ASAL BİLEŞENLER ANALİZİNE BOOTSTRAP YAKLAŞIMI
|
|
- Berk Fraşerli
- 5 yıl önce
- İzleme sayısı:
Transkript
1 Ekonometr ve İstatstk Sayı: İSTANBUL ÜNİVERSİTESİ İKTİSAT FAKÜLTESİ EKONOMETRİ VE İSTATİSTİK DERGİSİ ASAL BİLEŞENLER ANALİZİNE BOOTSTRAP YAKLAŞIMI Dr. Ayln Aktükün Bu makale tarhnde alınmış, hakem kontrolü sonrasında yayını uygun bulunmuştur. Absract : In ths paper, we apply bootstrap methods to prncpal components. We use a set of hypothetcal data to llustrate how the bootstrap methods can be employed n constructng confdence ntervals dealng wth the prncpal components analyss. We wrte a Mathematca program to handle the all process. Keywords : Prncple components analyss; Bootstrap; Bootstrap quantles; Bootstrap Confdence Intervals; Mathematca. Özet : Bu çalışmada, bootstrap yöntemlern asal bleşenler analzne uygulanma sürecn sunduk. Hpotetk br ver le asal bleşenler analznde başvurulan bazı güven aralıklarının bootstrap yöntemlerle nasıl gerçekleştrlebleceğn gösterdk. Makaledek tüm bootstrap süreçler Mathematca dlnde yazdığımız br programla gerçekleştrdk. Anahtar Kelmeler : Asal bleşenler analz; Bootstrap; Bootstrap kantller; Bootstrap Güven Aralıkları; Mathematca. Adres : İstanbul Ünverstes, İktsat Fakültes Ekonometr Bölümü, Tel: (022) E-Mal : ayln@stanbul.edu.tr
2 Ekonometr ve İstatstk Sayı: 2005 ASAL BİLEŞENLER ANALİZİNE BOOTSTRAP YAKLAŞIMI. GİRİŞ Bootstrap yöntem lteratüre lk kez Efron 'ın 979 yılındak makales le tanıtıldı. Teork gelşme Freedman (98) ve Wu (986) le devam ett. Daha sonrak gelşmelerden ktaplaştırılanlar se tarhsel sırasıyla Beran ve Ducharme (99), Hall (992), Mammen (992), Efron ve Tbshran (993), Davson ve Hnkley (997), teork br çalışma olan Shao ve Tu (995) sayılablr. Günümüzde blgsayarların da gelşmne koşut olarak çok fazla sayıda araştırmaya konu olan Bootstrap yöntemnde temel düşünce eldek örneklem, ktle olarak varsayıp buradan belrl sayıda tekrarlı örnekleme yaparak lglenlen tahmncnn sun br örnekleme dağılımını yaratmaktır. Özellkle söz konusu tahmncnn örnekleme dağılımını asmptotk teor le elde etmek zor ya da olanaksızsa bootstrap yöntem yada genel anlamıyla tekrarlı örnekleme yöntemler güçlü br potansyel oluşturmaktadırlar Aktükün (2003). Çok değşkenl analzn boyut ndrgemec yöntemlernden olan asal bleşenler analznde bootstrap yaklaşımı, analzn eksk olan statstksel çıkarsama araçlarını tamamlamada öneml br rol oynayablr. Bu çalışmanın amacı, bootstrap yöntemnn asal bleşenler analzne uygulanma sürecn sunmak ve uygulama olanaklarını tartışmaktır. Blndğ gb bootstrap sürec blgsayar terasyonlarına dayanmakta olup, statstk paketler bu konuda çok fazla olanak sunmamaktadır. Bu nedenle asal bleşenler analzne bootstrap sürecn uygulanması çn Mathematca dlnde br program yazdık ve hpotetk br verye uyguladık. 2. ASAL BİLEŞENLER ANALİZİ Boyut-ndrgemec çok değşkenl analz teknklernden olan asal bleşenler analzne lşkn temel blgler Anderson (958), Morrson (976) ve Jobson (994) gb hemen her çok değşkenl statstk analz ktabında bulablrz. Öte yandan analze bootstrap yaklaşımı konusunda lteratürün pek yeterl olduğu söylenemez. Beran ve Srvastava (985) özelnde asal bleşenler olmasa da kovaryans matrsnn bootstrap sürecn asmtotk analzle brlkte ele almış, Efron ve Tbshran (993), asal bleşenler analznde lglenlen bazı statstklere lşkn çıkarsama sürecnn bootstrap yöntemlerle gerçekleştrlme olanaklarını sunmuşlardır. Bu çalışmada Efron ve Tbshran (993) de tanımlanan süreçlere ek olarak Anderson (963) 'ın varyanas-kovaryans matrsnn en küçük k tane öz değernn brbrne eştlğ testne bootstrap sürecn uyguladık Boyut-ndrgemec çok değşkenl analz teknklernden olan asal bleşenler analznde temel amaç X, X 2,..., X p rastlantı değşkenlernn maksmum varyansı veren doğrusal bleşenlern aramaktır. X, X 2,..., X p 'nn br doğrusal bleşen
3 Asal Bleşenler Analzne Bootstrap Yaklaşımı Y = β ˆ X + β ˆ X β ˆ Xp, =,2,...,n () olarak fade edleblr. Matrsel olarak se aynı eştlk 2 p Y = Xβ ˆ (2) şeklnde yazılablr. (2) eştlğndek vektör ve matrsler açık şeklleryle βˆ X X 2... X p Y βˆ 2 X2 X X p2 Y2.... βˆ =, X =, Y = βˆ p Xn X 2n... X pn Y n olacaktır. Y 'nn örneklem varyansı, S, örneklem varyans-kovaryans matrsn göstermek üzere Var (Y) = β ˆ S βˆ olarak tanımlanablr. Amaç Var (Y) 'yı maksmum yapacak β ˆ,β ˆ,..., β ˆ 2 p katsayılarını bulmak olacaktır. Ancak β ˆ katsayıları üzerne br kısıtlama yapılmadığı zaman Y 'nn varyansı keyf olarak büyütüleblr, dolayısıyla belrl, tek br çözümü elde etmek olanaksızlaşır. Öyleyse βˆ β = kısıtının katılmasıyla elde edlen u = βˆ Sβ ˆ - λ ˆ (β ˆ β - ) fonksyonunun βˆ 'ya göre kısm türevn alıp sıfıra eştlemelyz. u ˆ β = 2 S βˆ - 2 λˆ βˆ 2 S βˆ - 2 λˆ βˆ = 0 (S - λˆ I) β ˆ = 0 (3) (3) eştlğ br homojen denklem sstemn smgeler. Dolayısıyla denklem sstemnn sıfır-dışı çözümlernn olması S - λˆ I determnantının sıfır olması le mümkündür : 2
4 Ekonometr ve İstatstk Sayı: 2005 S - λˆ I = 0 (4) (4) eştlğ aynı zamanda λˆ 'nın değşken olarak yer aldığı br polnomu smgeler. Eştlkten ayrıca λˆ 'nın S matrsnn öz değerler vektörünü smgeledğ açıktır. Eştlk (3) soldan β ˆ vektörü le çarpılırsa β ˆ (S - λˆ I) βˆ = 0 βˆ S β ˆ = λˆ (5) eştlğ elde edlr. Amacımız βˆ Sβ ˆ 'yı maksmum yapmak olduğuna göre, bu amaca λ ˆ öz değerler vektöründek maksmum öz değer seçerek ulaşablrz. Bu öz değer λ olsun. p tane öz değer ve dolayısıyla p tane doğrusal bleşen (asal bleşen) Y olacaktır. Bu durumda () eştlğndek β ˆ, β ˆ,..., β ˆ katsayıları da karşılık gelen öz değere lşkn öz vektörün katsayıları olacaktır. Öz değerlern özellğnden 2 p ve dolayısıyla p İz (S) = λˆ p = İz (S) = Var(Y ) = yazablrz. Öyleyse asal bleşenn, dğer bleşenlere zaf önem se θˆ = n Var (Y ) = Var (Y ) = λˆ İz (S) = p λˆ λ = (6) olarak tanımlanablr. Aktükün (2002). Asal bleşenler analznde daha çok lglenlen test statstkler varyanslara karşılık gelen öz değerler, le Eştlk (6) 'da tanımlanan θˆ 'dır. Ancak bu statstklern belrl br örneklemden hesaplanacak nokta tahmnler le güven aralıkları oluşturmak ve hpotez test yapmak çn klask teorde, X 'lern bağımsız olmaları ve normal dağılımdan gelmeler varsayımları yapılır. Bu varsayımların karşılanmaması durumunda se test statstklernn kullanılması olanaksızlaşır ve Bootstrap yaklaşımı önem kazanır. Kısım 3 'te, süreçler çn 5 gözlem ve 4 değşkenden oluşan hpotetk br ver kullanıldı. Klask teoryle karşılaştırmalar yapablmek çn verdek gözlemler çok değşkenl normal dağılımdan elde edlmş olup, Ek 'de verlmştr. 3
5 Asal Bleşenler Analzne Bootstrap Yaklaşımı 3. VARYANS-KOVARYANS MATRİSİNİN ÖZ DEĞERLERİNİN ve ORANLARININ BOOTSTRAP GÜVEN ARALIKLARI Asal bleşenler analznde varyans-kovaryans matrsnn öz değerler lneer bleşmlern varyanslarını smgeledkler çn bunlara lşkn güven aralıkları ve hpotez testlerne özellkle önem verlr. Anderson (963), çok büyük örneklemler çn (n > ) aşağıda tanımlanan L rastlantı değşkennn standart normal dağılım zledğn göstermştr: λˆ λ L = ~ N(0,) λ 2/(n ) Buradan λ çn % 00( - α) güven aralığı + z α/2 λˆ 2/(n ) λ z α/2 λˆ 2/(n ) (7) olacaktır. Burada λ, ktle varyans-kovaryans matrsnn br öz değern, λˆ bu öz değern nokta tahmnn n örneklem büyüklüğünü zα/2 standart normal dağılım kantln göstermektedr. Ancak bu güven aralığı asmtotk olduğu çn küçük örneklemlerde her zaman y sonuç vermeyeblr. Bu anlamda örneklem büyüklüğünden etklenmeyen Bootstrap yaklaşımı önem kazanır. Aşağıda Ek 'dek vernn varyans kovaryans matrsn ve öz değerlern görüyoruz y S= k {, λ=48.875, λ2=2.8736, λ3= , λ4= Her br öz değer çn (7) 'den hesaplanan güven aralıkları se aşağıda verlmştr: 4
6 Ekonometr ve İstatstk Sayı: 2005 Asmtotk Güven Aralıkları λ Yüzdeler Asmtotk Kantller λ λ λ Yukarıda verlen güven aralıklarını bootstrap karşılıkları çn, Efron ve Tbshran (993) 'nn tanımladığı sürec uyguladık. Orjnal verden adel olarak B = 000 tane örneklem çekld. Her br örneklemn varyans-kovaryans matrs ve her br matrsn öz değerler hesaplandı. Her br öz değer çn 000 öz değern ortalaması (λ boot ) bootstrap ktle öz değerlernn bootstrap tahmn olarak düşünüldü. 000 öz değern kantller se aşağıda verlen güven aralıkların oluşturdu. Orjnal verden elde edlen öz değerlern bootstrap tahmnlere oldukça yakın olduğunu görmekteyz. Asmtotk güven aralıklarının se bootstrap güven aralıklarından daha genş olduğu görülmektedr. Bu durumun örneklemn yeternce büyük olmamasından kaynaklandığın söylemek yanlış olmaz. 5
7 Asal Bleşenler Analzne Bootstrap Yaklaşımı Bootstrap Güven Aralıkları λ boot Yüzdeler Bootstrap Kantller λ2 boot λ3 boot λ4 boot Asal Bleşenler analznde öz değerler kadar eştlk (6) 'dak θ ˆ statstğne de önem verlr. Her br öz değern toplam varyansa katkısını dğer br deyşle zaf önemm gösteren bu statstğn sayısal değerne bakarak kaç tane asal bleşenle yetnebleceğmze karar vereblrz. Bu karar çn klask teorde yaygın olarak asmtotk br test olan Bartlett (950) 'n küresellk testnn ve bazı grafk yöntemlern (örn. bkz. Jobson (994)) kullanıldığını da belrtelm. Aşağıda verlen, her br öz değern toplam öz değerlere oranlarına bakıldığında büyüklük sıralamasına göre brnc ve knc öz değerlern toplamdak payının 0,89 'dan büyük olduğu dolayısıyla dört değşkenn 2 asal bleşenle fade edlebleceğn söyleyeblrz : 6
8 θ fl = θ fl 3= θ fl 4= θ fl 2= λ λ+λ2 +λ3 +λ4 = λ2 λ+λ2 +λ3 +λ4 = λ3 λ+λ2+λ3+λ4 = λ4 λ+λ2+λ3+λ4 = Öyleyse lk k öz değere karşılık gelen öz vektörlern belrledğ Ekonometr ve İstatstk Sayı: 2005 ve Y = 0,00348x + 0,0452x 2-0,323x 3-0,945x 4 Y 2 = -0,085x -0,082x 2-0,944x 3 + 0,39x 4 lneer bleşmler toplam varyansın % 89 'undan fazlasını açıklamaktadır. (6) eştlğnde tanımlanan statstğe bootstrap uygularken, lglenlen θ ˆ statstğnn değer her br bootstrap örneklem çn hesaplanıp, böylelkle elde edlen değerlern ortalaması (θ ˆ boot ) bulunablr. Betmlenen bu süreç B = 000 kez uygulanmış, ve θ ˆ θˆ 2 çn aşağıdak değerler elde edlmştr : θˆ çn θ fl boot Yüzdeler BootStrap Kantller θˆ 2 çn θ fl boot Yüzdeler BootStrap Kantller
9 Asal Bleşenler Analzne Bootstrap Yaklaşımı Bootstrap tahmnlernn orjnal örneklemden hesaplanan = 0,650 ve θ ˆ θˆ 2 = 0,2595 yakın olduğu görülmektedr. Bu aşamada = 0,650 ve θ ˆ θˆ 2 = 0,2595 değerler yardımıyla θ ve θ 2 çn güven aralığı oluşturmak steneblr. Ancak klask teorde küçük örneklemler çn θˆ 'nın standart hatasına lşkn analtk br formülün olmaması, bu sürecn uygulanmasına engeldr. Orjnal örnekleme, bootstrap sürec uygulandıktan sonra θˆ 'ya yada daha genel olarak fade edersek test statstğne lşkn amprk br dağılım elde edleceğ çn lglenlen θ ve θ 2 'ye lşkn güven aralıkları amprk dağılımın kantller dğer adıyla bootstrap kantller hesaplanarak oluşturulablr. Yukarıdak tablodan θ çn soldan ve sağdan % 5 ' dışarıda bırakan değerler 0,528 ve 0,768 'dr. Öyleyse amprk olarak [0,528-0,768] aralığı % 90 güven aralığı olarak kabul edleblr. Aynı aralık θ 2 çn [0,49-0,389] olacaktır. Şekl 'de bootstrap örneklemlernden elde edlen değerlern oluşturduğu hstogramlar yer almaktadır Keskl doğru, dağılımların ortalamasını yan θˆ boot değern göstermektedr θˆ çn fl Frekanslar θ 'ları n Bootstrap 50 Dağılımı θˆ 2 çn fl Frekanslar θ 2'ları n Bootstrap Dağılımı fl θ Şekl : θ ˆ ve θˆ 2 'nın Bootstrap Dağılımları fl θ 2 8
10 Ekonometr ve İstatstk Sayı: SONUÇ Belrl br statstğn standart hatasını veren br formülün olmadığı yada asmtotk br formülün olduğu durumlarda küçük örneklemler çn güvenlr statstksel çıkarsama yapma da bootstrap yaklaşımı benmseneblr. Daha çok betmsel br teknk olan ve bu nedenle çıkarsama araçları çok da yeterl olmayan asal bleşenler analzne bootstrap yaklaşımı bu anlamda önem kazanablr. Bu çalışmada asal bleşenler sürecnde lglenlen bazı statstklere bootstrap sürecnn uygulanma yöntemlern tanıtmayı amaç edndk. İstatstk yazılımlar bu konuda yeterl olanakları sunmadıkları çn söz konusu süreçler Mathematca dlnde yazdığımız br programla gerçekleştrdk. Kodlar Ek 2 'de sunulmuştur. KAYNAKÇA - Aktükün, L.A. (2002), Bootstrap Yöntemler ve Doğrusal Regresyon Modellerne Uygulanması, İstanbul Ünverstes, Sosyal Blmler Ensttüsü, İstanbul. - Anderson, T.W. (958), An Introducton to Multvarate Analyss, Wley, NewYork. - Anderson, T.W. (963), "Asymptotc theory for prncpal components", Annals of Mathematcal Statstcs, 34, Bartlett, M.S. (950), "Test of sgnfcance n factor analyss", Brtsh Journal of Psychology, 3, Beran, R., Srvastava, M.S., (985), "Bootstrap tests and confdence regons for functons of covarance matrx", Ann. Statst., 3, Beran, R., Ducharme, G.R. (99), Asymptotc Theory for Bootstrap Methods n Statstcs, Les Publcatons Centre de Recherches Mathematques, Unversté de Montréal, Montréal. - Davson, A.C., Hnkley, D.V. (997), Bootstrap Methods and Ther Applcaton, Cambrdge, Cambrdge Unversty Press. - Efron, B. (979), "Bootstrap Methods: Another look at the Jackknfe", Ann. Statst., Vol.7, s Efron, B., Tbshran, R.J. (993), An Introducton to The Bootstrap, USA, Chapman&Hall. - Freedman, D.A. (98), "Bootstrappng regresson models.", Ann. Statst., Vol.9, s Hall, P. (992), The Bootstrap and Edgeworth Expenson, New York, Sprnger. - Jobson, J.D. (994), Appled Multvarate Data Analyss : Volume II: Categorcal and Multvarate Methods, Sprnger, NewYork. - Mammen, E. (992), When Does Bootstrap Work? Asymptotc Results and Smulatons, Volume 77 of Lecture Notes n Statstcs, New York, Sprnger. - Morrson, D.F. (976), Multvarate Statstcal Methods, Second Ed., McGraw-Hll, NewYork. 9
11 Asal Bleşenler Analzne Bootstrap Yaklaşımı - Shao, J., Tu, D. (995), The Jackknfe and Bootstrap, New York, Sprnger. - Wu, F.J. (986), "Jackknfe, bootstrap and other resamplng methods n regresson analyss (Wth dscussons)", Ann. Statst., Vol.4, s Ek. Çok Değşkenl Normal Dağılımdan Türetlen Hpotetk Ver x x 2 x 3 x
12 Ekonometr ve İstatstk Sayı: 2005 Ek2. Mathematca Kodları
ÇOKLU 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
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
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
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
DetaylıAdi Diferansiyel Denklemler NÜMERİK ANALİZ. Adi Diferansiyel Denklemler. Adi Diferansiyel Denklemler
6.4.7 NÜMERİK ANALİZ Yrd. Doç. Dr. Hatce ÇITAKOĞLU 6 Müendslk sstemlernn analznde ve ugulamalı dsplnlerde türev çeren dferansel denklemlern analtk çözümü büük öneme saptr. Sınır değer ve/vea başlangıç
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
DetaylıA İSTATİSTİK. 4. X kesikli rasgele (random) değişkenin moment çıkaran. C) 4 9 Buna göre, X in beklenen değeri kaçtır?
. Br torbada 6 syah, 4 beyaz top vardır. Bu torbadan yerne koyarak top seçlyor. A İSTATİSTİK KPSS/-AB-PÖ/006. Normal dağılıma sahp br rasgele (random) değşkenn varyansı 00 dür. Seçlen topların ksnn de
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
DetaylıÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ
ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ Gülesen ÜSTÜNDAĞ BAZI PARAMETRİK OLMAYAN İSTATİSTİKSEL YÖNTEMLERİN İNCELENMESİ İSTATİSTİK ANABİLİM DALI ADANA, 005 ÇUKUROVA ÜNİVERSİTESİ
DetaylıHAFTA 13. kadın profesörlerin ortalama maaşı E( Y D 1) erkek profesörlerin ortalama maaşı. Kestirim denklemi D : t :
HAFTA 13 GÖLGE EĞİŞKENLERLE REGRESYON (UMMY VARIABLES) Gölge veya kukla (dummy) değşkenler denen ntel değşkenler, cnsyet, dn, ten reng gb hemen sayısallaştırılamayan ama açıklanan değşkenn davranışını
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
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
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
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
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
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
Detaylıkadar ( i. kaynağın gölge fiyatı kadar) olmalıdır.
KONU : DUAL MODELİN EKONOMİK YORUMU Br prmal-dual model lşks P : max Z cx D: mn Z bv AX b AV c X 0 V 0 bçmnde tanımlı olsun. Prmal modeln en y temel B ve buna lşkn fyat vektörü c B olsun. Z B B BB c X
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
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
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
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)
DetaylıDoğrusal Korelasyon ve Regresyon
Doğrusal Korelasyon ve Regresyon En az k değşken arasındak lşknn ncelenmesne korelasyon denr. Kşlern boyları le ağırlıkları, gelr le gder, öğrenclern çalıştıkları süre le aldıkları not, tarlaya atılan
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
DetaylıÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ
ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ Semh CAN BAZI ÇOK DEĞİŞKENLİ İSTATİSTİKSEL TEKNİKLER ARASINDAKİ İLİŞKİNİN İNCELENMESİ VE UYGULAMALARI İSTATİSTİK ANABİLİM DALI ADANA, 0
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:
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.
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
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.
DetaylıMIT Açık Ders Malzemeleri Bu materyallerden alıntı yapmak veya Kullanım Koşulları hakkında bilgi almak için
MIT Açık Ders Malzemeler http://ocm.mt.edu Bu materyallerden alıntı yapmak veya Kullanım Koşulları hakkında blg almak çn http://ocm.mt.edu/terms veya http://tuba.açık ders.org.tr adresn zyaret ednz. 18.102
DetaylıVEKTÖRLER VE VEKTÖREL IŞLEMLER
VEKTÖRLER VE VEKTÖREL IŞLEMLER 1 2.1 Tanımlar Skaler büyüklük: Sadece şddet bulunan büyüklükler (örn: uzunluk, zaman, kütle, hacm, enerj, yoğunluk) Br harf le sembolze edleblr. (örn: kütle: m) Şddet :
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
DetaylıMakine Öğrenmesi 10. hafta
Makne Öğrenmes 0. hafta Lagrange Optmzasonu Destek Vektör Maknes (SVM) Karesel (Quadratc) Programlama Optmzason Blmsel term olarak dlmze geçmş olsa da bazen en leme termle karşılık bulur. Matematktek en
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
DetaylıFAKTÖR A ALĐZ SKORLARI KULLA ILARAK KARAYAKA KUZULARI DA CA LI AĞIRLIK TAHMĐ Đ
Anadolu Tarım Blm. Derg., 2009,24(2):98-102 Anadolu J. Agrc. Sc., 2009,24(2):98-102 Araştırma Research FAKTÖR A ALĐZ SKORLARI KULLA ILARAK KARAYAKA KUZULARI DA CA LI AĞIRLIK TAHMĐ Đ Soner ÇA KAYA* Aydın
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
Detaylıbir yol oluşturmaktadır. Yine i 2 , de bir yol oluşturmaktadır. Şekil.DT.1. Temel terimlerin incelenmesi için örnek devre
Devre Analz Teknkler DEE AAĐZ TEKĐKEĐ Bu zamana kadar kullandığımız Krchoffun kanunları ve Ohm kanunu devre problemlern çözmek çn gerekl ve yeterl olan eştlkler sağladılar. Fakat bu kanunları kullanarak
DetaylıYARIPARAMETRİK KISMİ DOĞRUSAL PANEL VERİ MODELLERİYLE ULUSLAR ARASI GÖÇ
Özet YARIPARAMETRİK KISMİ DOĞRUSAL PANEL VERİ MODELLERİYLE ULUSLAR ARASI GÖÇ Atıf EVREN *1 Elf TUNA ** Yarı parametrk panel ver modeller parametrk ve parametrk olmayan modeller br araya getren; br kısmı
DetaylıDeprem Tepkisinin Sayısal Metotlar ile Değerlendirilmesi (Newmark-Beta Metodu) Deprem Mühendisliğine Giriş Dersi Doç. Dr.
Deprem Tepksnn Sayısal Metotlar le Değerlendrlmes (Newmark-Beta Metodu) Sunum Anahat Grş Sayısal Metotlar Motvasyon Tahrk Fonksyonunun Parçalı Lneer Interpolasyonu (Pecewse Lnear Interpolaton of Exctaton
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
DetaylıDEFORMASYONLARIN MODELLENMESİ. Levent TAŞÇI 1 ltasci@firat.edu.tr
DFORMSYOLRI MODLLMSİ Levent TŞÇI 1 ltasc@frat.edu.tr Öz: Deformasyonların belrleneblmes çn farklı çalışma grupları tarafından ortaya konulmuş farklı yaklaşımlar söz konusudur. Deformasyon analznde, bloklar
DetaylıÖRNEK SET 5 - MBM 211 Malzeme Termodinamiği I
ÖRNE SE 5 - MBM Malzeme ermdnamğ I 5 ºC de ve sabt basınç altında, metan gazının su buharı le reaksynunun standart Gbbs serbest enerjs değşmn hesaplayın. Çözüm C O( ( ( G S S S g 98 98 98 98 98 98 98 Madde
DetaylıSAYISAL ANALİZ. Doç.Dr. Cüneyt BAYILMIŞ. Sayısal Analiz. Doç.Dr. Cüneyt BAYILMIŞ
SAYISAL ANALİZ Doç.Dr. Cüneyt BAYILMIŞ Doç.Dr. Cüneyt BAYILMIŞ Sayısal Analz SAYISAL ANALİZ SAYISAL TÜREV Numercal Derentaton Doç.Dr. Cüneyt BAYILMIŞ Sayısal Analz İÇİNDEKİLER Sayısal Türev Ger Farklar
DetaylıÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ
ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ DOKTORA TEZİ Seval SÜZÜLMÜŞ FAKTÖR ANALİZİ MODELLERİNİN BELİRLENEBİLİRLİĞİ VE GENELLEŞTİRİLMİŞ İNVERSLERİN KULLANIMI İSTATİSTİK ANABİLİM DALI ADANA, 5 ÖZ DOKTORA
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
DetaylıSıklık Tabloları ve Tek Değişkenli Grafikler
Sıklık Tabloları ve Tek Değşkenl Grafkler Sıklık Tablosu Ver dzsnde yer alan değerlern tekrarlama sayılarını çeren tabloya sıklık tablosu denr. Sıklık Tabloları tek değşken çn marjnal tablo olarak adlandırılır.
Detaylı5.3. Tekne Yüzeylerinin Matematiksel Temsili
5.3. Tekne Yüzeylernn atematksel Temsl atematksel yüzey temslnde lk öneml çalışmalar Coons (53) tarafından gerçekleştrlmştr. Ferguson yüzeylernn gelştrlmş hal olan Coons yüzeylernde tüm sınır eğrler çn
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
DetaylıÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ
ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ Savaş OKUR PARAMETRİK VE PARAMETRİK OLMAYAN BASİT DOĞRUSAL REGRESYON ANALİZ YÖNTEMLERİNİN KARŞILAŞTIRMALI OLARAK İNCELENMESİ ZOOTEKNİ ANABİLİM
DetaylıKİ-KARE VE KOLMOGOROV SMİRNOV UYGUNLUK TESTLERİNİN SİMULASYON İLE ELDE EDİLEN VERİLER ÜZERİNDE KARŞILAŞTIRILMASI
C.Ü. İktsad ve İdar Blmler Dergs, Clt 4, Sayı 1, 3 6 Kİ-KARE VE KOLMOGOROV SMİRNOV UYGUNLUK TESTLERİNİN SİMULASYON İLE ELDE EDİLEN VERİLER ÜZERİNDE KARŞILAŞTIRILMASI H. BİRCAN, Y. KARAGÖZ ve Y. KASAPOĞLU
DetaylıRasgele Değişken Üretme Teknikleri
Rasgele Değşken Üretme Teknkler Amaç Smülasyon modelnn grdlern oluşturacak örneklern üretlmes Yaygın olarak kullanılan ayrık veya sürekl dağılımların örneklenmes sürecn anlamak Yaygın olarak kullanılan
DetaylıÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ ÇOKLU İÇ İLİŞKİ VE EKOLOJİK REGRESYON İSTATİSTİK ANABİLİM DALI
ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ Berrn GÜLTAY YÜKSEK LİSANS TEZİ ÇOKLU İÇ İLİŞKİ VE EKOLOJİK REGRESYON İSTATİSTİK ANABİLİM DALI ADANA, 9 ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ ÇOKLU
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 ) = 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
DetaylıÖZET Yüksek Lsans Tez TAM VE SANSÜRLÜ ÖRNEKLEM DURUMLARINDA WEIBULL DAĞILIMI İÇİN BAZI İSTATİSTİKİ SONUÇ ÇIKARIMLARI Dlşen TAMAM Ankara Ünverstes Fen
ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ TAM VE SANSÜRLÜ ÖRNEKLEM DURUMLARINDA WEIBULL DAĞILIMI İÇİN BAZI İSTATİSTİKİ SONUÇ ÇIKARIMLARI Dlşen TAMAM İSTATİSTİK ANABİLİM DALI ANKARA
DetaylıSorunun varlığı durumunda hata terimi varyans-kovaryans matrisi Var, Cov(u) = E(uu') = σ 2 I n şeklinde yazılamıyor fakat
8. DEĞİŞEN VARYANS SORUNU (HETEROSCEDASTICITY) 8.. Değşen Varyans Sorunu Nedr? Matrslerle yan Y = β u Y = β β β 3 3 β k k u, = n genel doğrusal modeln ele alalım. Hata term çn yapılan varsayımlardan brs
DetaylıTek Yönlü Varyans Analizi
Tek Yönlü Varyan Analz Nedr ve hang durumlarda kullanılır? den fazla grupların karşılaştırılmaı öz konuu e, çok ayıda t-tet nn kullanılmaı, Tp I hatanın artmaına yol açar; Örneğn, eğer 5 grubu kşerl olarak
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
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)
DetaylıTürkiye deki Đşsizlik Oranının Bulanık Doğrusal Regresyon Analiziyle Tahmini
İstatstkçler Dergs: İstatstk & Aktüerya Journal of Statstcans: Statstcs and Actuaral Scences IDIA 8, 5, -6 Gelş/Receved:6.4.5, Kabul/Accepted: 3.6.5 www.statstkcler.org Türkye dek Đşszlk Oranının Bulanık
DetaylıMAK 744 KÜTLE TRANSFERİ
ZKÜ Fen Blmler Ensttüsü Makne Mühendslğ Anablm alı MAK 744 KÜTLE TRANSFERİ TERMOİNAMİK ve TRANSPORT BÜYÜKLÜKLERİNİN HESAPLANMASI İÇİN FORMÜLLER VE TABLOLAR Mustafa EYRİBOYUN ZONGULAK - 007 1. TERMOİNAMİK
DetaylıCalculating the Index of Refraction of Air
Ankara Unversty Faculty o Engneerng Optcs Lab IV Sprng 2009 Calculatng the Index o Reracton o Ar Lab Group: 1 Teoman Soygül Snan Tarakçı Seval Cbcel Muhammed Karakaya March 3, 2009 Havanın Kırılma Đndsnn
DetaylıTÜRKİYE DEKİ 380 kv LUK 14 BARALI GÜÇ SİSTEMİNDE EKONOMİK YÜKLENME ANALİZİ
TÜRİYE DEİ 38 kv LU 4 BARALI GÜÇ SİSTEMİDE EOOMİ YÜLEME AALİZİ Mehmet URBA Ümmühan BAŞARA 2,2 Elektrk-Elektronk Mühendslğ Bölümü Mühendslk-Mmarlık Fakültes Anadolu Ünverstes İk Eylül ampüsü, 2647, ESİŞEHİR
DetaylıREGRESYON ANALİZİ BÖLÜM 1-2
REGRESYON ANALİZİ BÖLÜM 1- Yayın Tarh: 17-08-008 REGRESYON ANALİZİ NEDİR? MODELLEME 1. GİRİŞ İstatstk blmnn temel lg alanlarından br: br şans değşkennn davranışının br model kullanılarak tahmnlenmesdr.
Detaylı( ) 3.1 Özet ve Motivasyon. v = G v v Operasyonel Amplifikatör (Op-Amp) Deneyin Amacı. deney 3
Yıldız Teknk Ünverstes Elektrk Mühendslğ Bölümü Deneyn Amacı İşlemsel kuvvetlendrcnn çalışma prensbnn anlaşılması le çeştl OP AMP devrelernn uygulanması ve ncelenmes. Özet ve Motvasyon.. Operasyonel Amplfkatör
DetaylıStandart Model (SM) Lagrange Yoğunluğu. u, d, c, s, t, b. e,, Şimdilik nötrinoları kütlesiz Kabul edeceğiz. Kuark çiftlerini gösterelim.
SM de yer alacak fermyonlar Standart Model (SM) agrange Yoğunluğu u s t d c b u, d, c, s, t, b e e e,, Şmdlk nötrnoları kütlesz Kabul edeceğz. Kuark çftlern gösterelm. u, c ve t y u (=1,,) olarak gösterelm.
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
DetaylıTÜRKYE'DE TRAFK KAZALARININ MODELLENMES K. Selçuk ÖÜT A. Faik YNAM ÖZET
TÜRKYE'DE TRAFK KAZALARININ MODELLENMES K. Selçuk ÖÜT A. Fak YNAM stanbul Teknk Ünverstes stanbul Teknk Ünverstes ÖZET Trafk kazaları, ülkemz gündemn sürekl olarak gal eden konularıdan brdr. Üzernde çok
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
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
DetaylıHANNOVER YAKLAŞIMI İLE GEOMETRİK ANALİZ SÜRECİNE BİR KISA YOL ÖNERİSİ
HAVE YAKLAŞIMI İLE GEMEİK AALİZ SÜECİE Bİ KISA YL ÖEİSİ S. DEMİKAYA,.G. HŞBAŞ, H. EKAYA Yılız eknk Ünverstes, Meslek Yüksekokulu, İstanbul, emrkay@ylz.eu.tr Yılız eknk Ünverstes, İnşaat Fakültes, Jeoez
DetaylıBÖLÜM 1 1.GİRİŞ: İSTATİSTİKSEL DOĞRUSAL MODELLER
BÖLÜM 1 1.GİRİŞ: İSTATİSTİKSEL DOĞRUSAL MODELLER Blmn amaçlarından br yaşanılan doğa olaylarını tanımlamak ve olayları önceden tahmnlemektr. Bu amacı başarmanın yollarından br olaylar üzernde etkl olduğu
DetaylıÜNİTE. İSTATİSTİĞE GİRİŞ Doç.Dr.Suphi Özçomak İÇİNDEKİLER HEDEFLER TEMEL KAVRAMLAR
HEDEFLER İÇİNDEKİLER TEMEL KAVRAMLAR İstatstğn Tanımı Anakütle ve Örnek Kavramları Tam Sayım ve Örnekleme Anakütle ve Örnek Hacm Parametre ve İstatstk Kavramları İSTATİSTİĞE GİRİŞ Doç.Dr.Suph Özçomak Bu
DetaylıBOOTSTRAP VAR MODELLER VE TÜRKİYE DE TANZİ ETKİSİ
ZKÜ Sosyal Blmler Dergs, Clt 3, Sayı 6, 2007, ss. 89 108. BOOTSTRAP VAR MODELLER VE TÜRKİYE DE TANZİ ETKİSİ Dr. Mustafa Kemal BEŞER Eskşehr Osmangaz Ünverstes İİBF, İktsat Bölümü mkbeser@ogu.edu.tr ÖZET
DetaylıLojistik Regresyonlarda Değişken Seçimi
Çukurova Ünverstes Zraat Fakültes Dergs, 7 (2):05-4 Lostk Regresyonlarda Değşken Seçm Hasan ÖNDER () Zeynel CEBECİ (2) Özet Bu çalışmada, lostk regresyonlarda değşken seçm yöntemlernden ler doğru seçm,
DetaylıMatris Cebiriyle Çoklu Regresyon Modeli
Matris Cebiriyle Çoklu Regresyon Modeli Hüseyin Taştan Mart 00 Klasik Regresyon Modeli k açıklayıcı değişkenden oluşan regresyon modelini her gözlem i için aşağıdaki gibi yazabiliriz: y i β + β x i + β
DetaylıTrabzon İlinde Gözlenen Yıllık Maksimum Yağışların Bölgesel Frekans Analizi
TAIM BİLİMLEİ DEGİSİ 2009, 5 () 240-248 AKAA ÜİVESİTESİ ZİAAT FAKÜLTESİ Trabzon İlnde Gözlenen Yıllık Maksmum Yağışların Bölgesel Frekans Analz Alper Serdar ALI Halt APAYDI Fazlı ÖZTÜK Gelş Tarh: 20..2008
DetaylıTOPSIS ÇOK KRİTERLİ KARAR VERME SİSTEMİ: TÜRKİYE DEKİ KAMU BANKALARI ÜZERİNE BİR UYGULAMA
Araştırma Makaleler TOPSIS ÇOK KRİTERLİ KARAR VERME SİSTEMİ: TÜRKİYE DEKİ KAMU BANKALARI ÜZERİNE BİR UYGULAMA Dr., Dokuz Eylül Ünverstes, İİBF İşletme Bölümü erhan.demrel@deu.edu.tr ÖZET Ekonomk faalyetlern
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
DetaylıBEYKENT ÜNİVERSİTESİ - DERS İZLENCESİ - Sürüm 2. Öğretim planındaki AKTS 581058202101319 2 1 0 3 5
BEYKENT ÜNİVERSİTESİ - DERS İZLENCESİ - Sürüm 2 Ders Kodu Teork Uygulama Lab. YAPI ARAŞTIRMASI VE DOKÜMANTASYON Ulusal Kred Öğretm planındak AKTS 581058202101319 2 1 0 3 5 Ön Koşullar : Önerlen Dersler
DetaylıÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ
ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS EN KÜÇÜK KARELER, RİDGE REGRESYON VE ROBUST REGRESYON YÖNTEMLERİNDE ANALİZ SONUÇLARINA AYKIRI DEĞERLERİN ETKİLERİNİN BELİRLENMESİ ZOOTEKNİ ANABİLİM
DetaylıSAYISAL ÇÖZÜMLEME. Sayısal Çözümleme
SAYISAL ÇÖZÜMLEME Syısl Çözümleme SAYISAL ÇÖZÜMLEME 7. Hft LİNEER DENKLEM SİSTEMLERİ (Devm) Syısl Çözümleme İÇİNDEKİLER Doğrusl Denklem Sstemlernn Çözümü İtertf Yöntemler Jcob Yöntem Guss-Sedel Yöntem
DetaylıEpilepside EEG Tabanlı Entropi Değişimleri
TURKMIA 9 Proceedngs 7 VI. Ulusal Tıp Blşm Kongres Bldrler ENMI Vol V No 1, 9 Eplepsde EEG Tabanlı Entrop Değşmler b c Serap 1 AYDINa,1, H.Melh SARAOĞLU, Sadık KARA a Elektrk-Elektronk Müh Böl, Ondokuz
DetaylıYAŞAM ÇÖZÜMLEMESİNDE AYKIRI DEĞERLER OUTLIERS IN SURVIVAL ANALYSIS
YAŞAM ÇÖZÜMLEMESİNDE AYKIRI DEĞERLER OUTLIERS IN SURVIVAL ANALYSIS NURAY TUNCER PROF. DR. DURDU KARASOY Tez Danışmanı Hacettepe Ünverstes Lsansüstü Eğtm-Öğretm Yönetmelğnn İstatstk Anablm Dalı İçn Öngördüğü
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
DetaylıTRANSPORT PROBLEMI için GELIsTIRILMIs VAM YÖNTEMI
Yönetm, Yl 9, Say 28, Ekm - 1997,5.20-25 TRANSPORT PROBLEMI ÇIN GELIsTIRILMIs VAM YÖNTEMI Dr. Erhan ÖZDEMIR I.Ü. Teknk Blmler M.Y.O. L.GIRIs V AM transport problemlerne en düsük malyetl baslangç çözüm
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
DetaylıSansürlenmiş ve Kesikli Regresyon Modelleri
TOBİT MODEL 1 Sansürlenmş ve Keskl Regresyon Modeller Sınırlı bağımlı değşkenler: sansürlenmş (censored) ve keskl (truncated) regresyon modeller şeklnde k gruba ayrılır. 2 Sansürlenmş ve Keskl Regresyon
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
DetaylıTEKNOLOJĐK ARAŞTIRMALAR
www.teknolojkarastrmalar.com ISSN:134-4141 Makne Teknolojler Elektronk Dergs 28 (1) 61-68 TEKNOLOJĐK ARAŞTIRMALAR Kısa Makale Tabakalı Br Dskn Termal Gerlme Analz Hasan ÇALLIOĞLU 1, Şükrü KARAKAYA 2 1
DetaylıDirect Decomposition of A Finitely-Generated Module Over a Principal Ideal Domain *
BİR ESAS İDEAL BÖLGESİ ÜZERİNDEKİ SONLU DOĞURULMUŞ BİR MODÜLÜN DİREK PARÇALANIŞI * Drec Decompoon of A Fnely-Generaed Module Over a Prncpal Ideal Doman * Zeynep YAPTI Fen Blmler Enüü Maemak Anablm Dalı
DetaylıENERJİ. Isı Enerjisi. Genel Enerji Denklemi. Yrd. Doç. Dr. Atilla EVCİN Afyon Kocatepe Üniversitesi 2007
Yrd. Doç. Dr. Atlla EVİN Afyon Kocatepe Ünverstes 007 ENERJİ Maddenn fzksel ve kmyasal hal değşm m le brlkte dama enerj değşm m de söz s z konusudur. Enerj değşmler mler lke olarak Termodnamğn Brnc Yasasına
DetaylıASİMETRİK VE SİMETRİK MARJİNAL DAGILIMLARDA ÇOK
ASİMETRİK VE SİMETRİK MARJİNAL DAGILIMLARDA ÇOK DEGİşKENLİ NORMALLİK A. Mete Çlngrtürk aclng@marmara.edu.tr Marmara Ünverstes Dlek Altaş d] eka] tas@marmara.edu.tr Marmara Ünverstes ÖZET Pek çok sosyal
DetaylıÇOK DURUMLU AĞIRLIKLANDIRILMIŞ BİLEŞENLİ SİSTEMLERİN DİNAMİK GÜVENİLİRLİK ANALİZİ
T.C. KARA HARP OKULU SAVUNMA BİLİMLERİ ENSTİTÜSÜ HAREKÂT ARAŞTIRMASI ANA BİLİM DALI ÇOK DURUMLU AĞIRLIKLANDIRILMIŞ BİLEŞENLİ SİSTEMLERİN DİNAMİK GÜVENİLİRLİK ANALİZİ DOKTORA TEZİ Hazırlayan Al Rıza BOZBULUT
Detaylıİki veri setinin yapısının karşılaştırılması
İk ver set yapısıı karşılaştırılması Dağılım: 6,6,6 Ortalama: 6 Medya: 6 Mod: 6 td. apma: 0 Dağılım: 0,6,1 Ortalama: 6 Medya: 6 Mod: çoklu mod td: apma: 6 Amaç: Görüe Ötese Bakablmek Verler değşkelk durumuu
DetaylıÇOK BOYUTLU EŞLEŞMİŞ ÇİFTLER ARASINDAKİ FARKIN SINAMASINDA PERMÜTASYON YÖNTEMİNİN BİR DEĞERLENDİRMESİ. Burak ŞİMŞEK YÜKSEK LİSANS TEZİ İSTATİSTİK
ÇOK BOYUTLU EŞLEŞMİŞ ÇİFTLER ARASINDAKİ FARKIN SINAMASINDA PERMÜTASYON YÖNTEMİNİN BİR DEĞERLENDİRMESİ Burak ŞİMŞEK YÜKSEK LİSANS TEZİ İSTATİSTİK GAZİ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ TEMMUZ 2007 ANKARA
DetaylıDOĞRUSAL HEDEF PROGRAMLAMA İLE BÜTÇELEME. Hazırlayan: Ozan Kocadağlı Danışman: Prof. Dr. Nalan Cinemre
1 DOĞRUSAL HEDEF PROGRAMLAMA İLE BÜTÇELEME Hazırlayan: Ozan Kocadağlı Danışman: Prof. Dr. Nalan Cnemre 2 BİRİNCİ BÖLÜM HEDEF PROGRAMLAMA 1.1 Grş Karar problemler amaç sayısına göre tek amaçlı ve çok amaçlı
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,
DetaylıTHOMAS-FİERİNG MODELİ İLE SENTETİK AKIŞ SERİLERİNİN HESAPLANMASINDA YENİ BİR YAKLAŞIM
Osmangaz Ünverstes Müh.Mm.Fak.Dergs C.XVII, S., 004 Eng.&Arch.Fac.Osmangaz Unversty, Vol.XVII, No :, 004 THOMAS-FİERİNG MODELİ İLE SENTETİK AKIŞ SERİLERİNİN HESAPLANMASINDA YENİ BİR YAKLAŞIM Recep BAKIŞ,
DetaylıObtaining Classical Reliability Terms from Item Response Theory in Multiple Choice Tests
Ankara Unversty, Journal of Faculty of Educatonal Scences, year: 2006, vol: 39, no: 2, 27-44 Obtanng Classcal Relablty Terms from Item Response Theory n Multple Choce Tests Hall Yurdugül * ABSTRACT: The
Detaylı