ MODELLERDE KANTİTATİF DEĞİŞKEN SAYISININ İKİ SINIF İÇİN FARKLI OLMASI DURUMU
KUKLA DEĞİŞKENLİ MODELLERDE KANTİTATİF DEĞİŞKEN SAYISININ İKİ SINIF İÇİN FARKLI OLMASI DURUMU.HAL: Sabit Terimlerin Farklı Eğimlerin Eşit olması Yi = b+ b2di + b3xi + ui E(Y Di =,X i) = b + b3xi E(Y Di
DetaylıK-S Testi hipotezde ileri sürülen dağılımla örnek yığılmalı dağılım fonksiyonunun karşılaştırılması ile yapılır.
İstatistiksel güven aralıkları uygulamalarında normallik (normal dağılıma uygunluk) oldukça önemlidir. Kullanılan parametrik istatistiksel tekniklerin geçerli olabilmesi için populasyon şans değişkeninin
DetaylıBİRDEN ÇOK BAĞIMLI DEĞİŞKENİ OLAN MODELLER
BİRDEN ÇOK BAĞIMLI DEĞİŞKENİ OLAN MODELLER Birden çok bağımlı değişkenin yer aldığı modelleri incelemek amacıyla kullanılan modeller Birden Çok Bağımlı Değişkenli Regresyon Modelleri ya da kısaca MRM ler
Detaylı( i) ( ' ) 1. * Dışsal Studentleştirilmiş Artıklar (Externeally Studentized Residuals, Deleted Studentized Residuals, Jacknifed Residuals) ( )
9. Ders Aykırı Değerler Etkin Gözlemler Artıkların Analizi Y = X β + ε, ε N(0, σ I) modelindeki hata terimi ile ilgili varsayımlar: 1) E( ε ) = 0 yani i = 1,,..., n için E( ε i ) = 0, ε ε ε ler bağımsız,
DetaylıRegresyon. Regresyon korelasyon ile yakından ilişkilidir
Regresyon Regresyona Giriş Regresyon korelasyon ile yakından ilişkilidir Regresyon bir bağımlı değişken ile (DV) bir veya daha fazla bağımsız değişken arasındaki doğrusal ilişkiyi inceler. DV için başka
DetaylıUYGULAMA 4 TANIMLAYICI İSTATİSTİK DEĞERLERİNİN HESAPLANMASI
1 UYGULAMA 4 TANIMLAYICI İSTATİSTİK DEĞERLERİNİN HESAPLANMASI Örnek 1: Ders Kitabı 3. konuda verilen 100 tane yaş değeri için; a. Aritmetik ortalama, b. Ortanca değer, c. Tepe değeri, d. En küçük ve en
DetaylıDependent Variable: Y Method: Least Squares Date: 03/23/11 Time: 16:51 Sample: Included observations: 20
ABD nin 1966 ile 1985 yılları arasında Y gayri safi milli hasıla, M Para Arazı (M) ve r faiz oranı verileri aşağıda verilmiştir. a) Y= b 1 +b M fonksiyonun spesifikasyon hatası taşıyıp taşımadığını Ramsey
Detaylı8.Sunum. Yrd. Doç. Dr. Sedat ŞEN 1
8.Sunum Yrd. Doç. Dr. Sedat ŞEN 1 Bir önceki sunumda korelasyon kullanarak iki değişken arasındaki ilişkiyi tespit etmeye çalıştık. Bu sunumda iki değişken arasında ilişkiyi göstermenin yanında bir değişkeni
DetaylıANADOLU ÜNİVERSİTESİ REGRESYON KATSAYILARININ GÜVEN ARALIĞI = + REGRESYON KATSAYILARININ GÜVEN ARALIĞI
ANADOLU ÜNİVERSİTESİ Deney Tasarımı ve Regresyon Analizi Regresyonda Güven Aralıkları ve Hipotez Testleri Doç. Dr. Nihal ERGİNEL-2015 REGRESYON KATSAYILARININ GÜVEN ARALIĞI + in güven aralığı : i-) n 30
Detaylı4. BÖLÜM: REGRESYON ANALİZİNİ KULLANMAYI ÖĞRENME
4. BÖLÜM: REGRESYON ANALİZİNİ KULLANMAYI ÖĞRENME Bu bölümde; Bir grup değişkenin çalışma sayfası görüntüsünü görüntüleme Bir grup değişkenin tanımlayıcı istatistiklerini görüntüleme Bir grup içerisindeki
Detaylı19. BÖLÜM BİRBİRİYLE İLİŞKİLİ OLAN İKİ DEĞİŞKENDEN BİRİSİNDEKİ DEĞİŞİME GÖRE DİĞERİNİN ALACAĞI DEĞERİ YORDAMA (KESTİRME) UYGULAMA-I
19. BÖLÜM BİRBİRİYLE İLİŞKİLİ OLAN İKİ DEĞİŞKENDEN BİRİSİNDEKİ DEĞİŞİME GÖRE DİĞERİNİN ALACAĞI DEĞERİ YORDAMA (KESTİRME) UYGULAMA-I Bir dil dershanesinde öğrenciler talep ettikleri takdirde, öğretmenleriyle
DetaylıZAMAN 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
DetaylıKUKLA DEĞİŞKENLİ MODELLER
KUKLA DEĞİŞKENLİ MODELLER Bir kukla değişkenli modeller (Varyans Analiz Modelleri) Kukla değişkenlerin diğer kantitatif değişkenlerle alındığı modeller (Kovaryans Analizi Modeller) Kukla değişkenlerin
Detaylı7. BÖLÜM: ARDIŞIK BAĞIMLILIK
7. BÖLÜM: ARDIŞIK BAĞIMLILIK Bu bölümde; Regresyon Modelinden Artık Serileri Oluşturma Ardışık Bağımlılık Tespiti İçin Artıkların Grafiğini Çizme Regresyonu Kullanarak Birinci Sıra Ardışık Bağımlılık Katsayısını
Detaylı500 BÜYÜK SANAYİ KURULUŞUNDA ÜRETİM, KÂRLILIK VE İSTİHDAM İLİŞKİLERİ. YÜKSEK LİSANS TEZİ Müh. Özlem KÖSTEKLİ. Anabilim Dalı: İşletme Mühendisliği
İSTANBUL TEKNİK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ 500 BÜYÜK SANAYİ KURULUŞUNDA ÜRETİM, KÂRLILIK VE İSTİHDAM İLİŞKİLERİ YÜKSEK LİSANS TEZİ Müh. Özlem KÖSTEKLİ Anabilim Dalı: İşletme Mühendisliği Programı
Detaylıİyi Bir Modelin Özellikleri
İyi Bir Modelin Özellikleri 1. Basitlik. Belirlenmişlik Y t = b 1 (1-r)+b X t -rb X t-1 +ry t-1 +e t 3. R ölçüsü 4. Teorik tutarlılık 5. Fonksiyonel Biçim 1 Model Tanımlanması Araştırmada kullanılan modelin
Detaylı1. Basitlik 2. Belirlenmişlik Y t = b 1 (1-r)+b 2 X t -rb 2 X t-1 +ry t-1 +e t 3. R 2 ölçüsü 4. Teorik tutarlılık 5. Doğru Fonksiyonel Biçim
1. Basitlik. Belirlenmişlik Y t = b 1 (1-r)+b X t -rb X t-1 +ry t-1 +e t 3. R ölçüsü 4. Teorik tutarlılık 5. Doğru Fonksiyonel Biçim 1 Model Tanımlanması Araştırmada kullanılan modelin tanımlamasının doğru
DetaylıYuvalanmamış F testi- Davidson- MacKinnon J sınaması
Yuvalanmamış F testi- Davidson- MacKinnon J sınaması Tablo da yer alan verileri kullanarak aşağıdaki ilgili soruları cevaplayınız. Yıllar Yatırım GSYH Faiz 1987 18491 747 45 1988 78 7495 54 1989 5187 8014
DetaylıADMIT: Öğrencinin yüksek lisans programına kabul edilip edilmediğini göstermektedir. Eğer kabul edildi ise 1, edilmedi ise 0 değerini almaktadır.
Uygulama-2 Bir araştırmacı Amerika da yüksek lisans ve doktora programlarını kabul edinilmeyi etkileyen faktörleri incelemek istemektedir. Bu doğrultuda aşağıdaki değişkenleri ele almaktadır. GRE: Üniversitelerin
Detaylıortalama ve ˆ ˆ, j 0,1,..., k
ÇOKLU REGRESYONDA GÜVEN ARALIKLARI Regresyon Katsayılarının Güven Aralıkları y ( i,,..., n) gözlemlerinin, xi ortalama ve i k ve normal dağıldığı varsayılsın. Herhangi bir ortalamalı ve C varyanslı normal
Detaylı3 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI
ÖNSÖZ İÇİNDEKİLER III Bölüm 1 İSTATİSTİK ve SAYISAL BİLGİ 11 1.1 İstatistik ve Önemi 12 1.2 İstatistikte Temel Kavramlar 14 1.3 İstatistiğin Amacı 15 1.4 Veri Türleri 15 1.5 Veri Ölçüm Düzeyleri 16 1.6
DetaylıÇoklu Regresyon Korelasyon Analizinde Varsayımdan Sapmalar ve Çimento Sektörü Üzerine Uygulama *
Çoklu Regresyon Korelasyon Analizinde Varsayımdan Sapmalar ve Çimento Sektörü Üzerine Uygulama * Erkan SEVİNÇ ** Giriş Bu çalışmada İMKB de taş ve toprağa dayalı sanayi altında işlem gören şirketlerin
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık KORELASYON ve REGRESYON ANALİZİ Doç. Dr. İrfan KAYMAZ Tanım Bir değişkenin değerinin diğer değişkendeki veya değişkenlerdeki değişimlere bağlı olarak nasıl etkilendiğinin istatistiksel
DetaylıKorelasyon ve Regresyon
Korelasyon ve Regresyon Kazanımlar 1 2 3 4 5 6 Değişkenlerin ilişkisini açıklamak ve hesaplamak için Pearson korelasyon katsayısı Örneklem r ile evren korelasyonu hakkında hipotez testi yapmak Spearman
DetaylıTürk Elektrik-Elektronik Sektörü İhracat Etki Mekanizmalarının Modellenmesi (2013_KK_01-İHRFRC)
Türk Elektrik-Elektronik Sektörü İhracat Etki Mekanizmalarının Modellenmesi (2013_KK_01-İHRFRC) SPONSOR Fatih Kemal EBİÇLİOĞLU SÜREÇ SAHİBİ/ŞAMPİYON Ümit KOŞKAN PROJE LİDERİ Kutad ALPTÜRKAN 2013 EKİP ÜYELERİ
DetaylıREGRESYON. 8.Sunum. Yrd. Doç. Dr. Sedat ŞEN
REGRESYON 8.Sunum 1 Regresyon Bir önceki sunumda korelasyon kullanarak iki değişken arasındaki ilişkiyi tespit etmeye çalıştık. Bu sunumda iki değişken arasında ilişkiyi göstermenin yanında bir değişkeni
DetaylıEVIEWS KULLANIMI (EVIEWS 8)
EVIEWS KULLANIMI (EVIEWS 8) BAŞLANGIÇ Yeni bir dosya (workfile) yaratma Adım 1. Ana menüden File/New/Workfile ı seçin Adım 2. Workfile structure type ne tür veri kullandığınızı gösterir. ÖR1. Zaman serisi
DetaylıZAMAN 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
DetaylıSANAYİ İŞÇİLERİNİN DİNİ YÖNELİMLERİ VE ÇALIŞMA TUTUMLARI ARASINDAKİ İLİŞKİ - ÇORUM ÖRNEĞİ
, ss. 51-75. SANAYİ İŞÇİLERİNİN DİNİ YÖNELİMLERİ VE ÇALIŞMA TUTUMLARI ARASINDAKİ İLİŞKİ - ÇORUM ÖRNEĞİ Sefer YAVUZ * Özet Sanayi İşçilerinin Dini Yönelimleri ve Çalışma Tutumları Arasındaki İlişki - Çorum
DetaylıKorelasyon ve Regresyon
Korelasyon ve Regresyon Kazanımlar 1 2 3 4 5 6 Değişkenlerin ilişkisini açıklamak ve hesaplamak için Pearson korelasyon katsayısı Örneklem r ile evren korelasyonu hakkında hipotez testi yapmak Spearman
DetaylıH.Ü. Bilgi ve Belge Yönetimi Bölümü BBY 208 Sosyal Bilimlerde Araştırma Yöntemleri II (Bahar 2012) SPSS Ders Notları III (3 Mayıs 2012)
H.Ü. Bilgi ve Belge Yönetimi Bölümü BBY 208 Sosyal Bilimlerde Araştırma Yöntemleri II (Bahar 2012) Parametrik Olmayan Testler Binom Testi SPSS Ders Notları III (3 Mayıs 2012) Soru 1: Öğrencilerin okul
DetaylıEKONOMETRİDE BİLGİSAYAR UYGULAMLARI EVİEWS UYGULAMA SORULARI VE CEVAPLARI
EKONOMETRİDE BİLGİSAYAR UYGULAMLARI EVİEWS UYGULAMA SORULARI VE CEVAPLARI Aşağıdaki verileri EVIEWS paket programına aktarınız. Veri setini tanımladıktan sonra aşağıda istenen soruları bu verileri kullanarak
DetaylıZaman Serileri-1. If you have to forecast, forecast often. EDGAR R. FIEDLER, American economist. IENG 481 Tahmin Yöntemleri Dr.
Zaman Serileri-1 If you have to forecast, forecast often. EDGAR R. FIEDLER, American economist IENG 481 Tahmin Yöntemleri Dr. Hacer Güner Gören Zaman Serisi nedir? Kronolojik sırayla elde edilen verilere
Detaylı7.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
Detaylıistatistik El 10 1_ ve 2_ sorular a Ş3 gldakl bilgilere göre Al 4 Bl 6 cı 7 Dl 8 Al 5 B) 12 CL 27 D) 28 E) 35 2Q 10 BS 4200-A
2Q 10 BS 4200- İstatistik sorulannın cevap l anmasında gerekli olabilecek tablolar ve f ormüller bu kita p ç ığın sonunda ver-ilmiştir. 1_ ve 2_ sorular a Ş3 gldakl bilgilere göre cevaplandırılacaktır
DetaylıSistem Simulasyonu. Ders 8 Laboratuvar. Girdi Analizi
Sistem Simulasyonu Ders 8 Laboratuvar Girdi Analizi Örneklem Verileri durağan olmalıdır. Bu sonuç zaman serisi grafiğinden gözlemlenir. Verilerde zamana bağlı farkedilebilir bir trend (eğilim) olmamalıdır.
DetaylıMeslek lisesi ve devlet lisesine giden N tane öğrenci olduğu ve bunların yıllık okul harcamalarına ait verilerin olduğu varsayılsın.
KUKLA DEĞİŞKENLİ MODELLER Bir kukla değişkenli modeller (Varyans Analiz Modelleri) Kukla değişkenlerin diğer kantitatif değişkenlerle alındığı modeller (Kovaryans Analizi Modeller) Kukla değişkenlerin
DetaylıSistem Simulasyonu. Ders 8 Laboratuvar. Girdi Analizi
Sistem Simulasyonu Ders 8 Laboratuvar Girdi Analizi Örneklem Verileri durağan olmalıdır. Bu sonuç zaman serisi grafiğinden gözlemlenir. Verilerde zamana bağlı farkedilebilir bir trend (eğilim) olmamalıdır.
DetaylıSürelerine 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
DetaylıİÇİNDEKİLER ÖN SÖZ...
İÇİNDEKİLER ÖN SÖZ... v GİRİŞ... 1 1. İSTATİSTİK İN TARİHÇESİ... 1 2. İSTATİSTİK NEDİR?... 3 3. SAYISAL BİLGİDEN ANLAM ÇIKARILMASI... 4 4. BELİRSİZLİĞİN ELE ALINMASI... 4 5. ÖRNEKLEME... 5 6. İLİŞKİLERİN
DetaylıZaman Serileri. IENG 481 Tahmin Yöntemleri Dr. Hacer Güner Gören
Zaman Serileri IENG 481 Tahmin Yöntemleri Dr. Hacer Güner Gören Zaman Serisi nedir? Kronolojik sırayla elde edilen verilere sahip değișkenlere zaman serisi adı verilmektedir. Genel olarak zaman serisi,
DetaylıAkdeniz Üniversitesi
F. Ders Tanıtım Formu Dersin Adı Öğretim Dili EKONOMETRİ I Türkçe Dersin Verildiği Düzey Ön Lisans ( ) Lisans (x ) Yüksek Lisans( ) Doktora( ) Eğitim Öğretim Sistemi Örgün Öğretim (x ) İkinci Örgün Öğretim
Detaylıise, genel bir eğilim (trend) gösteriyorsa bu seriye uygun doğru ya da eğriyi bulmaya çalışırız. Trend orta-uzun dönemde her iniş, çokışı
Trend Analizi Eğer zaman serisi i rastgele dağılmış ğ değil ise, genel bir eğilim (trend) gösteriyorsa bu seriye uygun doğru ya da eğriyi bulmaya çalışırız. Trend orta-uzun dönemde her iniş, çokışı yansıtmayacak,
DetaylıÇOKLU DOĞRUSAL BAĞLANTI
ÇOKLU DOĞRUSAL BAĞLANTI ÇOKLU DOĞRUSALLIĞIN ANLAMI Çoklu doğrusal bağlanı; Bağımsız değişkenler arasında doğrusal (yada doğrusala yakın) ilişki olmasıdır... r xx i j paramereler belirlenemez hale gelir.
DetaylıBasit ve Çoklu Doğrusal Regresyon
Basit ve Çoklu Doğrusal Regresyon Dr. Eren Can Aybek erencan@aybek.net www.olcme.net IBM SPSS Statistics ile Basit Doğrusal Regresyon Bir yordayıcı değişkene ait değerleri bildiğimizde, sürekli bir yordanan
DetaylıEKONOMETRİ. GRETL Uygulamaları. Prof. Dr. Bülent Miran
EKONOMETRİ GRETL Uygulamaları Prof. Dr. Bülent Miran Bornova-2015 İÇİNDEKİLER 1. Gretl da veri dosyasını çağırma:... 3 2. Gretl da Excel veri dosyasını açma:... 4 3. Excel den alınmış verilerin Gretl dosyası
DetaylıEkonometri I VARSAYIMLARI
Ekonometri I ÇOK DEĞİŞKENLİ REGRESYON MODELİNİN VARSAYIMLARI Hüseyin Taştan Temmuz 23, 2006 İçindekiler 1 Varsayım MLR.1: Parametrelerde Doğrusallık 1 2 Varsayım MLR.2: Rassal Örnekleme 1 3 Varsayım MLR.3:
DetaylıRegresyon Analizi. Yaşar Tonta H.Ü. BBY tonta@hacettepe.edu.tr yunus.hacettepe.edu.tr/~tonta/courses/fall2008/sb5002/ SLIDE 1
Regresyon Analizi Yaşar Tonta H.Ü. BBY tonta@hacettepe.edu.tr yunus.hacettepe.edu.tr/~tonta/courses/fall2008/sb5002/ SLIDE 1 Not: Sunuş slaytları G.A. Morgan, O.V. Griego ve G.W. Gloeckner in SPSS for
DetaylıKORELASYON 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
DetaylıEME 3117 SİSTEM SIMÜLASYONU. Girdi Analizi. Özet İstatistikler ve Histogram (Minitab)(1) Örnek: Eczane İçin Servis Süreleri
EME 3117 1 2 Girdi Analizi SİSTEM SIMÜLASYONU Modellenecek sistemi (prosesi) dokümante et. Veri toplamak için bir plan geliştir. Veri topla. Verilerin grafiksel ve istatistiksel analizini yap. Girdi Analizi-I
DetaylıREGRESYON. 10.Sunum. Dr. Sedat ŞEN
REGRESYON 10.Sunum 1 ANALİZ TÜRLERİ Bağımlı Değ. Bağımsız Değ. Analiz Sürekli İki kategorili t-testi, Wilcoxon testi Sürekli Kategorik ANOVA, doğrusal regresyon Sürekli Sürekli Korelasyon, doğrusal regresyon
DetaylıH.Ü. Bilgi ve Belge Yönetimi Bölümü BBY 208 Sosyal Bilimlerde Araştırma Yöntemleri II (Bahar 2012) SPSS Ders Notları II (19 Nisan 2012)
H.Ü. Bilgi ve Belge Yönetimi Bölümü BBY 208 Sosyal Bilimlerde Araştırma Yöntemleri II (Bahar 2012) SPSS Ders Notları II (19 Nisan 2012) Aşağıdaki analizlerde lise öğrencileri veri dosyası kullanılmıştır.
DetaylıZAMAN SERİSİ ANALİZİ. Ne ilginçtir ki, insanlar büyük ölçüde rassal olan şeylerde anlamlı örnekler bulmaya çalışır. Mr. Data Star Trek, 1992
ZAMAN SERİSİ ANALİZİ Ne ilginçtir ki, insanlar büyük ölçüde rassal olan şeylerde anlamlı örnekler bulmaya çalışır. Mr. Data Star Trek, 1992 Zaman Serisi Analizi İçin Temel Kavramlar Durağanlık ve Durağan
DetaylıKUKLA DEĞİŞKENLİ MODELLER. Kukla değişkenlerin diğer kantitatif değişkenlerle alındığı modeller (Kovaryans Analizi Modeller)
KUKLA DEĞİŞKENLİ MODELLER Bir kukla değişkenli modeller (Varyans Analiz Modelleri) Kukla değişkenlerin diğer kantitatif değişkenlerle alındığı modeller (Kovaryans Analizi Modeller) Kukla değişkenlerin
DetaylıThe International New Issues In SOcial Sciences
Number: 4 pp: 89-95 Winter 2017 SINIRSIZ İYİLEŞMENİN ÖRGÜT PERFORMANSINA ETKİSİ: BİR UYGULAMA Okan AY 1 Giyesiddin NUROV 2 ÖZET Sınırsız iyileşme örgütsel süreçlerin hiç durmaksızın örgüt içi ve örgüt
DetaylıYAPAY SİNİR AĞLARI YÖNTEMİYLE İSTANBUL DOĞALGAZ İHTİYACININ TAHMİN EDİLMESİ VE GAZ TÜKETİM HESAPLAMA PROGRAMININ YAZILMASI
YAPAY SİNİR AĞLARI YÖNTEMİYLE İSTANBUL DOĞALGAZ İHTİYACININ TAHMİN EDİLMESİ VE GAZ TÜKETİM HESAPLAMA PROGRAMININ YAZILMASI Prof. Dr. Bekir Karlık & Recep KIZILASLAN Araştırma Projesi Ocak 2009 Proje Yöneticisi:
DetaylıBÖLÜM 8 BİLGİSAYAR UYGULAMALARI - 2
1 BÖLÜM 8 BİLGİSAYAR UYGULAMALARI - 2 Bu bölümde bir veri seti üzerinde betimsel istatistiklerin kestiriminde SPSS paket programının kullanımı açıklanmaktadır. Açıklamalar bir örnek üzerinde hareketle
DetaylıGÜVEN ARALIKLARI ve İSTATİSTİKSEL ANLAMLILIK. Ankara Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı
GÜVEN ARALIKLARI ve İSTATİSTİKSEL ANLAMLILIK Ankara Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı Kestirim Pratikte kitle parametrelerinin doğrudan hesaplamak olanaklı değildir. Bunun yerine
DetaylıLİKERT TİPİ ÖLÇEKLERE FARKLI BİR YAKLAŞIM Kelime Tabanlı Ölçekler ile Gülenyüz Ölçeklerin Karşılaştırılması
LİKERT TİPİ ÖLÇEKLERE FARKLI BİR YAKLAŞIM Kelime Tabanlı Ölçekler ile Gülenyüz Ölçeklerin Karşılaştırılması Kemal KURŞUN Dr. Hakan BAYRAMLIK Orhan ÇİMENCİ Hacettepe Üniversitesi Kara Harp Okulu Kara Harp
Detaylı9. 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.
DetaylıDOĞRUSAL ZAMAN SERİSİ MODELLERİ. Durağan ARIMA Modelleri: Hareketli Ortalama Modelleri MA(q) Süreci
DOĞRUSAL ZAMAN SERİSİ MODELLERİ Durağan ARIMA Modelleri: Hareketli Ortalama Modelleri MA(q) Süreci Hareketli Ortalama Süreci:MA(q) Hareketli Ortalama sürecini yapısını ortaya koymak için önce hisse senedi
DetaylıDers Planı: - Talep Yapıları. - Tahmin Etmede Önemli Kararlar. - Yargısal Yöntemler. - Nedensel Yöntemler: Doğrusal Regresyon
Ders Planı: - Talep Yapıları - Tahmin Etmede Önemli Kararlar - Yargısal Yöntemler - Nedensel Yöntemler: Doğrusal Regresyon - Zaman Serisi Yöntemleri - Zaman Serisi Yönteminin Seçimi - Çoklu Tekniklerin
DetaylıCHAPTER 6 SIMPLE LINEAR REGRESSION
CHAPTER 6 SIMPLE LINEAR REGRESSION Bu bölümdeki amacımız değişkenler arasındaki ilişkiyi gösteren en uygun eşitliği kurmaktır. Konuya giriş için şu örnekle başlayalım; Diyelim ki Mr. Bump adındaki birisi
DetaylıBu örnekte kullanılan veri 200 gözleme sahiptir ve örnek için özel olarak oluşturulmuştur.
Değişen Varyans Örnek Bu örnekte kullanılan veri 200 gözleme sahiptir ve örnek için özel olarak oluşturulmuştur. 1 Aşağıda yer alan denklemi tahmin edelim; y i = β 0 + β 1 x 1i + β 2 x 2i + u i EViews
DetaylıMühendislikte İstatistik Yöntemler
Mühendislikte İstatistik Yöntemler Referans Kitaplar Türkçe : Mühendisler için İstatistik, Mehmetçik Bayazıt, Beyhan Oğuz, Birsen Yayınevi Mühendislikte İstatistik Metodlar, Erdem KOÇ,ÇÜ, Müh.Mim.Fak.
DetaylıKorelasyon. Korelasyon. Merkezi eğilim ve değişim ölçüleri bir defada sadece bir değişkenin özelliklerini incelememize imkan tanır.
Korelasyon Korelasyon Merkezi eğilim ve değişim ölçüleri bir defada sadece bir değişkenin özelliklerini incelememize imkan tanır. Biz şimdi, bir değişkenin özelliklerini diğer değişkenle olan ilişkisine
Detaylı2016 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
DetaylıÖlçüm Sisteminin Analizi
Ölçüm Sisteminin Analizi (Measurement System Analysis) Prof. Dr. Nihal Erginel TOPLAM DEĞİŞKENLİK SÜREÇTEN KAYNAKLANAN DEĞİŞKENLİK ÖLÇÜM SİSTEMİNDEN KAYNAKLANAN DEĞİŞKENLİK Süreç Değişkenlik Kaynakları
DetaylıÖlçüm Sisteminin Analizi Measurement System Analysis. Dr. Nihal Erginel
Ölçüm Sisteminin Analizi Measurement System Analysis Dr. Nihal Erginel TOPLAM DEĞİŞKENLİK Süreçten kaynaklanan değişkenlik Ölçüm sisteminden kaynaklanan değişkenlik Süreç Değişkenlik Kaynakları Hammadde
DetaylıBİYOİSTATİSTİK DERSLERİ AMAÇ VE HEDEFLERİ
BİYOİSTATİSTİK DERSLERİ AMAÇ VE HEDEFLERİ DÖNEM I-I. DERS KURULU Konu: Bilimsel yöntem ve istatistik Amaç: Biyoistatistiğin tıptaki önemini kavrar ve sonraki dersler için gerekli terminolojiye hakim olur.
DetaylıDAĞILMA YADA DEĞİ KENLİK ÖLÇÜLERİ (MEASURE OF DISPERSION) Prof.Dr.A.KARACABEY Doç.Dr.F.GÖKGÖZ
DAĞILMA YADA DEĞİ KENLİK ÖLÇÜLERİ (MEASURE OF DISPERSION) 1 AMAÇ... Mevcut veri seti için bulunan merkezi eğilim ölçüsünün yorumlamak Birden fazla veri seti için dağılımlar arası kıyaslama yapabilmek amaçlarıyla
DetaylıUYGULAMALI EKONOMETRİ I. Veri Analizi
UYGULAMALI EKONOMETRİ I Veri Analizi Temel Veri Analizi İstatistiksel yada ekonometrik araçları kullanmadan önce veriyi hissetmek için ön analiz oldukça önemlidir. Bu süreç regresyon analizi ve sonuçların
Detaylı6. Ders. Genelleştirilmiş Lineer Modeller (Generalized Linear Models, GLM)
6. Ders Genelleştirilmiş Lineer Modeller (Generalized Linear Models, GLM) Y = X β + ε Lineer Modeli pek çok özel hallere sahiptir. Bunlar, ε nun dağılımına (bağımlı değişkenin dağılımına), Cov( ε ) kovaryans
Detaylı009 BS 400- İstatistik sonılannın cevaplanmasında gerekli olabilecek tablolar ve formüller bu kitapçığın sonunda verilmiştir. 1. şağıdakilerden hangisi doğal birimdir? l TV alıcısı Bl Trafik kazası CL
DetaylıUYGULAMALAR. Normal Dağılımlılık
UYGULAMALAR EKONOMETRİYE GİRİŞ 0.01.008 1 Normal Dağılımlılık Amerika da 195-1941 yılları arasında sığır eti fiyatı ile kişi başı sığır eti tüketimi arasındaki ilişki incelenmiş ve aşağıdaki sonuç bulunmuştur.
DetaylıZAMAN SERİLERİ EKONOMETRİSİ I: DURAĞANLIK, BİRİM KÖKLER
ZAMAN SERİLERİ EKONOMETRİSİ I: DURAĞANLIK, BİRİM KÖKLER ZAMAN SERİLERİ VE TEMEL KAVRAMLAR Bir zaman serisi, bir değişkenin zaman içindeki hareketini gözlemler. Değişkenlere ilişkin değerler aylık, üç aylık,
Detaylı1. YAPISAL KIRILMA TESTLERİ
1. YAPISAL KIRILMA TESTLERİ Yapısal kırılmanın araştırılması için CUSUM, CUSUMSquare ve CHOW testleri bize gerekli bilgileri sağlayabilmektedir. 1.1. CUSUM Testi (Cumulative Sum of the recursive residuals
DetaylıT.C. TRAKYA ÜNİVERSİTESİ İKTİSADİ VE İDARİ BİLİMLER FAKÜLTESİ İKTİSAT BÖLÜMÜ GENEL EKONOMİK SORUNLAR TÜFE NİN İŞSİZLİK ÜZERİNE ETKİSİ HAZIRLAYANLAR:
T.C. TRAKYA ÜNİVERSİTESİ İKTİSADİ VE İDARİ BİLİMLER FAKÜLTESİ İKTİSAT BÖLÜMÜ GENEL EKONOMİK SORUNLAR TÜFE NİN İŞSİZLİK ÜZERİNE ETKİSİ HAZIRLAYANLAR: 2120703360 KÜBRA İNAN 2120703321 EDA ZEYNEP KAYA EDİRNE
DetaylıTURİZM SEKTÖRÜNDE TALEP TAHMİN MODELLEMESİ
TURİZM SEKTÖRÜNDE TALEP TAHMİN MODELLEMESİ *Prof. Dr. Münevver TURANLI, Arş. Gör. Elif GÜNEREN 1.Giriş Turizm sektörü; bir yandan ülkeler için önemli bir gelir kaynağı olması, diğer yandan uluslararası
DetaylıİSTATİSTİKSEL VERİ ANALİZİ
İSTATİSTİKSEL VERİ ANALİZİ Prof. Dr. Gül ERGÜN Hacettepe Üniversitesi Kasım 2013 İstatistik Nedir? İSTATİSTİK Belirli bir konuda toplanan sayısal değerlerdir. Buna göre, 2012 yılında Türkiye de kayıtlı
Detaylı