İki Durumlu Karışımlı Lojistik Regresyona İlişkin Bir Uygulama. An Application for Binary Mixture Logistic Regression
|
|
- Gonca Poyraz
- 5 yıl önce
- İzleme sayısı:
Transkript
1 BİLİŞİM TENOLOJİLERİ DERGİSİ, CİLT: 4, SAYI: 3, EYLÜL İ Durumlu arışımlı Lojst Regresyona İlşn Br Uygulama Yılmaz AYA 1, Abdullah YEŞİLOVA 2 1 Blgsayar Mühendslğ Bölümü, Srt Ünverstes, Srt, Türye 2 Byometr &Genet Bölümü, Yüzüncü Yl Ünverstes, Van, Türye yaya@yyu.edu.tr, yeslova@yyu.edu.tr (Gelş/Receved: , abul/accepted: ) Özet Lojst regresyon, bnary ( durumlu) bağımlı değşen le bağımsız değşenler arasında neden sonuç lşsn ncelemetedr. Lojst regresyonda, gözlenen varyansın, belenen varyanstan büyü olması aşırı yayılım olara tanımlanmatadır. Ver setnde meydana gelen aşırı yayılımın modellenmesnde ullanılan alternatf yöntemlerden br de arışımlı lojst regresyondur. arışımlı modellemede, aşırı yayılıma gözlenemeyen heterojenlğn neden olduğu varsayılmatadır. Ver set end çersnde homojen alt ver setlerne ayrılara, aşırı yayılım gderlmetedr. Bu çalışmada öğretm yılı çn YYÜ Eğtm Faültes Beden Eğtm ve Spor Öğretmenlğ Bölümü çn açılan yetene sınavına atılan 467 ere adayın başarı durumları arışımlı modeller le ncelenmştr. Adaylardan elde edlen ver set aşırı yayılım göstermştr. Aşırı yayılım, ver setnn homojen alt ver setne ndrgenmes le gderlmştr. Her alt ver set çn elde edlen parametre tahmnlerne göre breylern sınavı azanmalarında me sayıları, ÖSS ve AOÖBP değşenler etl olduları saptanmıştır (p<0.05). Anahtar elmeler AIC (Aae Informaton Crtera), BIC (Bayesan Informaton Crtera), EM (Expecton- Maxmzaton) algortması, Lojst regresyon, arışımlı model An Applcaton for Bnary Mxture Logstc Regresson Abstract The logstcs regresson, examnes the reason result relaton between the bnary dependent varable and ndependent varables. In logstcs regresson, observed varance beng more than expected varance s called overdsperson. In cases where there s overdsperson n the data set, mxture logstcs regresson s an alternatve method. In mxture modelng, t s assumed that the data set shows a heterogeneous structure. Ths heterogenety s defned as unobservable heterogeneous. The data set s separated to homogenous sub data sets wthn tself n order to overcome the overdsperson. In ths study, the status exam success of 467 male canddates that partcpated to the sll exam made n educaton year n YYÜ Faculty of Educaton Gymnastcs and Sports Teachng Department were examned wth mxture models. The data set obtaned from canddates was showed overdsperson. The overdsperson n data set was obvated by the separatng data to homogenous two sub data sets. Accordng to the parameter estmates for each sub data set, the number fles, ÖSS ponts and AOÖBP varables effect the result of the exam drectly (p<0.05). eywords AIC (Aae Informaton Crtera), BIC (Bayesan Informaton Crtera), EM (Expecton-Maxmzaton) Algorthm, Logstc Regresson, Mxture model 1. GİRİŞ * Lojst regresyon (LR), bağımlı değşenn bnom dağılımı gösterdğ durumlarda ullanılmatadır. Başa br fadeyle LR, bağımlı değşenn l veya sıralı olması durumunda bağımlı değşen le bağımsız değşenler arasında neden sonuç lşsn belrlemede ullanılan br yöntemdr [1,2,3,4]. LR de, bağımsız değşenlern doğrusal yapısı, durumlu bağımlı * Bu çalışma 2007 yılında btrlen Yılmaz AYA nın yüse lsans teznden alınmıştır. değşennn belenen değerne bağlayan br ln fonsyonunu ullanmatadır. Genellle logt, probt veya coucht gb bağlantı fonsyonları ullanılmatadır [3,5,6]. Lojst regresyonda, gözlenen varyansın, belenen varyanstan büyü olması aşırı yayılım (overdsperson) olara tanımlanmatadır [7,8,9]. Aşırı yayılım, genellle gözlenemeyen heterojenlğn neden olduğu br durumdur [4,10,11,13,14]. Gözlenemeyen heterojenlğn belrlenmesnde ullanılan yöntemlerden br arışımlı lojst regresyondur (LR;Mxture Logstc Regresson=MLR). arışımlı
2 54 lojst regresyonda, ver setnn farlı alt ver setlernden oluşan heterojen br ver set olduğu varsayılmatadır. LR de amaç, ver setnn dağılacağı homojen alt ver setlern sayısı belrleyere, gözlemlern alt ver setlerne dağılmasını sağlamatır. Daha sonra her br alt ver set çn ayrı parametre tahmnler elde edlr [10,11,12,15,16,17]. Aşırı yayılım gösteren ver setler çn bağımlı değşenn l olması durumunda durumlu arışımlı lojst regresyon (ILR: Bnary Mxture Logstc Regresson=BMLR) ullanılmatadır [17]. ILR de parametre tahmnler, belent masmzasyonu (Expectaton-Maxmzaton=EM) algortması ullanılara en ço olablrl (Masmum Lelhood=ML) yöntem le elde edlr [18]. Ver setn en y açılayan modeln seçmnde, Aa blg ölçütü (Aae Informaton Crtera=AIC) ve Bayesan blg ölçütü (Bayesan Informaton Crtera=BIC) en ço ullanılan model uyum ölçütlerdr [4,12,13,19]. Bu çalışmada, ILR modelnn teor özelller ncelenere, Beden Eğtm ve Spor Öğretmenlğ alanında elde edlen gerçe br ver setne uygulaması yapılmıştır. İl olara, ver setnn te br ver setnden oluştuğu varsayılara LR analz yapılmıştır. Daha sonra LR analz sonucunda oluşan aşırı yayılımı gderme çn ver set ILR analzne tab tutulmuştur. ILR da her br alt ver set çn ayrı parametre tahmnler ve alt ver setne düşen breylern sayıları tahmn edlmştr. 2. VERİ SETİ Bu çalışmada ullanılan ver set, öğretm yılı çn YYÜ Eğtm Faültes Beden Eğtm ve Spor Öğretmenlğ Bölümü çn açılan yetene sınavına atılan 467 ere adaydan oluşmuştur. Verlern br bölümü (ÖSS puanı, AOÖBP) Öğrenc Seçme ve Yerleştrme Merez nn (ÖSYM) web sayfasından elde edlmştr. Ver setn oluşturan dğer değşenler se sınav esnasında adaylardan bre br alınmıştır. Adayların performans değşenler se sınav esnasında adaylar zlenere elde edlmştr. Adayların sınavı azanıp azanmaması (sınav sonucu) bağımlı değşen, Me Sayısı, Öğrenc Seçme Sınavı(ÖSS) puanı ve Ağırlılı Orta Öğretm Başarı Puanları (AOÖBP) bağımsız değşenler olara modele alınmıştır. Ver setne at tanıtıcı statstler Tablo 1 de verlmştr. Tablo 1. Bağımsız değşenlere lşn tanıtıcı statstler Değşen N Ortalama±Sta Mnmum Masmum ndart Sapma Me ± Sayısı ÖSS Puanı ± AOÖBP ± YÖNTEM 3.1. İ Durumlu arışımlı Lojst Regresyon arışımlı lojst model çn esl arışımlı dağılım [10,16], p BİLİŞİM TENOLOJİLERİ DERGİSİ, CİLT: 4, SAYI: 3, EYLÜL 2011 y B y v exp x 1 bçmnde yazılablr. Burada, ıncı alt ver setne at olma olasılığını; y, bağımlı değşen; x, bağımsız değşen vetörünü;, blnmeyen parametre vetörünü; v, gamma dağılışına sahp tesadüf br et veya değşen göstermetedr. y, bnomal dağılış gösterr ve, P n y y y p p 1 p Y n bçmnde yazılır. Burada p,stenen olayın gerçeleşme olasılığı, n toplam deneme sayısı, y stenen başarılı olay sayısını belrtr. Lojst regresyonda ullanılan logt bağlantı fonsyonu, Logt ' x olara yazılablr [2]. Bu durumda y değerlerne lşn marjnal olasılı yoğunlu fonsyonu, f ( y) P( C ) P( Y y C ) f ( y, p ) 1 1 şelnde yazılablr [14,16]. Bnom dağılışlı ver setnn, adar alt popülasyona at heterojen br örne olması durumunda ıncı alt popülasyona (ategorye) gren nc şans değşennn olasılığı [15], P c bçmnde verleblr. Bütün verler çn log-olablrl fonsyonu, y n n L(Y, X,, ) c log c log b(y,x) (4) bçmnde yazılablr. 4 numaralı eştlte, c gözlenemeyen gözlemler olup, C c, 1,2,... n; 1,2,... c c c 1, 0, dger durumlarda bçmnde yazılablr [14,15] İ Durumlu arışımlı Lojst Regresyon model çn EM algortması ve en ço olablrl yöntem ILR model çn EM algortmasının aşamaları aşağıda gb verleblr [10,12] Brnc aşamada, ve 0 tolerans değerlerne göre belrlenr. (1) (2) (3) başlangıç değerler ve
3 BİLİŞİM TENOLOJİLERİ DERGİSİ, CİLT: 4, SAYI: 3, EYLÜL E aşamasında, ve başlangıç değerler verldğnde gözlenmş verler (X, Y) ve parametrelern başlangıç değerler üzernden, C es gözlemler elde edlr. Ĉ (, ) ullanılara c nn ıncı unsurunun oşullu olasılığı, b y x,, b y x, 1 ĉ, bçmnde verleblr. M aşamasında,,1, c, z,...,z ; 1,2,...,n, 1,2,..., (5) oşullu olasılıları verlmşen, parametre tahmnler, eştl 4 te verlen log olablrl fonsyonun ve ye göre masmze edlmes le, Q,p, E (L(Y,C,,p,X)) Y,X,, (6) Q Q1 Q2 bçmnde elde edlr.burada, Q1 ve Q 2, n 1, 1 1 Q c, log (7) n 2, y n (8) 1 1 Q c, logb(, ) bçmnde elde edlr. Eştl 7 ve 8 de verlen ˆ ve ˆ tahmn edcler, Q 1 ve Q2 eştllernn ve ya göre türevlernn alınması le, Q1 0 Q 2 0, 1,..., 1 (9) bçmnde elde edlr. Eştl 9 ullanılara ˆ, n 1 (10) 1 n ˆ ˆ c,, 1,..., 1 (11) bçmnde elde edlmetedr [10,11,12]. Yuarıda verlen eştl 10 da apalı formunun çözümünün zor olmasından dolayı, parametre tahmnler çn Quas-Newton yalaşımı ullanılara E ve M aşamaları, 1.aşamada, 1,..., ve 1,..., başlangıç değerlernn ve 0 tolerans değerlerne göre belrlenmes, 2. aşamada (E- aşaması), eştl 5 ullanılara c,...,c 1 cˆ ˆ ˆ 1,2,...,n (12),1, değerler hesaplanılır. ĉ, nın hesaplanmasında aşırı taşmayı engelleme çn eştl 5 de verlen fonsyonun pay paydası, payda toplamının en büyü değerne bölünür. 3. aşamada (M- aşaması), a) Eştl 9 ullanılara ˆ parametresnn hesaplanması b) Quas-Newton algortması ullanılara 10 numaralı eştlğn çözümünden ˆ parametresnn hesaplanması. 4. aşamada, aşağıda oşullardan en az br doğru se, ˆ, ˆ olur ve 1. asamaya gdlr, as durumda c aşamasına gdlr. ) ˆ (13) ) ˆ (14) ) LY,X, ˆ, ˆ LY,X,, (15) c) parametreler çn, ˆ ler başlangıç değerler olara alınır ve Quas-Newton algortması ullanılara L Y,X,, log olablrl fonsyonu gözlenmş masmze edlp, şlem sonlandırılır [10,11] Uygun Model Seçm arışımlı modellerde uygun model seçmnde ullanılan uyum ölçütler Aa Blg Ölçütü (Aae Informaton Crtera=AIC) ve Bayesan blg ölçütü (Bayesan Informaton Crtera=BIC). AIC ve BIC uygun model seçm çn ullanılır. Uyum ölçütler genel olara; 0 (16) (17) bçmnde yazılablr. Burada, p parametre sayısını göstermetedr [10]. 4. UYGULAMALAR Çalışmada, analzler çn R yazılımı ullanılmıştır. R statst, matemat, ver madenclğ gb ço farlı amaçlar çn ullanılablece br programlama dldr [20]. Açı aynalı br program olup GNU lsansı altında dağıtılmatadır. Ver setnn l önce lojst regresyona göre analz yapılmıştır. Lojst regresyonda, devans (devance) uyum statstğne lşn yayılım parametre değer 6.328, Pearson h-are uyum statstğne lşn değer se olara bulunmuştur. Elde edlen uyum statstğ değerlernn br (1) değernden büyü çıması ver setnde aşırı yayılım olduğunu göstermetedr [4]. Ver setnde aşırı yayılım tespt edldten sonra, durumlu arışımlı lojst regresyon uygulanmıştır. İ
4 56 durumlu arışımlı lojst regresyona lşn elde edlen model uyum ölçütler Tablo 2 de verlmştr. Tablo 2 ye baıldığında alt ver setnden (alt ver set 2 adet) sonra AIC ve BIC uyum ölçütlernn büyüdüğü görülmetedr. İnc alt ver set çn uyum statstler AIC= ve BIC= olara bulunmuştur. En üçü AIC ve BIC değerlerne sahp model, ver setn en y açılayan model olara blnmetedr. Bundan dolayı, oyu harflerle gösterlen alt ver setl model en y model olara seçlmştr. Alt ver set seçme şlemne at aba od aşağıda verlmştr. 1. BAŞLA; 2. P=1; //Alt ver set sayısı 3. I=1; 4. AIC, BIC hesapla 5. P=P+1; I=I+1; 6. EM algortmasına göre gözlemler gruplara dağıt. 7. Her alt ver set çn parametre tahmnlern hesapla 8. AIC, BIC hesapla ve sala; 9. Eğer AIC-1<AIC veya BIC-1<BIC GİT GİT DUR 12. YAZ ( Alt Ver Sayısı= +P); 13. BİTİŞ Tablo 2. Farlı alt ver setler çn uyum ölçütler # Alt Ver Setler AIC BIC 1 adet adet adet adet En y model olara seçlen alt ver setl modelde, her br alt ver set çn elde edlen parametrelern ortalama değerler Tablo 3 te verlmştr. Brnc alt ver setnde ortalama me sayısı , ortalama ÖSS puanı ve ortalama AOÖBP puanı olara elde edlmşen, nc alt ver setnde ortalama me sayısı , ortalama ÖSS puanı ve ortalama AOÖBP puanı olara elde edlmştr. Tablo 3. İ alt ver setl modele at ortalama parametre değerler Alt Ver Me ÖSS AOÖBP Setler Sayısı 1.alt ver set alt ver set İ durumlu arışımlı lojst regresyon çn elde edlen parametre tahmn değerler ve standart hataları Tablo 4 te verlmştr. Me sayısı ve ÖSS puanının alt ver setler arasında öneml farı, bu değşenn sınavı azanma üzerne dre br etsnn olduğu görülmetedr. Tablo 4 te verlen parametre tahmnlerne göre AOÖBP değşenn alt ver set ç sınav başarısı üzernde ço üçü br etye sahp olduğu görülmetedr. BİLİŞİM TENOLOJİLERİ DERGİSİ, CİLT: 4, SAYI: 3, EYLÜL 2011 Tablo 4. arışımlı lojst regresyon analz sonuçları Alt Dağılım Inter Me OSS AOÖBP Ver Setler Oranları (%) cept Sayısı (Standart Hatalar) * p<0.05 (0.044)* 30.7 (0.031)* (0.027)* 0.01 (0.020)* (0.014)* 0.04 (0.045)* İ alt ver setl modelde, breylern her br alt ver setne dağılma oranları Tablo 5 te verlmştr. Brnc alt ver setnde breylern 58 (20.9%), nc alt ver setne se 409 u (79.1%) dahl olmuştur. Her alt ver setnde (p<0.05) değerlerne göre sınavı azanmada Me Sayısı, ÖSS ve AÖOBP değşenlernn öneml olduğu saptanmıştır. Tablo 5. Adayların alt ver setlerne dağılımı. Alt Ver Setler Sayı Oran % Alt Ver Set 58 20,9 Alt Ver Set ,1 5. TARTIŞMA Bnom dağılımda, gözlenen varyansın belenen varyanstan büyü olduğu durum, aşırı yayılım (overdsperson) veya extra-bnomal varyasyon olara adlandırılmatadır [7,9,17]. Bu durumda lojst regresyonun ullanılması doğru ve tutarlı olmayan parametre tahmnlernn ve standart hataların elde edlmesne neden olmatadır. Çalışmada, lojst regresyonda meydana gelen aşırı yayılım, ver set end çersnde alt ver setne ayrılara gderlmştr. Böylece her br alt ver set ç homojenl sağlanıren, alt ver setler arası heterojenlte ortaya onmaya çalışılmıştır. Tablo 2 de farlı alt ver setl modeller çn hesaplanan AIC ve BIC uyum ölçütler alt ver setl modelden sonra gdere büyüdülernden dolayı, dört alt ver setl modelden sonra alt ver setl modellere yer verlmemştr. Tablo 3 te brnc alt ver set çn me sayıları ve ÖSS puanlarının ortalama değerlernn nc alt ver setnden elde edlen ortalama değerlere göre daha üçü olduğu saptanmıştır. Çalışmada, özellle me sayısı ve ÖSS puanın, öğrenclern sınavı azanmalarında doğrudan etl olduğu belrlenmştr. Bununla brlte, AÖOBP ortalama değer her alt ver set çn benzerl göstermştr. Bu baımdan, Tablo 4 te verlen bağımsız değşenlern tamamının, sınavı azanma üzernde etlernn öneml olması, Tablo 3 de verlen ortalama değerler le brbrlern destelemetedr. Tablo 3 e baıldığında özellle me sayısı ve ÖSS puanının her alt ver set çn farlılı göstermeler, bu her özellğn sınav sonucunu doğrudan etledler söyleneblr.
5 BİLİŞİM TENOLOJİLERİ DERGİSİ, CİLT: 4, SAYI: 3, EYLÜL Bu çalışmada, bağımlı değşenn durumlu olduğu durumlarda ver setnde meydana gelene aşırı yayılımı modelleme çn durumlu arışımlı lojst model ullanılmıştır. Elde edlen sonuçlar doğrultusunda, durumlu arışımlı lojst modeln, lojst regresyonda meydana gelen aşırı yayılım modellemede öneml br yöntem olduğu gözlenmştr. AYNALAR [1]. G. E. Bonney, Logstc Regresson for Dependent Bnary Observatons, Bometrcs, 43(4), , [2]. B. Zhang, A Ch-Squared Goodness-of-Ft- Test for Logstc Regresson Models Based on Case-Control data, Bometra, 86, , [3]. M. E. Stoes, C. S. Davs, G. G. och, Categorcal Data Analyss Usng the SAS System, John and Wley & Sons Incorporaton, USA, [4]. SAS, SAS/STAT Software:Hangen and Enhanced. SAS, Inst. Inc., USA, 2008 [5]. P. McCullagh, J. A. Nelder, Generalzed Lnear Models: Second Edton, Chapmann and Hall, London, [6]. J. A. Dobson, An ntroducton to generalzed lnear models: New Yor: Chapman and Hall, 174, [7]. R. Cox, Some Remars on Overdsperson, Bometra, 70, , [8]. D. Lambert,. Roeder, Overdsperson Dagnostcs for Generalzed Lnear Models, Journal of the Amercan Statstcal Assocaton, 90(432), , [9]. J.. Lndsey, On the Use of Correctons for Overdsperson, Appl. Statst, 48(4), , [10]. P. Wang, M. L. Puterman, I. M. Cocburn, N. Le, Mxed Posson Regresson Models wth Covarate Dependent Rates, Bometrcs, 52, , 1996 [11]. P. Wang, I. M. Cocburn, M. L. Puterman, Analyss of Patent Data- Mxed Posson Regresson Model Approach, Journal of Busness and Economc Statstcs, 16(1), 27-41, [12]. P. Wang, M. L. Putterman, Mxed Logstc Regresson Models: Journal of Agrculture, Bologcal and Envronmental Statstcs, 3(2), , [13]. B. Jones, S. D. Nagn,. Roeder, A SAS Procedure Based on Mxture for Estmatng Developmental Trajectores, Socologcal Methods and Research, 29(3), , [14]. A. Yeşlova, The Use of Mxed Posson Regresson Models for Categorcal Data n Bology, Ph. D. Dssertaton, Unversty of Yüzüncü Yıl, Van, [15]. H. Out, T. E. Duncan, S. C. Duncan, L. A. Strycer, Growth Mxture Modelng of Zero-Inflated Count Data:, J. of Psychopathology and Behavoral Assessment, [16]. F. Lesch, FlexMx: A General Framewor for Fnte Mxture Models and Latent Class Regresson n R, Journal of Statstcal Software, 11(8), [17]. Y. aya, Bnary arışımlı Lojst Regresayon (Yüse Lsans Tez,Basılmamış). Yüzünyü Yıl Ünverstes Fen Blmler, [18]. M. L. Dalrymple, I. L. Hudson, R. P.. Ford, Fnte Mxture, Zero-Inflated Posson and Hurdle Models wth Applcaton to SIDS, Computatonal Statstcs & Data Analyss, 41, , [19]. A. P. Dempster, N. M. Lard, D. B. Rubn, Maxmum Lelhood from Incomplete Data va the EM Algorthm, Journal of Royal Statstcal Socety, 39, 1-18, [20]. Internet: R Project for statstcal computng
6 58 BİLİŞİM TENOLOJİLERİ DERGİSİ, CİLT: 4, SAYI: 3, EYLÜL 2011
DEÜ MÜHENDİSLİK FAKÜLTESİ MÜHENDİSLİK BİLİMLERİ DERGİSİ Cilt: 14 Sayı: 1 sh Ocak 2012
DEÜ MÜHENDİSLİ FAÜLTESİ MÜHENDİSLİ BİLİMLERİ DERGİSİ Cilt: 4 Sayı: sh. 39-47 Oca 202 ARIŞIMLI İİLİ LOJİSTİ REGRESYON MODELİNE İLİŞİN BİR UYGULAMA (AN APPLIACTION FOR MIXTURE BINARY LOGISTIC REGRESSION
DetaylıFarklı Sıcaklıkların Scymnus subvillosus un Bıraktığı Yumurta Sayıları Üzerine Etkilerinin Karışımlı Poisson Regresyon ile Analiz Edilmesi
Yüzüncü Yıl Üniversitesi, Ziraat Faültesi, Tarım Bilimleri Dergisi J. Agric. Sci., 2007, 72: 73-79 Araştırma Maalesi/Article Geliş Tarihi: 3.0.2007 abul Tarihi: 2.07.2007 Farlı Sıcalıların Scymnus subvillosus
DetaylıÖZEL YETENEK SINAVINDAKİ BAŞARIYA İLİŞKİN RİSK ANALİZİNİN KARIŞIMLI LOJİSTİK REGRESYON MODELİ İLE İNCELENMESİ *
Hacettepe Ünverstes Eğtm Faültes Dergs (H. U. Journal of Educaton) 35: 227-239 [28] ÖZEL YETENEK SINAVINDAKİ BAŞARIYA İLİŞKİN RİSK ANALİZİNİN KARIŞIMLI LOJİSTİK REGRESYON MODELİ İLE İNCELENMESİ * SCRUTINIZATION
DetaylıTek Yönlü Varyans Analizi (ANOVA)
VARYANS ANALİZİ İ örne ortalaması arasında farın önem ontrolü, örne büyülüğüne göre z veya testlernden bryle yapılır. Bu testlerle, den fazla örne ortalamasını brlte test etme ve aralarında farın önem
DetaylıPARAMETRİK OLMAYAN HİPOTEZ TESTLERİ. χ 2 Kİ- KARE TESTLERİ. Doç.Dr. Ali Kemal ŞEHİRLİOĞLU Araş.Gör. Efe SARIBAY
PARAMETRİK OLMAYAN HİPOTEZ TESTLERİ Kİ- KARE TESTLERİ Doç.Dr. Al Kemal ŞEHİRLİOĞLU Araş.Gör. Efe SARIAY Populasyonun nceledğmz br özellğnn dağılışı blenen dağılışlardan brsne, Normal Dağılış, t Dağılışı,
DetaylıPARAMETRİK OLMAYAN HİPOTEZ TESTLERİ
PARAMETRİK OLMAYAN HİPOTEZ TESTLERİ Kİ-KARE KARE TESTLERİ Populasyonun nceledğmz br özellğnn dağılışı blenen dağılışlardan brsne, Normal Dağılış, t Dağılışı, F Dağılışı, gb br dağılışa uygun olduğu durumlarda
DetaylıSıfır Ağırlıklı Sayma ile Elde Edilen Veriler İçin Çok Seviyeli ZIP Regresyon * Multilevel ZIP Regression for Zero-Inflated Count Data
Yüzüncü Yıl Ünverstes Fen Blmler Ensttüsü Dergs/ Journal of The Insttute of Natural & Appled Scences 18 (1-):01-08, 013 Araştırma Makales/Research Artcle Sıfır Ağırlıklı Sayma le Elde Edlen Verler İçn
DetaylıUYGULAMA 2. Bağımlı Kukla Değişkenli Modeller
UYGULAMA 2 Bağımlı Kukla Değşkenl Modeller Br araştırmacı Amerka da yüksek lsans ve doktora programlarını kabul ednlmey etkleyen faktörler ncelemek stemektedr. Bu doğrultuda aşağıdak değşkenler ele almaktadır.
DetaylıNİTEL TERCİH MODELLERİ
NİTEL TERCİH MODELLERİ 2300 gözlem sayısı le verlen değşkenler aşağıdak gbdr: calsma: çocuk çalışıyorsa 1, çalışmıyorsa 0 (bağımlı değşken) Anne_egts: Anne eğtm sevyes Baba_egts: Baba eğtm sevyes Kent:
DetaylıÜÇ BOYUTLU ÇAPRAZ TABLOLARDA LOGARİTMİK DOĞRUSAL ANALİZ: ÇOCUK İŞGÜCÜ DEĞİŞKENLERİ ARASINDAKİ ETKİLEŞİMLER
Uludağ Ünverstes İtsad ve İdar lmler Faültes Dergs lt XXV, ayı, 006, s. 41-70 ÜÇ OYUTLU ÇPRZ TLOLRD LOGRİTMİK DOĞRUL NLİZ: ÇOUK İŞGÜÜ DEĞİŞKENLERİ RINDKİ ETKİLEŞİMLER erpl ÜLÜL * Özet Kategor verlerde
DetaylıHasar sıklıkları için sıfır yığılmalı kesikli modeller
www.statstkcler.org İstatstkçler Dergs 5 (01) 3-31 İstatstkçler Dergs Hasar sıklıkları çn sıfır yığılmalı keskl modeller Sema Tüzel Hacettepe Ünverstes Aktüerya Blmler Bölümü 06800-Beytepe, Ankara, Türkye
DetaylıYAŞAM VERİLERİNİN META ANALİZİ META ANALYSIS OF SURVIVAL DATA
YAŞAM VERİLERİNİN META ANALİZİ META ANALYSIS OF SURVIVAL DATA HATİCE YENİAY PROF. DR. DURDU KARASOY Tez Danışmanı Hacettepe Ünverstes Lsansüstü Eğtm-Öğretm Yönetmelğnn İstatst Anablm Dalı İçn Öngördüğü
DetaylıSABİT-KUTUP YAKLAŞIMI KULLANILARAK TELEKONFERANSTA ODA AKUSTİK EKO YOK ETME
SABİ-KUUP YAKLAŞIMI KULLAILARAK ELEKOFERASA ODA AKUSİK EKO YOK EME uğba Özge ÖZDİÇ Rıfat HACIOĞLU Eletr-Eletron Mühendslğ Bölümü Mühendsl Faültes Zongulda Karaelmas Ünverstes, 671, Zongulda ozdnc_ozge@hotmal.com
DetaylıPolynomial Approach to the Response Surfaces
D.Ü.Zya Göalp Eğtm Faültes Dergs 7 79-94 (6) TEPKİ YÜZEYLERİNE POLİNOMAL YAKLAŞIM Polynomal Approach to the Response Surfaces Azz HARMAN Özet Bu çalışmada deneyc veya araştırmacıların ontrolünde vetörü
DetaylıÇOKLU REGRESYON MODELİ, ANOVA TABLOSU, MATRİSLERLE REGRESYON ÇÖZÜMLEMESİ,REGRES-YON KATSAYILARININ YORUMU
6.07.0 ÇOKLU REGRESON MODELİ, ANOVA TABLOSU, MATRİSLERLE REGRESON ÇÖZÜMLEMESİ,REGRES-ON KATSAILARININ ORUMU ÇOKLU REGRESON MODELİ Ekonom ve şletmeclk alanlarında herhang br bağımlı değşken tek br bağımsız
DetaylıUYUM ĐYĐLĐĞĐ TESTĐ. 2 -n olup. nin dağılımı χ dir ve sd = (k-1-p) dir. Burada k = sınıf sayısı, p = tahmin edilen parametre sayısıdır.
UYUM ĐYĐLĐĞĐ TESTĐ Posson: H o: Ver Posson dağılıma sahp br ktleden gelmektedr. H a : Ver Posson dağılıma sahp br ktleden gelmemektedr. Böyle br hpotez test edeblmek çn, önce Posson dağılım parametres
DetaylıÜç Yönlü Kontenjans Tablolarında Log-Lineer Model ile İş Kazası Verilerinin İncelenmesi
Karaelmas Fen ve Müh. Derg. 7():46-468, 017 Karaelmas Fen ve Mühendsl Dergs Derg web sayfası: http://fbd.beun.edu.tr Araştırma Maales Gelş tarh / Receved : 17.01.017 Kabul tarh / Accepted : 07.03.017 Üç
DetaylıPARÇALI DOĞRUSAL REGRESYON
HAFTA 4 PARÇALI DOĞRUSAL REGRESYO Gölge değşkenn br başka kullanımını açıklamak çn varsayımsal br şrketn satış temslclerne nasıl ödeme yaptığı ele alınsın. Satış prmleryle satış hacm Arasındak varsayımsal
DetaylıSAYISAL YÜKSEKLİK MODELLERİNDE KLASİK VE ESNEK HESAPLAMA YÖNTEMLERİNİN KARŞILAŞTIRILMASI
TMMOB Harta ve Kadastro Mühendsler Odası, 15. Türye Harta Blmsel ve Ten Kurultayı, 5 8 Mart 015, Anara. SAYISAL YÜKSEKLİK MODELLERİNDE KLASİK VE ESNEK HESAPLAMA YÖNTEMLERİNİN KARŞILAŞTIRILMASI Leyla ÇAKIR*
DetaylıYaklaşık İdeal Talep Analizi Yöntemi. ve Fiyat Esnekliklerinin Tahmini
Yalaşı İdeal Talep Analz Yöntem le Harcama ve Fyat Esnellernn Tahmn Mehmet Arf ŞAHİNLİ İstatstç, Türye İstatst Kurumu, Ulusal Hesaplar ve Eonom Göstergeler Dare Başanlığı arfsahnl@tu.gov.tr Yalaşı İdeal
DetaylıTek yönlü VA için seçenek bir test yöntemi ve geliştirilen bilgisayar yazılımı
www.statstcler.org İstatstçler Dergs (008) 75-8 İstatstçler Dergs Te yönlü VA çn seçene br test yöntem ve gelştrlen blgsayar yazılımı Engn Yıldıztepe Douz Eylül Ünverstes Fen-Edebyat Faültes İstatst Bölümü
DetaylıEn Küçük Etkili Doz Düzeyini Belirleme Yöntemlerinin Karşılaştırmaları
S Ü Fen Fa Fen Derg Sayı 36 () 83-94, KONYA En Küçü Etl Doz Düzeyn Belrleme Yöntemlernn Karşılaştırmaları Murat HÜSREVOĞLU, Hamza GAMGAM * Gaz Ünverstes, Fen Edebyat Faültes, İstatst Bölümü, Tenoullar,
Detaylı16. Dörtgen plak eleman
16. Ddörtgen pla eleman 16. Dörtgen pla eleman Kalınlığı dğer boyutlarına göre üçü ve düzlemne d yü etsnde olan düzlem taşıyıcı ssteme pla denr. Yapıların döşemeler, sıvı deposu yan duvarları ve öprü plaları
DetaylıTÜRKİYE DE HANELERİN KONUT TERCİHİ: EKONOMETRİK YAKLAŞIM
T.C. DOKUZ EYLÜL ÜNİVERSİTESİ SOSYAL BİLİMLER ENSTİTÜSÜ EKONOMETRİ ANABİLİM DALI YÜKSEK LİSANS TEZİ TÜRKİYE DE HANELERİN KONUT TERCİHİ: EKONOMETRİK YAKLAŞIM Canan GÜNEŞ Danışman Prof. Dr. Şenay ÜÇDOĞRUK
DetaylıMünevver TURANLI 1, Seda BAĞDATLI 2
Öner.C.9.S.35. Oca 0.07-3. SEMİPARAMETRİK REGRESYON Münevver TURANLI, Seda BAĞDATLI İstanbul Tcaret Ünverstes, İstatst Bölümü, Profesör Dr. İstanbul Tcaret Ünverstes, İstatst Bölümü, Araştırma Görevls
DetaylıGenel Doğrusal Karışık Modellerde Farklı Kovaryans Yapıları ve Tahmin Yöntemlerinin Performanslarının Karşılaştırılması 1
Hayvansal Üretm 54(): 8-3, 03 Araştırma Makales Genel Doğrusal Karışık Modellerde Farklı Kovaryans Yapıları ve Tahmn Yöntemlernn Performanslarının Karşılaştırılması Gazel Ser *, Barış Kak, Abdullah Yeşlova,
DetaylıFarklı Varyans. Var(u i X i ) = Var(u i ) = E(u i2 ) = σ i2. Eşit Varyans. Hata. Zaman
Farklı Varyans Var(u X ) = Var(u ) = E(u ) = σ Eşt Varyans Y X Farklı Varyans Hata Var(u X ) = Var(u ) = E(u ) = σ Farklı Varyans Zaman Farklı Varyans le Karşılaşılan Durumlar Kest Verlernde. Kar dağıtım
DetaylıMETA ANALİZİNDE HETEROJENLİĞİN SAPTANMASINDA KULLANILAN YÖNTEMLERİN SİMÜLASYON TEKNİĞİ İLE KARŞILAŞTIRILMASI
T.C. MERSİN ÜNİVERSİTESİ SAĞLIK BİLİMLERİ ENSTİTÜSÜ BİYOİSTATİSTİK VE TIBBİ BİLİŞİM ANABİLİM DALI META ANALİZİNDE HETEROJENLİĞİN SAPTANMASINDA KULLANILAN YÖNTEMLERİN SİMÜLASYON TEKNİĞİ İLE KARŞILAŞTIRILMASI
DetaylıARAŞTIRMA MAKALESİ/RESEARCH ARTICLE TEK ÇARPIMSAL SİNİR HÜCRELİ YAPAY SİNİR AĞI MODELİNİN EĞİTİMİ İÇİN ABC VE BP YÖNTEMLERİNİN KARŞILAŞTIRILMASI ÖZ
ANADOLU ÜNİVERSİTESİ Blm ve Teknoloj Dergs A-Uygulamalı Blmler ve Mühendslk Clt: 14 Sayı: 3 013 Sayfa: 315-38 ARAŞTIRMA MAKALESİ/RESEARCH ARTICLE Faruk ALPASLAN 1, Erol EĞRİOĞLU 1, Çağdaş Hakan ALADAĞ,
DetaylıKIRMIZI, TAVUK VE BEYAZ ET TALEBİNİN TAM TALEP SİSTEMİ YAKLAŞIMIYLA ANALİZİ
Süleyman Demrel Ünverstes Sosyal Blmler Ensttüsü Dergs Yıl: 2007/2, Sayı: 6 Journal of Suleyman Demrel Unversty Insttue of Socal Scences Year: 2007/2, Number: 6 KIRMIZI, TAVUK VE BEYAZ ET TALEBİNİN TAM
DetaylıThe Congeneric Test Theory and The Congeneric Item Analysis: An Application for Unidimensional Multiple Choice Tests
Anara Unversty, Journal of Faculty of Educatonal Scences, year: 005, vol: 38, no:, -47 The Congenerc Test Theory and The Congenerc Item Analyss: An Applcaton for Undmensonal Multple Choce Tests Hall YURDUGÜL
DetaylıFARKLI REGRESYON YÖNTEMLERİ İLE BETA KATSAYISI ANALİZİ
FARKLI REGRESYON YÖNTEMLERİ İLE BETA KATSAYISI ANALİZİ M.Ensar YEŞİLYURT (*) Flz YEŞİLYURT (**) Özet: Özellkle uzak verlere sahp ver setlernn analz edlmesnde en küçük kareler tahmnclernn kullanılması sapmalı
DetaylıDALGACIK DÖNÜŞÜMÜ İLE EEG İŞARETLERİNDEN ÇIKARILAN ÖZNİTELİK VEKTÖRLERİ ÜZERİNDE İSTATİSTİKSEL İŞLEMLERİN GERÇEKLEŞTİRİLMESİ
DALGACI DÖNÜŞÜMÜ İLE EEG İŞARETLERİNDEN ÇIARILAN ÖZNİTELİ VETÖRLERİ ÜZERİNDE İSTATİSTİSEL İŞLEMLERİN GERÇELEŞTİRİLMESİ Elf Derya ÜBEYLİ İnan GÜLER TOBB Eonom ve Tenoloj Ünverstes, Mühendsl Faültes, Eletr-Eletron
DetaylıDüşük Hacimli Üretimde İstatistiksel Proses Kontrolü: Kontrol Grafikleri
Düşü Hacml Üretmde İstatstsel Proses Kontrolü: Kontrol Grafler A. Sermet Anagün ÖZET İstatstsel Proses Kontrolu (İPK) apsamında, proses(ler)de çeştl nedenlerden aynalanan değşenlğn belrlenere ölçülmes,
DetaylıMerkezi Eğilim (Yer) Ölçüleri
Merkez Eğlm (Yer) Ölçüler Ver setn tanımlamak üzere kullanılan ve genellkle tüm elemanları dkkate alarak ver setn özetlemek çn kullanılan ölçülerdr. Ver setndek tüm elemanları temsl edeblecek merkez noktasına
DetaylıFARKLI VERİ YAPILARINDA KULLANILABİLECEK REGRESYON YÖNTEMLERİ
Anadolu Tarım Blm. Derg., 203,28(3):68-74 Anadolu J Agr Sc, 203,28(3):68-74 do: 0.76/anaas.203.28.3.68 URL: htt://dx.do.org/0.76/anaas.203.28.3.68 Derleme Revew FARKLI VERİ YAPILARINDA KULLANILABİLECEK
DetaylıREGRESYONDA ETKİLİ GÖZLEMLERİ BELİRLEME YÖNTEMLERİ VE KARŞILAŞTIRMALARI. Can DARICA YÜKSEK LİSANS TEZİ İSTATİSTİK
REGRESYONDA ETKİLİ GÖZLEMLERİ BELİRLEME YÖNTEMLERİ VE KARŞILAŞTIRMALARI Can DARICA YÜKSEK LİSANS TEZİ İSTATİSTİK GAZİ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ ŞUBAT 014 ANKARA Can DARICA tarafından hazırlanan
DetaylıX, R, p, np, c, u ve diğer kontrol diyagramları istatistiksel kalite kontrol diyagramlarının
1 DİĞER ÖZEL İSTATİSTİKSEL KALİTE KONTROL DİYAGRAMLARI X, R, p, np, c, u ve dğer kontrol dyagramları statstksel kalte kontrol dyagramlarının temel teknkler olup en çok kullanılanlarıdır. Bu teknkler ell
DetaylıERS-2 Raw Datası için Dönüşüme Dayalı Sıkıştırma
ERS- Raw Datası çn Dönüşüme Dayalı Sııştırma. Göhan. KASAPOĞLU, İrahm. PAPİLA, Bngül YAZGA, Sedef KET İstanul Ten Ünverstes, Eletr-Eletron Faültes, Eletron ve Haerleşme Mühendslğ, 066, Masla, İstanul Tel:
DetaylıENDÜSTRİNİN DEĞİŞİK İŞ KOLLARINDA İHTİYAÇ DUYULAN ELEMANLARIN YÜKSEK TEKNİK EĞİTİM MEZUNLARINDAN SAĞLANMASINDAKİ BEKLENTİLERİN SINANMASI
V. Ulusal Üretm Araştırmaları Sempozyumu, İstanbul Tcaret Ünverstes, 5-7 Kasım 5 ENDÜSTRİNİN DEĞİŞİK İŞ KOLLARINDA İHTİYAÇ DUYULAN ELEMANLARIN YÜKSEK TEKNİK EĞİTİM MEZUNLARINDAN SAĞLANMASINDAKİ BEKLENTİLERİN
Detaylı2005 Gazi Üniversitesi Endüstriyel Sanatlar Eğitim Fakültesi Dergisi Sayı:16, s31-46
2005 Gaz Ünverstes Endüstryel Sanatlar Eğtm Fakültes Dergs Sayı:16, s31-46 ÖZET BANKALARDA MALİ BAŞARISIZLIĞIN ÖNGÖRÜLMESİ LOJİSTİK REGRESYON VE YAPAY SİNİR AĞI KARŞILAŞTIRMASI 31 Yasemn KESKİN BENLİ 1
Detaylıİstatistikçiler Dergisi
www.statstcler.org İstatstçler Dergs (2008 23-32 İstatstçler Dergs YOL AZA ORANLARININ BAYESCİ YALAŞIMLA ANALİZİ Uğur ARABEY Hacettepe Ünverstes Atüerya Bller Bölüü 06800-Beytepe, Anara, Türye uarabey@hacettepe.edu.tr
DetaylıSUÇ VERİ TABANININ LOJİSTİK REGRESYON ANALİZİ İLE TAHMİNİ: BURSA ÖRNEĞİ Estimating of Crime Database with Logistic Regression Analysis: Bursa Case
SUÇ VERİ TABANININ LOJİSTİK REGRESYON ANALİZİ İLE TAHMİNİ: BURSA ÖRNEĞİ Estmatng of Crme Database wth Logstc Regresson Analyss: Bursa Case Mehmet NARGELEÇEKENLER * B Özet u çalışmada, Bursa Emnyet Müdürlüğünden
DetaylıTÜKETĠCĠLERĠN FĠYAT BĠLĠNCĠ ÜZERĠNDE ETKĠLĠ OLAN FAKTÖRLERE ĠLĠġKĠN BĠR ĠNCELEME
Ġstanbul Ünverstes Ġktsat Fakültes Malye AraĢtırma Merkez Konferansları 46. Ser / Yıl 2004 Prof. Dr. Salh Turhan'a Armağan TÜKETĠCĠLERĠN FĠYAT BĠLĠNCĠ ÜZERĠNDE ETKĠLĠ OLAN FAKTÖRLERE ĠLĠġKĠN BĠR ĠNCELEME
DetaylıAJANDA LİTERATÜR TARAMASI
AJANDA İSTANBUL DAKİ HASTANELERDEN TIBBİ ATIKLARIN TOPLANMASI İÇİN ARA TESİSE UĞRAMALI BİR ARAÇ ROTALAMA MODELİ Denz Asen Koç Ünverstes İtsad ve İdar Blmler Faültes Müge Güçlü Koç Ünverstes Endüstr Mühendslğ
DetaylıANOVA. CRD (Completely Randomized Design)
ANOVA CRD (Completely Randomzed Desgn) Örne Problem: Kalte le blgnn, ortalama olara, br urumun üç farlı şehrde çalışanları tarafından eşt olara algılanıp algılanmadığını test etme amacıyla, bu üç şehrde
DetaylıPARAMETRİK OLMAYAN HİPOTEZ TESTLERİ Kİ-KARE TESTLERİ
PARAMETRİK OLMAYAN HİPOTEZ TESTLERİ Kİ-KARE TESTLERİ 1 Populasyonun nceledğmz br özellğnn dağılışı blenen dağılışlardan brsne, Normal Dağılış, t Dağılışı, F Dağılışı, gb br dağılışa uygun olduğu durumlarda
DetaylıSESSION 1B: Büyüme ve Gelişme 279
SESSION 1B: Büyüme ve Gelşme 279 Türkye de Hanehalkı Tüketm Harcamaları: Pseudo Panel Ver le Talep Sstemnn Tahmn The Consumpton Expendture of Households n Turkey: Demand System Estmaton wth Pseudo Panel
DetaylıHİDROJEN-METAN KARIŞIM YANMASINDA YANMA MODEL SABİTİNİN DEĞERLENDİRİLMESİ
Isı Blm ve Tenğ Dergs, 3, 1, 45-57, 21 J. of Thermal Scence and Technology 21 TIBTD Prnted n Turey ISSN 13-3615 HİDROJEN-METAN KARIŞIM YANMASINDA YANMA MODEL SABİTİNİN DEĞERLENDİRİLMESİ İler YILMAZ *,
DetaylıFARKLI SES KAYNAKLARINDAN ÜRETİLEN TEMEL TANIM DİZİLERİ İLE KONUŞMA İŞARETLERİNİN MODELLENMESİ
ARKI SES KAYNAKARINDAN ÜRETİEN TEME TANIM DİZİERİ İE KONUŞMA İŞARETERİNİN MODEENMESİ Rafet AKDENİZ Ümt GÜZ 2 Haan GÜRKAN 2 B. Sıddı YARMAN 2 Traya Ünverstes, Çorlu Mühendsl aültes, Eletron ve Haberleşme
DetaylıKorelasyon ve Regresyon
Korelasyon ve Regresyon 1 Korelasyon Analz İk değşken arasında lşk olup olmadığını belrlemek çn yapılan analze korelasyon analz denr. Korelasyon; doğrusal yada doğrusal olmayan dye kye ayrılır. Korelasyon
DetaylıYAPILARIN ENERJİ ESASLI TASARIMI İÇİN BİR HESAP YÖNTEMİ
YAPILARI EERJİ ESASLI TASARIMI İÇİ BİR HESAP YÖTEMİ Araş. Gör. Onur MERTER Araş. Gör. Özgür BOZDAĞ Prof. Dr. Mustafa DÜZGÜ Dokuz Eylül Ünverstes Dokuz Eylül Ünverstes Dokuz Eylül Ünverstes Fen Blmler Ensttüsü
DetaylıBÖLÜM 5 İKİ VEYA DAHA YÜKSEK BOYUTLU RASGELE DEĞİŞKENLER İki Boyutlu Rasgele Değişkenler
BÖLÜM 5 İKİ VEYA DAHA YÜKSEK BOYUTLU RASGELE DEĞİŞKENLER 5.. İk Boyutlu Rasgele Değşkenler Br deney yapıldığında, aynı deneyle lgl brçok rasgele değşkenn aynı andak durumunu düşünmek gerekeblr. Böyle durumlarda
DetaylıLojistik Regresyonda Meydana Gelen Aşırı Yayılımın İncelenmesi
Yüzücü Yıl Üverstes, Zraat Fakültes, Tarım Blmler Dergs (J. Agrc. Sc.), 008, 18(1): 1-5 Araştırma Makales/Artcle Gelş Tarh: 10.06.007 Kabul Tarh: 7.1.007 Lojstk Regresyoda Meydaa Gele Aşırı Yayılımı İcelemes
DetaylıPamukkale Üniversitesi Mühendislik Bilimleri Dergisi Pamukkale University Journal of Engineering Sciences
Pamuale Ünverstes Mühendsl Blmler Dergs Pamuale Unversty Journal of Engneerng Scences Kabul Edlmş Araştırma Maales (Düzenlenmemş Sürüm) Accepted Research Artcle (Uncorrected Verson) Maale Başlığı / Ttle
DetaylıMOD SÜPERPOZİSYONU İLE ZAMAN TANIM ALANINDA ÇÖZÜM
Nur ÖZHENEKCİ O SÜPERPOZİSYONU İLE ZAAN ANI ALANINA ÇÖZÜ Aşağıda açılanaca olan ortogonall özelllernn sağlandığı yapılar çn, zaman tanım alanında çözüm, her mod çn ayrı ayrı yapılıp daha sonra bu modal
DetaylıSEK Tahmincilerinin Arzulanan Özellikleri. SEK Tahmincilerinin Arzulanan Özellikleri. Ekonometri 1 Konu 9 Sürüm 2,0 (Ekim 2011)
SEK Tahmnclernn Arzulanan Özellkler İk Değşkenl Bağlanım Model SEK Tahmnclernn Arzulanan Özellkler Ekonometr 1 Konu 9 Sürüm 2,0 (Ekm 2011) http://www.ackders.org.tr SEK Tahmnclernn Arzulanan Özellkler
DetaylıTicari Bankalarının Yerli ve Yabancı Bankalar Açısından Performansları ve Performans Sürekliliklerinin Analizi: Türkiye Ölçeği (2002-2012 ÖZET
Tcar Banalarının Yerl ve Yabancı Banalar Açısından Performansları ve Performans Sürelllernn Analz: Türye Ölçeğ (2002-202) Selahattn KOÇ* Azz BAĞCI ** Al SÖZDEMİR *** ÖZET Son yıllarda yaşanan üreselleşme
DetaylıPROJE SEÇİMİ VE KAYNAK PLANLAMASI İÇİN BİR ALGORİTMA AN ALGORITHM FOR PROJECT SELECTION AND RESOURCE PLANNING
Dokuz Eylül Ünverstes Sosyal Blmler Ensttüsü Dergs Clt 3, Sayı:2, 2001 PROJE SEÇİMİ VE KAYAK PLALAMASI İÇİ BİR ALGORİTMA lgün MORALI 1 C. Cengz ÇELİKOĞLU 2 ÖZ Kaynak tahss problemler koşullara bağlı olarak
DetaylıKATEGORĠK VERĠLER ĠÇĠN LOGARĠTMĠK DOĞRUSAL MODELLER VE GÖÇ ĠSTATĠSTĠKLERĠ ÜZERĠNE BĠR UYGULAMA*
KATEGORĠK VERĠLER ĠÇĠN LOGARĠTMĠK DOĞRUSAL MODELLER VE GÖÇ ĠSTATĠSTĠKLERĠ ÜERĠNE BĠR UGULAMA* ÖET Snan METE ** Aydın ÜNSAL *** İ yönlü olumsallı tablolarında statst çıarsamalar çn Pearson un -are statstğ
DetaylıKİ-KARE TESTLERİ. şeklinde karesi alındığında, Z i. değerlerinin dağılımı ki-kare dağılımına dönüşür.
Kİ-KARE TESTLERİ A) Kİ-KARE DAĞILIMI VE ÖZELLİKLERİ Örnekleme yoluyla elde edlen rakamların, anakütle rakamlarına uygun olup olmadığı; br başka fadeyle gözlenen değerlern teork( beklenen) değerlere uygunluk
DetaylıSabit Varyans. Var(u i X i ) = Var(u i ) = E(u i2 ) = s 2
X Sabt Varyans Y Var(u X ) = Var(u ) = E(u ) = s Eşt Varyans EKKY nn varsayımlarından br anakütle regresyon fonksyonu u lern eşt varyanslı olmasıdır Her hata term varyansı bağımsız değşkenlern verlen değerlerne
DetaylıFarklı Varyans. Var(u i X i ) = Var(u i ) = E(u i2 ) = s 2 Eşit Varyans
Farklı Varyans Var(u X ) = Var(u ) = E(u ) = s Eşt Varyans Y X 1 Farklı Varyans Hata Var(u X ) = Var(u ) = E(u ) = s Farklı Varyans Zaman EKKY nn varsayımlarından br anakütle regresyon fonksyonu u lern
DetaylıC.Ü. İktisadi ve İdari Bilimler Dergisi, Cilt 5, Sayı 2, CUMHURİYET ÜNİVERSİTESİ FAKÜLTELERİNİN PERFORMANS DEĞERLENDİRMESİ
C.Ü. İtsad ve İdar Blmler Dergs, Clt 5, Sayı 2, 2004 137 CUMHURİYET ÜNİVERSİTESİ FAKÜLTELERİNİN PERFORMANS DEĞERLENDİRMESİ Azz KUTLAR, Aslan GÜLCÜ ve Yalçın KARAGÖZ ÖZET Bu çalışmada Cumhuryet Ünverstesnn
DetaylıİSTANBUL BOĞAZI NIN KARADENİZ ÇIKIŞINDA SWAN DALGA TAHMİNLERİNİN RADAR ÖLÇÜMLERİ İLE KIYASLAMASI
İSTANBUL BOĞAZI NIN KARADENİZ ÇIKIŞINDA SWAN DALGA TAHMİNLERİNİN RADAR ÖLÇÜMLERİ İLE KIYASLAMASI Adem Akpınar a, Recep Emre Çakmak a, Yüksel Yağan b, Raşt Çeleb b a Uludağ Ünverstes, İnşaat Mühendslğ Bölümü,
DetaylıSEK Yönteminin Güvenilirliği Sayısal Bir Örnek. Ekonometri 1 Konu 11 Sürüm 2,0 (Ekim 2011)
İk Değşkenl Bağlanım Model SEK Yöntemnn Güvenlrlğ Ekonometr 1 Konu 11 Sürüm,0 (Ekm 011) UADMK Açık Lsans Blgs İşbu belge, Creatve Commons Attrbuton-Non-Commercal ShareAlke 3.0 Unported (CC BY-NC-SA 3.0)
DetaylıISL223 İSTATİSTİK I DERS NOTLARI
T.C. RECEP TAYYİP ERDOĞAN ÜNİVERSİTESİ İKTİSADİ VE İDARİ BİLİMLER FAKÜLTESİ İŞLETME BÖLÜMÜ SAYISAL YÖNTEMLER ANABİLİM DALI DERS NOTLARI ISL3 İSTATİSTİK I DERS NOTLARI HAZIRLAYAN PROF. DR. ALİ SAİT ALBAYRAK
DetaylıÇEV 314 Yağmursuyu ve Kanalizasyon. Nüfus Projeksiyonları
ÇEV 34 Yağmursuyu ve Kanalzasyon üfus Projesyonları Yrd. oç. r. Özgür ZEYA hp://cevre.beun.edu.r/zeydan/ üfus Projesyonları Tasarımı yapılaca olan alyapı projesnn (analzasyon, yağmursuyu analları vb.),
DetaylıBaml deikenin simetrik bulank say olmas durumunda parametre tahmini
www.statstkcler.org statstkçler Dergs 3 (00) 54-6 statstkçler Dergs Baml dekenn smetrk bulank say olmas durumunda arametre tahmn Kamle anl Kula Ah Evran Ünverstes, Matematk Bölümü, 4000, Krehr, ürkye sanl004@hotmal.com
DetaylıHİD 473 Yeraltısuyu Modelleri
HİD 7 Yeraltısuyu Modeller Sayısal Analz Sonlu Farlar Yalaşımı Levent Tezcan - Güz Dönem Modelleme Problemn Tanımlanması Kavramsal Modeln Gelştrlmes Matematsel Modeln Gelştrlmes Hdroeolo Süreçler Sınır
Detaylı4.5. SOĞUTMA KULELERİNİN BOYUTLANDIRILMASI İÇİN BİR ANALIZ
Ünsal M.; Varol, A.: Soğutma Kulelernn Boyutlandırılması İçn Br Kuramsal 8 Mayıs 990, S: 8-85, Adana 4.5. SOĞUTMA KULELERİNİN BOYUTLANDIRILMASI İÇİN BİR ANALIZ Asaf Varol Fırat Ünverstes, Teknk Eğtm Fakültes,
Detaylıdir. Bir başka deyişle bir olayın olasılığı, uygun sonuçların sayısının örnek uzaydaki tüm sonuçların sayısına oranıdır.
BÖLÜM 3 OLASILIK HESABI 3.. Br Olayın Olasılığı Tanım 3... Br olayın brbrnden ayrık ve ortaya çıkma şansı eşt n mümkün sonucundan m tanes br A olayına uygun se, A olayının P(A) le gösterlen olasılığı P(A)
DetaylıMut Orman İşletmesinde Karaçam, Sedir ve Kızılçam Ağaç Türleri İçin Dip Çap Göğüs Çapı İlişkileri
Süleyman Demrel Ünverstes, Fen Blmler Ensttüsü, 9-3,(5)- Mut Orman İşletmesnde Karaçam, Sedr ve Kızılçam Ağaç Türler İçn Dp Çap Göğüs Çapı İlşkler R.ÖZÇELİK 1 Süleyman Demrel Ünverstes Orman Fakültes Orman
DetaylıSürekli Olasılık Dağılım (Birikimli- Kümülatif)Fonksiyonu. Yrd. Doç. Dr. Tijen ÖVER ÖZÇELİK
Sürekl Olasılık Dağılım Brkml- KümülatFonksyonu Yrd. Doç. Dr. Tjen ÖVER ÖZÇELİK tover@sakarya.edu.tr Sürekl olasılık onksyonları X değşken - ;+ aralığında tanımlanmış br sürekl rassal değşken olsun. Aşağıdak
DetaylıALGILANAN HİZMET KALİTESİ VE LOJİSTİK REGRESYON ANALİZİ İLE HİZMET TERCİHİNE ETKİSİNİN BELİRLENMESİ. Özet
Dokuz Eylül Ünverstes Sosyal Blmler Ensttüsü Dergs Yayın Gelş Tarh: 18.02.2011 Clt: 13, Sayı: 1, Yıl: 2011, Sayfa: 21-37 Yayına Kabul Tarh: 17.03.2011 ISSN: 1302-3284 ALGILANAN HİZMET KALİTESİ VE LOJİSTİK
DetaylıKİ KARE ANALİZİ. Doç. Dr. Mehmet AKSARAYLI Ki-Kare Analizleri
Kİ KAR ANALİZİ 1 Doç. Dr. Mehmet AKSARAYLI www.mehmetaksarayl K-Kare Analzler OLAY 1: Genelde br statstk sınıfında, öğrenclern %60 ının devamlı, %30 unun bazen, %10 unun se çok az derse geldkler düşünülmektedr.
DetaylıADJUSTED DURBIN RANK TEST FOR SENSITIVITY ANALYSIS IN BALANCED INCOMPLETE BLOCK DESIGN
SAÜ Fen Edebyat Dergs (2010-I) F.GÖKPINAR v.d. DENGELİ TAMAMLANMAMIŞ BLOK TASARIMINDA, DUYUSAL ANALİZ İÇİN DÜZELTİLMİŞ DURBİN SIRA SAYILARI TESTİ Fkr GÖKPINAR*, Hülya BAYRAK, Dlşad YILDIZ ve Esra YİĞİT
DetaylıT.C. SELÇUK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ
T.C. SELÇUK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ QUANTILE REGRESYON ve BİR UYGULAMA İlkay ALTINDAĞ YÜKSEK LİSANS TEZİ İSTATİSTİK ANABİLİM DALI Ağustos-1 KONYA Her Hakkı Saklıdır ÖZET YÜKSEK LİSANS TEZİ
DetaylıENDÜSTRİYEL TAŞIYICI SİSTEMLERİN YAPAY SİNİR AĞLARI İLE ANALİZİ
ENDÜSTRİYEL TAŞIYICI SİSTEMLERİN YAPAY SİNİR AĞLARI İLE ANALİZİ İlyas KACAR Mana Mühendslğ Bölümü Mühendsl-Mmarlı Faültes Nğde Ünverstes, 500, Nğde e-posta: acar@gmal.com Anahtar sözcüler: Endüstryel Taşıyıcı
DetaylıUÇAK ÇİZELGELEME PROBLEMİNİN KARINCA KOLONİLERİ OPTİMİZASYONU İLE ÇÖZÜMÜ
Uça Çzelgeleme roblemnn Karınca Kolonler Optmzasyonu le Çözümü HAVACILIK VE UZAY TEKNOLOJİLERİ DERGİSİ OCAK 2005 CİLT 2 SAYI 1 (87-95) UÇAK ÇİZELGELEME ROBLEMİNİN KARINCA KOLONİLERİ OTİMİZASYONU İLE ÇÖZÜMÜ
DetaylıPamukkale Üniversitesi Mühendislik Bilimleri Dergisi Pamukkale University Journal of Engineering Sciences
Pamukkale Ünverstes Mühendslk Blmler Dergs, Clt 0, Sayı 3, 04, Sayfalar 85-9 Pamukkale Ünverstes Mühendslk Blmler Dergs Pamukkale Unversty Journal of Engneerng Scences PREFABRİK ENDÜSTRİ YAPIARININ ARMONİ
DetaylıRayleigh ve Weibull Dağılımları Kullanılarak Osmaniye Bölgesinde Rüzgar Enerjisinin Değerlendirilmesi
Süleyman Demrel Ünverstes Raylegh Fen Blmler ve Webull Ensttüsü Dağılımları Dergs Kullanılara Osmanye Bölgesnde Rüzgar Enerjsnn Değerlendrlmes Clt 20, Sayı 1, 62-71, 2016 Süleyman Demrel Unversty Journal
DetaylıSosyal Bilimlerde Yanlı Regresyon Tahmin Edicilerinin Kullanılması
Eğtmde ve Pskolojde Ölçme ve Değerlendrme Dergs, Kış 00, (), 00-08 Sosyal Blmlerde Yanlı Regresyon Tahmn Edclernn Kullanılması Orkun COŞKUNTUNCEL * Mersn Ünverstes Özet Regresyon analz değşkenler arasındak
DetaylıPARABOLİK YOĞUNLUK FONKSİYONUNU KULLANARAK SEDİMANTER TEMEL DERİNLİKLERİNİN KESTİRİMİ
Uygulamalı Yerblmler Sayı: (Mayıs-Hazran ) -9 PARABOLİK YOĞUNLUK FONKSİYONUNU KULLANARAK SEDİMANTER TEMEL DERİNLİKLERİNİN KESTİRİMİ Estmaton of Sedmentary Basement Depths By Usng Parabolc Densty Functon
DetaylıMLP YAPAY SİNİR AĞLARINDA ÖĞRENME SÜRECİNİN AKTİVASYON FONKSİYONU VE İSTATİKSEL DEĞİŞİM GÖSTEREN GİRİŞ VERİLERİNE BAĞIMLILIĞI
MLP YAPAY SİNİR AĞLARINDA ÖĞRENME SÜRECİNİN AKTİVASYN FNKSİYNU VE İSTATİKSEL DEĞİŞİM GÖSTEREN GİRİŞ VERİLERİNE BAĞIMLILIĞI Hals ALTUN * Ulaş EMİNĞLU 2 Ber Sam TEZEKİCİ 3 Nğde Ünverstes, Mühendsl-Mmarlı
DetaylıDeney No: 2. Sıvı Seviye Kontrol Deneyi. SAKARYA ÜNİVERSİTESİ Dijital Kontrol Laboratuvar Deney Föyü Deneyin Amacı
SRY ÜNİVERSİESİ Djtal ontrol Laboratuvar Deney Föyü Deney No: 2 Sıvı Sevye ontrol Deney 2.. Deneyn macı Bu deneyn amacı, doğrusal olmayan sıvı sevye sstemnn belrlenen br çalışma noktası cvarında doğrusallaştırılmış
Detaylı1 Araştırma Makalesi. Meta Analizi ve Tarımsal Uygulamalar*
KSÜ Doğa Bl. Derg., 7(), 204 KSU J. Nat. Sc., 7(), 204 Araştırma Maales Research Artcle Meta Analz ve Tarımsal Uygulamalar* Hande KÜÇÜKÖNDER **, Ercan EFE 2 Bartın Ünverstes, İ.İ.B.F, İşletme Bölümü, BARTIN
DetaylıSoğutucu Akışkan Karışımlarının Kullanıldığı Soğutma Sistemlerinin Termoekonomik Optimizasyonu
Soğutucu Akışkan arışımlarının ullanıldığı Soğutma Sstemlernn ermoekonomk Optmzasyonu * 1 Hüseyn aya, 2 ehmet Özkaymak ve 3 rol Arcaklıoğlu 1 Bartın Ünverstes akne ühendslğ Bölümü, Bartın, ürkye 2 arabük
DetaylıYAYILI YÜK İLE YÜKLENMİŞ YAPI KİRİŞLERİNDE GÖÇME YÜKÜ HESABI. Perihan (Karakulak) EFE
BAÜ Fen Bl. Enst. Dergs (6).8. YAYII YÜK İE YÜKENİŞ YAPI KİRİŞERİNDE GÖÇE YÜKÜ HESABI Perhan (Karakulak) EFE Balıkesr Ünverstes ühendslk marlık Fakültes İnşaat üh. Bölümü Balıkesr, TÜRKİYE ÖZET Yapılar
DetaylıKİ-KARE TESTLERİ A) Kİ-KARE DAĞILIMI VE ÖZELLİKLERİ
Kİ-KAR TSTLRİ A) Kİ-KAR DAĞILIMI V ÖZLLİKLRİ Örnekleme yoluyla elde edlen rakamların, anakütle rakamlarına uygun olup olmadığı; br başka fadeyle gözlenen değerlern teork( beklenen) değerlere uygunluk gösterp
DetaylıBağımlı Kukla Değişkenler
Bağımlı Kukla Değşkenler Bağımlı değşken özünde k değer alablyorsa yan br özellğn varlığı ya da yokluğu söz konusu se bu durumda bağımlı kukla değşkenler söz konusudur. Bu durumdak modeller tahmn etmek
DetaylıBitkisel Ürün Sigortası Yaptırma İsteğinin Belirlenmesi: Tokat İli Örneği
Atatürk Ünv. Zraat Fak. Derg., 42 (2): 153-157, 2011 J. of Agrcultural Faculty of Atatürk Unv., 42 (2): 153-157, 2011 ISSN : 1300-9036 Araştırma Makales/Research Artcle Btksel Ürün Sgortası Yaptırma İsteğnn
DetaylıKonumsal Enterpolasyon Yöntemleri Uygulamalarında Optimum Parametre Seçimi: Doğu Karadeniz Bölgesi Günlük Ortalama Sıcaklık Verileri Örneği
S. ZENGİN KAZANCI, E. TANIR KAYIKÇI Konumsal Enterpolasyon Yöntemler Uygulamalarında Optmum Parametre Seçm: Doğu Karadenz Bölges Günlük Ortalama Sıcaklık S. ZENGİN KAZANCI 1, E. TANIR KAYIKÇI 1 1 Karadenz
DetaylıK-Ortalamalar Yöntemi ile Yıllık Yağışların Sınıflandırılması ve Homojen Bölgelerin Belirlenmesi *
İMO Teknk Derg, 2012 6037-6050, Yazı 383 K-Ortalamalar Yöntem le Yıllık Yağışların Sınıflandırılması ve Homojen Bölgelern Belrlenmes * Mahmut FIAT* Fath DİKBAŞ** Abdullah Cem KOÇ*** Mahmud GÜGÖ**** ÖZ
DetaylıİSTATİSTİK DERS NOTLARI
Balıkesr Ünverstes İnşaat Mühendslğ Bölüü uutokkan@balkesr.edu.tr İSTATİSTİK DERS OTLARI Yrd. Doç. Dr. Uut OKKA Hdrolk Anabl Dalı Balıkesr Ünverstes Balıkesr Ünverstes İnşaat Mühendslğ Bölüü İnşaat Mühendslğ
DetaylıObtaining Classical Reliability Terms from Item Response Theory in Multiple Choice Tests
Ankara Unversty, Journal of Faculty of Educatonal Scences, year: 26, vol: 39, no: 2, 27-44 Obtanng Classcal Relablty Terms from Item Response Theory n Multple Choce Tests Hall Yurdugül * ABSTRACT: The
DetaylıŞiddet-Süre-Frekans Bağıntısının Genetik Algoritma ile Belirlenmesi: GAP Örneği *
İMO Teknk Derg, 28 4393-447, Yazı 29 Şddet-Süre-Frekans Bağıntısının Genetk Algortma le Belrlenmes: GAP Örneğ * Hall KARAHAN* M. Tamer AYVAZ** Gürhan GÜRARSLAN*** ÖZ Bu çalışmada, Genetk Algortma (GA)
DetaylıMAKROİKTİSAT (İKT209)
MAKROİKTİSAT (İKT29 Ders 6: IS-LM Prof. Dr. Ferda HALICIOĞLU İtsat Bölümü Syasal Blgler Faültes İstanbul Medenyet Ünverstes Derste İncelenen Konular Mal pyasasında denge: IS eğrs Para pyasasında denge:
DetaylıDEÜ MÜHENDİSLİK FAKÜLTESİ FEN ve MÜHENDİSLİK DERGİSİ Cilt: 7 Sayı: 1 s Ocak 2005
DEÜ MÜHENDİSİK FAKÜTESİ FEN ve MÜHENDİSİK DERGİSİ Clt: 7 Sayı: s. 7-85 Oca 5 ÜÇ BOYUTU BİR ÇERÇEVENİN UZAYSA VE DÜZEMSE STATİK YAPISA DAVRANIŞARININ KIYASANMASI (THE COMPARISON BETWEEN THE SPACE AND PANAR
DetaylıTEKNOLOJİ, PİYASA REKABETİ VE REFAH
TEKNOLOJİ, PİYASA REKABETİ VE REFAH Dr Türkmen Göksel Ankara Ünverstes Syasal Blgler Fakültes Özet Bu makalede teknoloj sevyesnn pyasa rekabet ve refah sevyes üzerndek etkler matematksel br model le ncelenecektr
Detaylı