Lojistik Regresyonda Meydana Gelen Aşırı Yayılımın İncelenmesi
|
|
- Ufuk Kunt
- 8 yıl önce
- İzleme sayısı:
Transkript
1 Yüzücü Yıl Üverstes, Zraat Fakültes, Tarım Blmler Dergs (J. Agrc. Sc.), 008, 18(1): 1-5 Araştırma Makales/Artcle Gelş Tarh: Kabul Tarh: Lojstk Regresyoda Meydaa Gele Aşırı Yayılımı İcelemes Abdullah YEŞİLOVA (1) İsmal KASAP () Öz: Lojstk regresyoda, gözlee varyasıı beklee varyasda büyük olması aşırı yayılım ya da ekstra-bomyal varyasyo olarak taımlamaktadır. Bu durumda Lojstk regresyo yere, ekstra-bomyal varyasyou dkkate ala yötemler kullaılması gerekr. Lojstk regresyoda, Pearso Kh-kare le sapma uyum statstkler aşırı yayılımı saptamada kullaılmaktadır. Bu çalışmada, btk koruma alaıda elde edlmş ola gerçek br ver kümes kullaılarak Wllams metodu le lojstk regresyoda meydaa gele aşırı yayılım kotrol altıa alımıştır. Wllams metodu kullaılarak sapma uyum statstğ br (1) değere çok yakı, Pearso uyum statstğ se br (1) değere eşt olarak elde edlmştr. Elde edle souçlar bakımıda, uyum statstkler le Akak blg ölçütü ve Bayesa blg ölçütü bezerlk göstermşlerdr. Avcı akarlara karşı deee laçlar, akarlar üzere oldukça etkl olmuş ve akarları ölüm oralarıı arttırdığı saptamıştır (p<0.01). Aahtar kelmeler: Lojstk regresyo, extra-bomyal değşm, uyum statstkler Ivestgato of Overdsperso Logstc Regresso Abstract: I logstc regresso, havg hgher observed varato tha expected varato s called as overdsperso or extrabomal varato. I ths case, t s ecessary to use the methods dealg wth the extra-bomal varato rather tha the logstc varato. Pearso ch-square ad devace goodess of statstcs are used to determe overdsperso logstc regresso. I the preset study usg data obtaed from plat protecto studes, overdsperso logstc regresso was cotrolled by usg Wllams method. By usg Wllams method, a value very close to oe (1) for devace goodess of statstc ad a value equal to oe (1) for Pearso goodess of statstc were obtaed. Based o the obtaed results, goodess of statstcs ad Akak formato crtera ad Bayesa formato crtera model ft statstcs have showed smlartes. Tred pestcdes agast predator spder mtes were very effectve o spder mtes, creasg the death rate of the spder mtes (p<0.05). Key words: Logstc regresso, extra-bomal varatos, goodess of statstcs Grş Lojstk regresyo, bomyal dağılım göstere verler aalzde kullaılmaktadır. Lojstk regresyo bağımlı değşke kl (bary) gözledğ durumlarda, bağımlı değşke le bağımsız değşkeler ede souç lşks belrlemede kullaıla br yötemdr. Lojstk regresyoda, oluşturula lojstk modellere göre parametre tahmler elde edlr (Boey, 1987; Lawles, 1987; Wag ve Putterma, 1998). Lojstk regresyoda, geelleştrlmş doğrusal modeller (Geeralzed Lear Model) kullaılarak e çok olablrlk yötem (maxmum lkelhhod) le parametre tahm elde edlmektedr (McCullagh ve Nelder, 1989). Geelleştrlmş doğrusal modellerde, hatalar ç ormal dağılış varsayımıa gerek yoktur. Bu yötem le bomyal dağılışıı olasılık foksyou üssel formda taımlaarak verler doğruda beklee değer yere, beklee değer doğrusal kombasyou kullaılmaktadır. Başka br fadeyle geelleştrlmş doğrusal modeller, bağımsız değşkeler doğrusal yapısıı bağımlı değşke beklee değere bağlaya br bağlatı foksyouu (lk fucto) kullamaktadır. Lojstk regresyoda, söz kousu bağlatı foksyou logt döüşüm le verlmektedr. (McCullagh ve Nelder, 197; Stokes ve ark., 000; SAS, 007). Lojstk regresyoda, gözlee varyası, beklee varyasta büyük olması aşırı yayılım olarak taımlamaktadır (Cox, 1983; Dea, 199). Sapma (devace) ve Pearso Kh-kare uyum statstkler lojstk regresyoda yayılım olup olmadığıı belrlemede kullaıla uyum statstklerdr (Czado, 003). Eğer uyum statstkler soucuda aşırı yayılım söz kousu se, aşırı yayılımı açıklaya modeller kullaılması gerekmektedr. Lojstk regresyouda, aşırı yayılımı açıklaya metotlarda br de Wllams metodudur (SAS, 007). Wllams metoduda, meydaa aşırı yayılım modele dahl edlerek, gderlmektedr. Ver kümes e y açıklaya model seçmde, Akak blg ölçütü (Akak Iformato Crtera=AIC) ve Bayesa blg ölçütü (Bayesa Iformato Crtera=BIC) e çok kullaıla model uyum ölçütlerdr (Lawles, 1987; Wag ve Putterma, 1998). Bu çalışmada, btk koruma alaıda elde edle gerçek br ver kümes kullaılarak aşırı yayılımı öce tespt, daha sorada asıl modelledğ celemştr. (1) Yazışma Adres: Yüzücü Yıl Üverstes, Zraat Fakültes, Zootek Bölümü VAN, yeslova@yyu.edu.tr () Çaakkale Osekz Mart Üverstes, Zraat Fakültes, Btk Koruma Bölümü, 1700-ÇANAKKALE
2 A. YEŞİLOVA, İ. KASAP Materyal ve Yötem Materyal Çalışmaı materyal oluştura avcı akar Kampmodromus aberras (Oudemas Acara: Phytosedae) elma bahçelerde toplaarak laboratuara getrlmştr. Avcı akar K. aberras, Va ve çevresde elma bahçelerde e yaygı olarak görüle akarlarda brdr (Kasap ve ark. 004). Laboratuara getrle avcı akarlar 5± 0 C sıcaklık, % 60±10 em ve 16 saatlk aydılama sürese sahp klm odasıda üretmler yapılmıştır. Avcıları buluduğu küvetlere, br hu ve fırça yardımı le gülük olarak bes fırçalamıştır. Bes olarak fırçalaa akarlara ek olarak avcı akarı gelşme ve üremes ç htyaç duyduğu huş ağacıı (Betula pedula Roth (Betulaceae)) poleler ek bes olarak verlmştr. Deemelerde Kazak ve Şekeroğlu (1996) le Kılıçer ve ark. (1990) ı bldrdğ şeklde mkroskop camı (lam) üzere yapıştırılmış çft taraflı yapışka batlar (klşe bat) kullaılmış ve bu batlar üzere çftleşmş geç dşler dorsal kısımlarıda ce uçlu br fırça yardımı le yapıştırılmıştır. Her mkroskop camı üzere 5 adet avcı akar olmak üzere her doz ç 10 adet lam kullaılmıştır. Üzerde dorsalde yapıştırılmış avcı akar bulua lamlar, verle laçları (Mavrk, malatho, euro, trazam, zoloe, foldol, ddvp, talstar, omte, supracde, cupravt, roud-up) prospektüs blglere göre öcede hazırlaa kosatrasyolarıa 5 s süre le daldırılmış ve avcı akarlar üzerde brke laç kosatrasyou br fltre kağıdıa emdrlerek alımıştır. Üzerde brke laç kosatrasyoları yce kurutuldukta sora, avcı akarlar 5± C sıcaklık, %60±10 em oralarıa ve 16:8 saat ışıkladırma sürese ayarlı klm odasıa yerleştrlmştr. Gözlemler, laboratuvarda stereo boküler mkroskop altıda 4 saat sora yapılmış, akarlara ce uçlu br fırça yardımı le dokuularak tepk vereler calı, dğerler ölü olarak kaydedlmştr. Yötem Bu bölüm üç aşamada oluşmaktadır. İlk olarak lojstk regresyo ve uyum statstkler, sorak bölümde Wllams metodu ve so olarak model uyumua lşk teork blgler verlmştr. Çalışmada, calı akar/toplam akar r oraı bağımlı değşke, laçları etks de bağımsız değşke olarak modele alımıştır. Lojstk regresyo Lojstk regresyouda lglele olayı sayısı ola Y bağımlı değşke y 1,..., y bçmde, X bağımsız değşke de x 1,...,x bçmde verlmş olsu. Burada Y değşke bom dağılışıa sahp olduğu varsayılmaktadır. Her br =1,, ç olasılık değer, ( ) π =π (x ) = P Y = 1 x (1) Bçmde verleblr. Daha sora lojstk regresyo model aşağıdak bçmde yazılablr, logt( π ) = Xβ ya da, π = π = β logt( ) log X 1 π Eştlk te β blmeye parametreler göstermektedr (Boey, 1987; Bus, 005; SAS, 007). Sapma ve Pearso Kh kare statstkler lojstk regresyoda yaygı olarak kullaıla uyum statstklerdr. Her k uyum statstk değer bre (1) eşt ya da çok yakı çıkması, lojstk regresyoda aşırı yayılım olmadığı alamıa gelmektedr. Sapma uyum statstğ, D = (y, µ ˆ) = D(y, µ ˆ) φ 1 bçmde yazılablr (SAS, 007). Eştlk 3 te, D(y, µ ˆ) model ç hata sapması olmakta ve breysel olarak sapmaları toplamıı göstermektedr. φ blmeye skala parametres (scale parameter) göstermektedr. Pearso Kh-kare uyum statstğe lşk teork blgler Wllams metodu kousu altıda verlmştr. Lojstk regresyoda aşırı yayılım Lojstk regresyoda aşırı yayılıma başarı olasılıkları arasıdak varyasyo ve kl cevap değşkeler arasıdak korelasyo ede olmaktadır. Y bağımlı değşke beklee değer ve varyası, E(Y ) = π Var(Y ) = π(1 π ) (4) bçmde verleblr. İkl bağımlı değşkeler arasıda korelasyo olması durumuda, 1 başarı Y = Rj ve R j = j= 1 0 dğer P(Rj = 1) =π Bçmde verleblr. Bu durumda () j= 1 j j= 1k j j k (3) Var(Y ) = Var(R ) + cov(r,r ) Var(Y ) = π (1 π ) + cov(r,r ) j k j= 1k j Var(Y ),
3 Lojstk Regresyoda Meydaa Gele Aşırı Yayılımı İcelemes Var(Y ) = π (1 π ) 1 + ( 1) φ (5) bçmde olacaktır (Czado, 005; SAS, 007). Bu durumda eştlk 4 te verle beklee varyas le eştlk 5 de verle gözlee varyas brbre eşt değldr. Gözlee varyas beklee varyasta ya büyük ya da küçük olmaktadır. Gözlee varyası beklee varyasta büyük çıkması aşırı yayılım, gözlee varyası beklee varyasta küçük çıkması da az yayılım olarak adladırılmaktadır. φ= 0 olduğuda gözlee varyas beklee varyasa eşt olacağıda ekstra bomyal yayılım yoktur. φ> 0 olduğuda se ver kümesde aşırı yayılım söz kousudur. Uygulamada, geellkle aşırı yayılım le karşılaşılmaktadır (Lawles, 1987; Wag ve Putterma, 1998). Wllams metodu Ver kümes büyüklüğü olmak üzere, c gözlem ç r gözlee ora değer olsu. c gözlem ç cevap olasılık değer, p rasgele değşke olsu. p ortalama ve varyası, E(p ) =π ve =φπ π V(p ) (1 ) bçmde verleblr. r ortalama ve varyasıı aşağıdak bçmde yazılablr. E(r ) = π V(r ) = π (1 π ) 1 + ( 1) φ (6) Wllams metoduda, blmeye φ parametres tahm, Pearso Kh-kare statstk eştlğ yaklaşık beklee değere eştlemesyle elde edlmektedr. w, c gözleme lşk ağırlık değer olduğu varsayılsı. Pearso Kh-kare statstğ, w(r π ) = 1 π(1 π) χ = bçmde verleblr. g(.), g(.) bağlatı foksyou brc türev gösters. χ yaklaşık beklee değer, = 1 E( χ ) = w (1 w v d ) 1 +φ( 1) (7) bçmde yazılablr. Eştlk 7 de v = π (1 π )[ g( π )] ve d, α+ x β doğrusal ( ) tahmleycs varyasıı göstermektedr. Blmeye φ parametres aşağıdak teratf şlem kullaılarak tahm edlmektedr. Brc aşamada w = 1 ve alarak başlaır. φ başlagıç tahm, π yaklaşık olarak r değer φ = 0 χ ( p) ( 1)(1 v d ) bçmde yazılır. Burada, p toplam parametre sayısıı gösteryor. Ağırlıkları başlagıç tahmler, 1 w = 1 + ( 1) φ 0 0 bçmde olur. Model ağırlıkladırılmış uyumu yapıldıkta sora ˆβ ve χ yede hesaplaır. Daha sora tekrar düzeltle φ ı tahm, χ w(1 wvd) φ = w( 1)(1 wvd) 1 bçmde verleblr. İteratf şlem χ uyum statstğ ked serbestlk derecese yaklaşıcaya kadar devam edlr (SAS, 007). Model uyumu AIC ve BIC karışımlı model ç yaygı olarak kullaıla uyum ölçütlerdr E küçük uyum ölçütüe sahp model e y model olarak kabul edlmektedr (Wag ve Putterma, 1998). Geel olarak uyum ölçütler; AIC = LL + p BIC = LL + plog() bçmde yazılablr. Burada, LL: Lojstk regresyo modelde terasyo bttkte sora elde edle log-olablrlk değer, p: parametre sayısı : örek büyüklüğü olmaktadır. Bulgular Ver kümese lk olarak lojstk regresyo uyguladı. Çzelge 1 de lojstk regresyoa lşk uyum statstkler verlmştr. Uyum statstkler yayılım parametre değerler, hesap değer ked serbestlk derecese bölümes le elde edlmektedr. Lojstk regresyouda, sapma uyum statstğe lşk yayılım parametre değer (Hesap değer/sd) 3.491, Pearso Kh-kare uyum statstğe lşk değer (Hesap değer/sd) se olarak bulumuştur. Elde edle uyum statstğ değerler br (1) değerde büyük çıktığı saptamıştır. Sapma ve Pearso Kh-kare uyum statstğ değerler 1 de büyük çıkması ver kümesde aşırı yayılım olduğuu göstermektedr. 3
4 A. YEŞİLOVA, İ. KASAP Çzelge 1. Sapma ve Pearso Kh-kare uyum statstkler Table 1. Goodess of statstcs for devace ad Pearso Ch-square Uyum statstkler Goodess of statstcs sd/df Hesap değer value Hesap değer sd/value/df Sapma/devace Pearso Kh-kare Pearso Ch-square sd serbestlk dereces, df: Degrees of fredoom Çzelge de modele alıa değşkelere lşk lojstk regresyo parametre tahmler verlmştr. Çzelge de hem tercept hem de laçları etks öeml bulumuştur (p<0.01). Buda dolayı avcı akarlara karşı deee laçlar, akarlar üzere oldukça etkl olmuş ve akarları ölüm oralarıı arttırdığı saptamıştır. Çzelge. Lojstk regresyou soucuda elde edle parametre tahmler Table. Parameter estmates for logstc regresso Parametreler /Parameters Sd /df Tahm (Std. Hata Estmato (std. Error) Itercept (0.373) İlaçlama/sectft applcato (0.04) sd serbestlk dereces, df: Degrees of fredoom, p<0.01 Çzelge 1 de verle uyum statstkler ver kümesde aşırı yayılım olduğuu gösterdğde dolayı, aşırı yayılımı modellemek ç Wllams metodu uygulamıştır. Wllams Metodu kullaılarak lojstk regresyoa lşk elde edle uyum statstkler Çzelge 3 te verlmştr. Çzelge 3. Wllams metodu kullaılarak elde edle sapma ve Pearso Kh-kare uyum statstkler Table 3. Goodess of statstcs for devace ad Pearso Ch-square usg Wllams method Uyum statstkler Goodess of statstcs Sd/df Hesap değer value Hesap değer/sd value/df Sapma/Devace Pearso Kh-kare Pearso Ch-square sd serbestlk dereces, df: Degrees of fredoom Çzelge 3 e bakıldığıda, Wllams metodu kullaılarak sapma uyum statstğ (Hesap değer/sd) br (1) değere çok yakı br değer, Pearso uyum statstğe lşk değer (Hesap değer/sd) br (1) değere eşt olarak elde edldğ görülmektedr. Böylece Wllams Metoduu lojstk regresyodak yayılım parametres kotrol etmede oldukça etkl olduğu görülmektedr. Bu durumu parametre tahmlere asıl yasıdığıı göstere souçlar Çzelge 4 te verlmştr. Çzelge 4. Wllams metodu kullaılarak elde edle lojstk regresyoa lşk parametre tahmler Table 4. Parameter estmates for logstc regresso usg Wllams method Parametreler/parameters Sd/df Tahm (Std. Hata)/estmato (std. Error) Itercept (0.693) İlaçlama/sectft applcato (0.078) sd serbestlk dereces, df: Degrees of fredoom, p<0.01 Çzelge 4 te Wllams metodu kullaılarak aşırı yayılım kotrol altıa alıdıkta sora, lojstk regresyoa lşk parametre tahm değerler verlmştr. Çzelge de olduğu gb, Çzelge 4 te de hem tercept hem de laçları etks öeml bulumuştur (p<0.01). Çzelge ve Çzelge 4 e bakıldığıda parametre değerler ve stadart hatalarıı faklılık gösterdğ görülmektedr. Özellkle laç etks parametre tahm Çzelge 4 te daha yüksektr. Avcı akarlara karşı deee laçlar, akarlar üzere oldukça etkl olmuş ve akarları ölüm oralarıı arttırdığı saptamıştır. Uygu model uyum ölçütler Çzelge 5 te verlmştr. Geel olarak e küçük AIC ve BIC değere sahp model, e y model olarak taımlamaktadır. Model uyum ölçütlere bakıldığıda Wllams metodu kullaılarak elde edle AIC ve BIC uyum ölçütler daha küçük olduğu saptamıştır. Bu durumda Wllams metodu kullaılarak yapıla lojstk regresyo aalzde, aşırı yayılımı ortada kalktığı hem uyum statstkler souçlarıda hem de model uyumu souçlarıda görülmektedr. Çzelge 5. Uygu model ç uyum ölçütler Table 5. Model selecto crtera Regresyo yötem Regresso method Lojstk regresyo/ Logstc regresso Wllams Metodu kullaılarak lojstk regresyo Logstc regresso usg Wllams method Tartışma ve Souç -Log L AIC BIC Kategork ver kümelere uygulaa Posso ve lojstk gb regresyo yötemler uygulaablr olup olmadığıı göstere uyum statstkler (sapma ve Pearso Kh-kare) büyük öem taşımaktadır (Cox, 199; Dea, 199; Czado, 003). Geel olarak uygulaa regresyo yötem doğruluğu bakımıda, her k uyum statstğ değerler 1 e eşt ya da çok yakı olması ster. Posso ve lojstk gb regresyo aalzlerde, söz kousu uyum statstkler ortalama le varyas arasıdak lşkye bağlı olarak değşmektedr (Camero ve Trved, 1998; Lawles, 1987). Öreğ Posso dağılımıda ortalama le varyas ayı parametre değere eşttr. Uygulamada, bu eştlğ sağlaamaması durumuda elde edlecek uyum statstkler souçları stee değerde (1 değerde) daha farklı çıkacaktır (Cox, 1983; Camero ve Trved, 1998; Agrest, 1997; Stokes ve ark., 000). Bezer olarak,. bölümde de bahsedldğ gb, bomyal dağılımda da ortalama le varyas formüllerde ayı termler bulumaktadır. Acak lojstk regresyo aşırı yayılım, gözlee varyası beklee varyasta büyük çıkması durumuda gerçekleşmektedr. Aşırı yayılıma brçok ede gösterleblr. Lojstk regresyoda, söz kousu edelerde e öeml olaları, başarı olasılıkları arasıdak varyasyo, kl cevaplar arasıdak korelasyo, yalış bağlatı 4
5 Lojstk Regresyoda Meydaa Gele Aşırı Yayılımı İcelemes foksyou kullaılması, modelde olması gereke öeml termler olmaması ve örek büyüklüğüü yetersz olması şeklde verleblr (Lawles, 1987; Boey, 1987; Czado, 005; SAS, 007). Bu çalışmada, btk koruma alaıda alıa gerçek br ver kümes kullaılarak lojstk regresyoda meydaa gele aşırı yayılım celemştr. İlk olarak ver kümese lojstk regresyo uygulamıştır. Daha sora lojstk regresyo aalz soucuda elde edle uyum statstk değerler 1 de çok büyük çıktığı ve ver kümesde aşırı yayılım olduğu saptamıştır. Bu durumda, lojstk regresyo aalz souçlarıı kullaılması sapmalı parametre tahmlere ede olacaktır. Ver kümesdek aşırı yayılımı (extra-bomyal) modele dahl ede metotları kullaılması gerekmektedr. Bu bağlamda, Wllams metodu kullaılarak aşırı yayılım kotrol altıa alımıştır (bkz., Çzelge 3). Wllams metodu le hem sapma hem de Pearso Kh-kare uyum statstkler aşırı yayılım değerler 1 (br) değere oldukça yakı bulumuştur. Çzelge 5 te verle model uyumu ölçütler, Wllams metodu le elde edle uyum statstkler souçları brbrler desteklemektedr. E küçük AIC ve BIC model uyumu ölçütlere sahp model e y model olarak kabul edlmektedr (Wag ve Putterma, 1998). Çzelge 5 e bakıldığıda, Wllams metodu kullaılarak elde edle AIC ve BIC souçları daha küçük bulumuştur. Buula brlkte özellkle so yıllarda, ver kümelerdek aşırı yayılımı gdermede karışımlı model (Mxture model) yaklaşımı da yaygı olarak kullaılmaktadır (Wag ve Putterma, 1998). Ver kümesde aşırı yayılım olduğuda dolayı çzelge le Çzelge 4 te, lojstk regresyou le Wllams metodu kullaılarak elde edle lojstk regresyoudak parametre tahm değerler brbrlerde farklı bulumuştur. Bu farklılık tamame aşırı yayılımda kayaklamaktadır. Öreğ Çzelge de laçları etks ke Wllams metodu uyguladıkta sorak laçları etks olmuştur. Avcı akar K. aberras a karşı deee, tarımsal savaş laçları, 4 saat sora yapıla gözlemlerde avcı akarı calılığı üzerde oldukça etkl olmuş ve akarları çoğuluğuu öldüğü saptamıştır. Bu laçları doğada zararlılara karşı kullaılırke yararlı türler üzere de etkler göz öüde buludurularak rasgele kullaılmamalı ve mutlaka hedef alıa calı grubua etkl laçlar terch edlerek zamalaması göz öüde buludurularak kullaılmalıdır (Kazak ve Şekeroğlu, 1996; Kılıçer ve ark., 1996; Kasap ve ark., 004). Souç olarak, elde edle uyum statstkler, kullaıla regresyo model uygu olup olmadığı bakımıda oldukça öemldr. Uyum statstkler soucuda ver kümesde yayılım olup olmadığı saptamaktadır. Ver kümesde aşırı yayılım olması durumuda, aşırı yayılımı dkkate ala yötemler kullaılması daha doğru olacaktır. Kayaklar Agrest A., Categorcal Data Aalyss. Joh ad Wley & Sos, Ic., 710. Boey, G. E., Logstc Regresso for depedet bary observatos. Bometrcs, 43(4): Bus, M., L., 005. Uobserved heterogeety logstc regresso. Camero, A. C., Trved, P. K Regresso Aalyss of Cout Data. Cambrdge Uversty Pres Cox, R., Some Remarks o Overdsperso. Bometrka,70: Czado, C., 003.Overdsperso Logstc Regresso. urses/glm-course/lec5.pdf (Erşm tarh: ) Dea, C. B., 199. Testg for Overdsperso Posso ad Bomal Regresso Models. Joural of Amerca Statstcal Assocato, 87(418): Kasap, İ., Çobaoğlu, S., Aktuğ, Y., Dezha, E., 004. Va Gölü çevres elma bahçelerde saptaa zararlı ve yararlı akar türler. Türkye 1. Btk Koruma Kogres Bldrler, 8-10 Eylül Samsu, 104. Kazak, C., Şekeroğlu, E., Bazı tarımsal savaş laçlarıı daldırma yötem le avcı akar Phytoseılus persmls Athas Herot (Acara: Phytosedae) e etkler belrlemes. Türkye 3. Etomoloj Kogres Bldrler, 4-8 EylülAkara, Kılıçer, N., Çobaoğlu, S., Gürka, M. O., Bazı peststler doğal düşmalarda Trchogramma turkeess Kostadov ve Phytoseılus persmls A. H. e laboratuvar koşullarıda ya etkler. Türkye II. Byolojk Mücadele Kogres Bldrler, 6-9 Eylül Akara, Etomoloj Dereğ Yayıları, No: 4, Lawles, J. F., Negatve bomal ad mxed posso regresso. The Caada Joural of Statstcs, 15(3): McCullagh, P., Nelder, J. A., Geeralzed Lear Models. Secod Edto, Chapma ad Hall, Lodo, 486. SAS, 007. SAS/STAT Software:Chage ad Ehaced. SAS, Ist.Carry Ic., MC USA Stokes, M. E., Davs, C. S., Koch, G. G., 000. Categorcal data aalyss usg the SAS system. Joh ad Wley & Sos, Ic., 66. Wag, P., Putterma, M. L., Mxed logstc regresso models. Joural of Agrculture, Bologcal ad Evrometal Statstcs, 3(): Zhag, B., A Ch-Squared goodess-of-ft- test for logstc regresso models based o case-cotrol data. Bometrka, (86):
İki 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
DetaylıZaman Skalasında Box-Cox Regresyon Yöntemi
Dokuz Eylül Üverstes İktsad ve İdar Blmler Fakültes Dergs, Clt:7, Sayı:, Yıl:0, ss.57-70. Zama Skalasıda Bo-Co Regresyo Yötem Atlla Özur İŞÇİ Sbel PAŞALI GÖKTAŞ ATMACA 3 M. Nyaz ÇANKAYA 4 Özet Hata term
DetaylıParametrik Olmayan İstatistik Çözümlü Sorular - 2
Parametrk Olmaya İstatstk Çözümlü Sorular - Soru Böbrek hastalarıa at Kreat (KRT) değerlere lşk br araştırma yapılmak stemektedr. Buu ç rasgele seçle hastaya at Kreat değerler aşağıdak gb elde edlmştr
DetaylıARAŞTIRMA MAKALESİ / RESEARCH ARTICLE
ANADOLU ÜNİVERSİTESİ BİLİM VE TEKNOLOJİ DERGİSİ A Uygulamalı Blmler ve Mühedslk ANADOLU UNIVERSITY JOURNAL OF SCIENCE AND TECHNOLOGY A Appled Sceces ad Egeerg Clt/Vol.: 3-Sayı/No: : 5-63 (202 ARAŞTIRMA
DetaylıRegresyon ve Korelasyon Analizi. Regresyon Analizi
Regresyo ve Korelasyo Aalz Regresyo Aalz Regresyo Aalz Regresyo aalz, aralarıda sebep-souç lşks bulua k veya daha fazla değşke arasıdak lşky belrlemek ve bu lşky kullaarak o kou le lgl tahmler (estmato)
DetaylıYER ÖLÇÜLERİ. Yer ölçüleri, verilerin merkezini veya yığılma noktasını belirleyen istatistiklerdir.
YER ÖLÇÜLERİ Yer ölçüler, verler merkez veya yığılma oktasıı belrleye statstklerdr. Grafkler bze verler yığılma oktaları hakkıda ö blg vermede yardımcı olurlar. Acak bu değerler gerçek değerler değldr,
DetaylıTahmin Edicilerin ve Test Đstatistiklerinin Simülasyon ile Karşılaştırılması
. Ders ĐSTATĐSTĐKTE SĐMÜLASYON Tahm Edcler ve Test Đstatstkler Smülasyo le Karşılaştırılması Đstatstk rasgelelk olgusu çere olay süreç ve sstemler modellemesde özellkle bu modellerde souç çıkarmada ve
DetaylıGiriş. Değişkenlik Ölçüleri İSTATİSTİK I. Ders 5 Değişkenlik ve Asimetri Ölçüleri. Değişkenlik. X i ve Y i aşağıdaki gibi iki seri verilmiş olsun:
Grş İSTATİSTİK I Ders Değşkelk ve Asmetr Ölçüler Ortalamalar, serler karşılaştırılmasıda her zama yeterl ölçüler değldr. Ayı ortalamayı sahp serler arklı dağılım göstereblrler. Bu edele serler karşılaştırılmasıda,
DetaylıTALEP TAHMİNLERİ. Y.Doç.Dr. Alpagut YAVUZ
TALEP TAHMİNLERİ Y.Doç.Dr. Alpagut YAVUZ Yöetm e temel foksyolarıda br ola plalama, e kaba taımıyla, şletme geleceğe yöelk alıa kararları br bleşkesdr. Geleceğe yöelk alıa kararları başarısı yöetcler yaptıkları
DetaylıOlabilirlik Oranı Yöntemine Dayalı, Yapısal Homojen Olmayan Varyans Testlerinin Piyasa Modeli İçin Karşılaştırılması
Dokuz Eylül Üverstes İktsad ve İdar Blmler Fakültes Dergs, Clt:6, Sayı:, Yıl:011, ss.135-144 Olablrlk Oraı Yöteme Dayalı, Yaısal Homoje Olmaya Varyas Testler Pyasa Model İç Karşılaştırılması Flz KARDİYEN
DetaylıBEKLENEN DEĞER VE VARYANS
BEKLEE DEĞER VE VARYAS.1. İadel ve adesz öreklemede tüm mümkü örekler.. Beklee değer.3. Varyas.4. İk değşke ortak dağılımı.5. İstatstksel bağımsızlık.6. Tesadüf değşkeler doğrusal kombasyolarıı beklee
DetaylıGamma ve Weibull Dağılımları Arasında Kullback-Leibler Uzaklığına Dayalı Ayrım
Afyo Kocatepe Üverstes Fe ve Mühedslk Blmler Dergs Afyo Kocatepe Uversty Joural of Scece ad Egeerg AKÜ FEMÜBİD 7 (27) 234 (5-55) AKU J. Sc.Eg.7 (27) 234 (5-55) DOI:.5578/fmbd.6774 Gamma ve Webull Dağılımları
DetaylıQuality Planning and Control
Qualty Plag ad Cotrol END 3618 KALİTE PLANLAMA VE KONTROL Prof. Dr. Mehmet ÇAKMAKÇI Dokuz Eylül Üverstes Edüstr Mühedslğ Aablm Dalı 1 Qualty Maagemet İstatstksel Proses Kotrol Kotrol Kartları 2 END 3618
Detaylı=... 29 İÇİNDEKİLER. E(X) = k... 22. 3.5. Pascal (Negatif Binom) Dağılımı... 22 1. 3.6. Hipergeometrik Dağılım... 22. N y= ... 24
İÇİNDEKİLER SİMGE LİSTESİ... KISALTMA LİSTESİ... v ÇİZELGE LİSTESİ... v ŞEKİL LİSTESİ... v ÖNSÖZ... v ÖZET... x ABSTRACT... x GİRİŞ... BÖLÜM : OLASILIK DAĞILIMLARI VE OLASILIK YOĞUNLUKLARI... BÖLÜM : OLASILIK
DetaylıDeğişkenler Arasındaki İlişkiler Regresyon ve Korelasyon. Dr. Musa KILIÇ
Değşkeler Arasıdak İlşkler Regresyo ve Korelasyo Dr. Musa KILIÇ http://ks.deu.edu.tr/musa.klc 1. Grş Buda öcek bölümlerde celedğmz koular, br tek değşke ç yorumlamalar yapmaya yöelk statstk yötemler üzerde
DetaylıÖRNEKLEME YÖNTEMLERİ ve ÖRNEKLEM GENİŞLİĞİ
03.05.013 ÖRNEKLEME YÖNTEMLERİ ve ÖRNEKLEM GENİŞLİĞİ 1 Nede Örekleme? Öreklemde çalışmak ktlede çalışmakta daha kolaydır. Ktle üzerde çalışmak çok daha masraflı olablr. Çoğu durumda tüm ktleye ulaşmak
DetaylıKi- kare Bağımsızlık Testi
PARAMETRİK OLMAYAN İSTATİSTİKSEL TEKNİKLER Prof. Dr. Ali ŞEN Ki- kare Bağımsızlık Testi Daha öceki bölümlerde ölçümler arasıdaki ilişkileri asıl iceleeceğii gördük. Acak sıklıkla ilgileile veriler ölçüm
DetaylıTanımlayıcı İstatistikler
Taımlayıcı İstatstkler Taımlayıcı İstatstkler br değerler dzs statstksel olarak geel özellkler taımlaya ölçülerdr Taımlayıcı İstatstkler Yer Göstere Ölçüler Yaygılık Ölçüler Yer Göstere Ölçüler Br dağılımı
DetaylıREGRESYON ANALİZİNDE KULLANILAN EN KÜÇÜK KARELER VE EN KÜÇÜK MEDYAN KARELER YÖNTEMLERİNİN KARŞILAŞTIRILMASI
FEN DEGİSİ (E-DEGİ). 8, 3() 9-9 EGESYON ANALİZİNDE KULLANILAN EN KÜÇÜK KAELE VE EN KÜÇÜK MEDYAN KAELE YÖNTEMLEİNİN KAŞILAŞTIILMASI Özlem GÜÜNLÜ ALMA, Özgül VUPA Dokuz Eylül Üverstes, Fe-Edebyat Fakültes,
DetaylıTanımlayıcı İstatistikler (Descriptive Statistics) Dr. Musa KILIÇ
Taımlayıcı İstatstkler (Descrptve Statstcs) Dr. Musa KILIÇ TANIMLAYICI ÖRNEK İSTATİSTİKLERİ YER ÖLÇÜLERİ (Frekas dağılışıı abss eksedek durumuu belrtr.) DEĞİŞİM ÖLÇÜLERİ ( Frekas dağılışıı şekl belrtr.).
Detaylı1. GAZLARIN DAVRANI I
. GZLRIN DRNI I İdeal Gazlar ç: lm 0 RT İdeal gazlar ç: RT Hacm() basıçla() değşk sıcaklıklarda değşm ekl.. de gösterlmştr. T >T 8 T T T 3 asıç T 4 T T 5 T 7 T 8 Molar Hacm ekl.. Gerçek br gazı değşk sıcaklıklardak
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
DetaylıTÜRKİYE ŞEKERPANCARI ÜRETİMİNDE FAKTÖR TALEP ANALİZİ ( ) (TRANSLOG MALİYET FONKSİYONU UYGULAMASI) Yaşar AKÇAY 1 Kemal ESENGÜN 2
l Ta rr ım ı Ekooms Kog rres 6-8 - Eylül l 2000 Tek rrdağ TÜRKİYE ŞEKERPANCARI ÜRETİMİNDE FAKTÖR TALEP ANALİZİ (980-998) (TRANLOG MALİYET FONKİYONU UYGULAMAI) Yaşar AKÇAY Kemal EENGÜN 2. GİRİŞ Türkye tarımı
DetaylıSayısal Türev Sayısal İntegrasyon İnterpolasyon Ekstrapolasyon. Bölüm Üç
Sayısal Türev Sayısal İtegrasyo İterpolasyo Ekstrapolasyo Bölüm Üç Bölüm III 8 III-. Pvot Noktaları Br ( ) oksyouu değer, geellkle ekse üzerdek ayrık oktalarda belrler. Bu oktalara pvot oktaları der. Bu
DetaylıPORTFÖY OPTİMİZASYONUNDA ORTALAMA MUTLAK SAPMA MODELİ VE MARKOWITZ MODELİNİN KULLANIMI VE İMKB VERİLERİNE UYGULANMASI
Süleyma Demrel Üverstes İktsad ve İdar Blmler Fakültes Dergs Y.2008, C.3, S.2 s.335-350. Suleyma Demrel Uversty The Joural of Faculty of Ecoomcs ad Admstratve Sceces Y.2008, vol.3, No.2 pp.335-350. PORTFÖY
DetaylıMERKEZİ EĞİLİM ÖLÇÜLERİ
MERKEZİ EĞİLİM ÖLÇÜLERİ Gözlee ver düzeleerek çzelgelerle, graklerle suulması çoğu kez yeterl olmaz. Geel durumu yasıtacak br takım ölçülere gereksm vardır. Bu ölçüler verler yalızca özlü br bçmde belrtmekle
DetaylıPOISSON REGRESYON ANALİZİ
İstabul Tcaret Üverstes Fe Blmler Dergs Yıl:4 Sayı:7 Bahar 005/ s. 59-7 POISSON REGRESYON ANALİZİ Özlem DENİZ * ÖZET Herhag br olayı belrlee br süreç çersde yaıla deemeler soucuda meydaa gelme sayısı,
DetaylıBir KANUN ve Bir TEOREM. Büyük Sayılar Kanunu
Br KANUN ve Br TEOREM Büyük Türkçe Sözlük kau Đg. law Doğa olaylarıı oluş edeler ortaya koya ve gelecektek olayları öcede kestrme olaağı vere bağıtı; Newto kauu, Kepler kauları. (BSTS / Gökblm Termler
DetaylıİSTATİSTİKSEL TAHMİNLEME VE HİPOTEZ TESTİ
İSTATİSTİKSEL TAHMİNLEME VE HİPOTEZ TESTİ Bu bölümdeki yötemler, bilimeye POPULASYON PARAMETRE değeri hakkıda; TAHMİN yapmaya yöelik ve, KARAR vermekle ilgili, olmak üzere iki grupta icelemektedir. Parametre
DetaylıĐÇI DEKILER 1. TEMEL ĐSTATĐSTĐK KAVRAMLAR VE OTASYO LAR 1
ĐÇI DEKILER Sayfa. TEMEL ĐSTATĐSTĐK KAVRAMLAR VE OTASYO LAR.. Grş.. Đstatstk.3. Populasyo.4. Örek.5. Brm.6. Parametre.7. Değşke 3.8. Ver ve Ver Tpler 3.9. Toplama Sembolü 4 ÇALIŞMA PROBLEMLERĐ 6. VERĐLERĐ
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
DetaylıBiyoistatistik (Ders 9: Korelasyon ve Regresyon Analizi)
KORELASYON ve REGRESYON ANALİZLERİ Yrd. Doç. Dr. Üal ERKORKMAZ Sakarya Üverstes Tıp Fakültes Byostatstk Aablm Dalı uerkorkmaz@sakarya.edu.tr SİSTEM, ALT SİSTEM ve SİSTEM DİNAMİKLERİ Doğa br aa sstemdr.
Detaylı= k. Aritmetik Ortalama. Tanımlayıcı İstatistikler TANIMLAYICI İSTATİSTİKLER. Sınıflanmış Seriler İçin Aritmetik Ortalama
TANIMLAYICI İSTATİSTİKLER Taımlayıcı İstatstkler MERKEZİ EĞİLİM ÖLÇÜLERİ Dr. Mehmet AKSARAYLI D.E.Ü. İ.İ.B.F..B.F. EKONOMETRİ BÖLÜMÜ mehmet.aksarayl aksarayl@deu.edu.tr Yer Ölçüler (Merkez Eğlm Ölçüler)
DetaylıİSTATİSTİKSEL TAHMİNLEME VE
1 ölüm maçları İSTTİSTİKSEL THMİLEME VE YORUMLM SÜRECİ ÖREKLEME VE ÖREKLEME DĞILIMLRI u bölümde öğreeceklerz. Örekleme gereksm ve yötemler celemek. Örekleme hatası kavramıı taımlamak Örekleme dağılışı
DetaylıÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ
ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ Pel İYİ GENETİK ALGORİTMA UYGULANARAK VE BİLGİ KRİTERLERİ KULLANILARAK ÇOKLU REGRESYONDA MODEL SEÇİMİ İSTATİSTİK ANABİLİM DALI ADANA, 006
Detaylı6. Uygulama. dx < olduğunda ( )
. Uygulama Hatırlatma: Rasgele Değşelerde Belee Değer Kavramı br rasgele değşe ve g : R R br osyo olma üzere, ) esl ve g ) ) < olduğuda D ) sürel ve g ) ) d < olduğuda g belee değer der. c R ve br doğal
DetaylıÖLÇÜM, ÖLÇÜM HATALARI ve ANLAMLI RAKAMLAR
ÖLÇÜM, ÖLÇÜM HATALARI ve ANLAMLI RAKAMLAR Ölçme, her deeysel blm temel oluşturur. Fzk blmde de teorler sıaması ç çeştl deeyler tasarlaır ve bu deeyler sırasıda çok çeştl ölçümler yapılır. Br fzksel celğ
DetaylıISF404 SERMAYE PİYASALARI VE MENKUL KIYMETYÖNETİMİ
8. HAFTA ISF404 SERMAYE PİYASALARI VE MENKUL KIYMETYÖNETİMİ PORTFÖY YÖNETİMİ II Doç.Dr. Murat YILDIRIM muratyildirim@karabuk.edu.tr Geleeksel Portföy Yaklaşımı, Bu yaklaşıma göre portföy bir bilim değil,
DetaylıTOBB Ekonomi ve Teknoloji Üniversitesi İKT351 Ekonometri I, Ara Sınavı
TOBB Ekoom ve Tekoloj Üverstes İKT351 Ekoometr I, Ara Sıavı Öğr.Gör.: Yrd. Doç. Dr. A. Talha YALTA Ad, Soyad: Açıklamalar: Bu sıav toplam 100 pua değerde 4 soruda oluşmaktadır. Sıav süres 90 dakkadır ve
DetaylıARAŞTIRMA MAKALESİ /RESEARCH ARTICLE
ANADOLU ÜNİVERSİTESİ BİLİM VE TEKNOLOJİ DERGİSİ ANADOLU UNIVERSITY JOURNAL OF SCIENCE AND TECHNOLOGY Clt/Vol.:0-Sayı/No: : 455-465 (009) ARAŞTIRMA MAKALESİ /RESEARCH ARTICLE İKİ PARAMETRELİ WEIBULL DAĞILIMINDA
DetaylıTAHMİNLEYİCİLERİN ÖZELLİKLERİ Sapmasızlık 3.2. Tutarlılık 3.3. Etkinlik minimum varyans 3.4. Aralık tahmini (güven aralığı)
3 TAHMİNLEYİCİLERİN ÖZELLİKLERİ 3.1. Sapmasızlık 3.. Tutarlılık 3.3. Etkilik miimum varyas 3.4. Aralık tahmii (güve aralığı) İyi bir tahmi edici dağılımı tahmi edilecek populasyo parametresie yakı civarda
DetaylıĐst201 Đstatistik Teorisi I
Đst20 Đstatstk Teors I DERSĐN TÜRÜ Zorulu DERSĐN DÖNEMĐ Yaz DERSĐN KREDĐSĐ Ulusal Kred: (4, 0, 0 ) 4 KTS: 7 DERSĐN VERĐLDĐĞĐ Bölüm: Đstatstk 200/20 Öğretm Yılı DERSĐN MCI Đstatstğ matematksel temeller
DetaylıETKİN SINIR VE BETA KATSAYI KISITLI PORTFÖY SEÇİM MODELİ ÜZERİNE BİR UYGULAMA
İstabul Tcaret Üverstes Fe Blmler Dergs Yıl: 11 Sayı: Güz 01 s. 19-35 ETKİN SINIR VE BETA KATSAYI KISITLI PORTFÖY SEÇİM MODELİ ÜZERİNE BİR UYGULAMA Cası KAYA 1, Oza KOCADAĞLI Gelş: 30.05.01 Kabul: 14.1.01
DetaylıBİR KARMAŞIK SİSTEMİN GÜVENİLİRLİK BLOK DİYAGRAMI İÇİN OLASILIK YOĞUNLUK FONKSİYONUNUN OLUŞTURULMASI VE İSTATİSTİKSEL GÜVENİLİRLİK HESAPLAMALARI*
BİR KARMAŞIK SİSTEMİN GÜVENİLİRLİK BLOK DİYAGRAMI İÇİN OLILIK YOĞUNLUK FONKSİYONUNUN OLUŞTURULMI VE İSTATİSTİKSEL GÜVENİLİRLİK HESAPLAMALARI* Costructo O Probablty Desty Fucto For The Relablty Block Dagram
DetaylıEMEKLİLİK YATIRIM FONLARI DEĞERLENDİRMESİ AÇIKLAMA NOTLARI VE VARSAYIMLAR
EMEKLİLİK YATIRIM FONLARI DEĞERLENDİRMESİ AÇIKLAMA NOTLARI VE VARSAYIMLAR 2013 yılı fo getrs 02/01/2013-02/01/2014 tarhl brm pay değerler kullaılması le hesaplamıştır. 2013 yılı karşılaştırma ölçütü getrs
DetaylıWEİBULL DAĞILIMININ ÖLÇEK VE BİÇİM PARAMETRELERİ İÇİN İSTATİSTİKSEL TAHMİN YÖNTEMLERİNİN KARŞILAŞTIRILMASI
İstabul Tcaret Üverstes Sosal Blmler Dergs Yıl:8 Saı:5 Bahar 2009 s.73-87 WEİBULL DAĞILIMII ÖLÇEK VE BİÇİM PARAMETRELERİ İÇİ İSTATİSTİKSEL TAHMİ YÖTEMLERİİ KARŞILAŞTIRILMASI Flz ÇAKIR ZEYTİOĞLU* ÖZET Güümüzde
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:
DetaylıTEZ ONAYI Nur ÇELİK tarafıda hazırlaa ANOVA Modellerde Çarpık Dağılımlar Kullaılarak Dayaıklı İstatstksel Souç Çıkarımı ve Uygulamaları adlı tez çalış
ANKARA ÜNİVERSİTESİ EN BİLİERİ ENSTİTÜSÜ DOKTORA TEZİ ANOVA MODELLERİNDE ÇARPIK DAĞILIAR KULLANILARAK DAYANIKLI İSTATİSTİKSEL SONUÇ ÇIKARIMI VE UYGULAMALARI Nur ÇELİK İSTATİSTİK ANABİLİM DALI ANKARA 0
DetaylıDoç. Dr. Mehmet AKSARAYLI
Doç. Dr. Mehmet AKSARALI www.mehmetaksarayl İstatstksel araştırmalarda k yada daha çok değşke arasıdak lşk celemes ç e çok kullaıla yötemlerde brs regresyo aalzdr. Değşkeler arasıdak lşk matematksel br
Detaylıİleri Teknoloji Bilimleri Dergisi Journal of Advanced Technology Sciences ISSN:2147-3455
İler Tekoloj Blmler Dergs Joural of Advaced Techology Sceces ISSN:47-3455 GÜÇ SİSTEMLERİNDE HARMONİKLERİN KRİTİK DEĞERLERE ETKİSİ Yusuf ALAŞAHAN İsmal ERCAN Al ÖZTÜRK 3 Salh TOSUN 4,4 Düzce Üv, Tekoloj
DetaylıİŞLETİM KARAKTERİSTİĞİ EĞRİSİ VE BİR ÇALIŞMA THE OPERATING CHARACTERISTIC CURVE AND A CASE STUDY
Süleyma Demirel Üiversitesi Vizyoer Dergisi Suleyma Demirel Uiversity The Joural of Visioary İŞLETİM KARAKTERİSTİĞİ EĞRİSİ VE BİR ÇALIŞMA ÖZET Yrd. Doç. Dr. Halil ÖZDAMAR 1 İstatistiksel kalite kotrol
DetaylıOperasyonel Risk İleri Ölçüm Modelleri
Bakacılar Dergs, Sayı 58, 006 Grş Operasyoel Rsk İler Ölçüm Modeller Çalışma k bölümde oluşmaktadır. İlk bölümde operasyoel rskler ölçülmes kapsamıda hag ler ölçüm modeller kullaılması gerektğ, söz kousu
DetaylıRasgele sayıda bağımlı aktüeryal risklerin beklenen değeri için alt ve üst sınırlar
www.saskcler.org İsaskçler Dergs (8) 64-74 İsaskçler Dergs Rasgele sayıda bağımlı aküeryal rskler beklee değer ç al ve üs sıırlar Fah Tak Kırıkkale Üverses Fe-Edebya Faküles, İsask Bölümü 7-ahşha,Kırıkkale,
DetaylıGenelleştirilmiş Ortalama Fonksiyonu ve Bazı Önemli Eşitsizliklerin Öğretimi Üzerine
Geelleşrlmş Oralama Foksyou ve Bazı Öeml Eşszlkler Öğrem Üzere Gabl ADİLOV, Gülek TINAZTEPE & Serap KEALİ * Öze Armek oralama, Geomerk oralama, Harmok oralama, Kuvadrak oralama ve bular arasıdak lşk vere
DetaylıTanımlayıcı İstatistikler
Taımlayıcı İstatstkler Br veya brde fazla dağılışı karşılaştırmak ç kullaıla veya ayrıca örek verlerde hareketle frekas dağılışlarıı sayısal olarak düzeleye değerlere taımlayıcı statstkler der. Aalzlede
DetaylıT.C. SELÇUK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ
T.C. SELÇUK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ BAZI DAĞILIMLAR İÇİN EN ÇOK OLABİLİRLİK VE FARKLI KAYIP FONKSİYONLARI ALTINDA BAYES TAHMİN EDİCİLERİNİN PERFORMANSLARININ KARŞILAŞTIRILMASI Gülca GENCER
Detaylıdenklemini sağlayan tüm x kompleks sayılarını bulunuz. denklemini x = 64 = 2 i şeklinde yazabiliriz. Bu son kompleks sayıları için x = 2iy
Ders Sorumlusu: Doç. Dr. Necp ŞİMŞEK Problem. deklem sağlaya tüm kompleks sayılarıı buluu. Çöüm deklem şeklde yaablr. Bu so y kompleks sayıları ç y yaalım. Bu taktrde deklemde, baı y ( ) y elde edlr. Burada
DetaylıEKONOMETRİYE GİRİŞ II ÖDEV 4 ÇÖZÜM
EKONOMETRİYE GİRİŞ II ÖDEV 4 ÇÖZÜM (Örgün e İknc Öğretm çn) 1. 754 hanehalkına at DOMerset sml Excel dosyasında yer alan erler kullanarak tahmnlenen DOM sonuçları: Dependent Varable: CALISANKADIN Sample:
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
DetaylıÇok Aşamalı Sıralı Küme Örneklemesi Tasarımlarının Etkinlikleri Üzerine Bir Çalışma
Süleyma Demrel Üverstes, Fe Blmler Esttüsü Dergs, 15- ( 011),17-134 Çok Aşamalı Sıralı Küme Öreklemes Tasarımlarıı Etklkler Üzere Br Çalışma Nlay AKINCI 1, Yaprak Arzu ÖZDEMİR * 1 TRT Geel Müdürlüğü Reklam
DetaylıPolinom İnterpolasyonu
Polom İterpolasyou (Ara Değer Bulma Br foksyou solu sayıdak, K, R oktalarıda aldığı f (, f (,, f ( değerler bls (foksyou keds blmyor. Bu oktalarda geçe. derecede br tek, P a + a + a + + a (... polumu vardır
DetaylıT.C. SELÇUK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ AZALAN BOZULMA ORANINA SAHİP ÜÇ PARAMETRELİ YENİ BİR YAŞAM ZAMAN DAĞILIMI
T.C. SELÇUK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ AZALAN BOZULMA ORANINA SAHİP ÜÇ PARAMETRELİ YENİ BİR YAŞAM ZAMAN DAĞILIMI MUSTAFA ÇAĞATAY KORKMAZ YÜKSEK LİSANS TEZİ İSTATİSTİK ANA BİLİM DALI KONYA, 2
DetaylıSELÇUK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ
SELÇUK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ DOĞRUSAL OLMAYAN POISSON REGRESYON M. Kazım KÖREZ YÜKSEK LİSANS İSTATİSTİK Aablm Dalı Ağustos- KONYA Her Hakkı Saklıdır ÖZET YÜKSEK LİSANS DOĞRUSAL OLMAYAN
Detaylı5.1 Olasılık Tarihi. 5.2. Temel Olasılık Kavramları
5 OLSILIK 5.. Olasılık Tarh 5.. Temel Olasılık Kavramları 5.3. Deeysel Olasılık 5.4. Temel olasılık Teoremler 5.5. Olasılığı Tolaablrlk Kuralı: 5.6. Olasılığı çarım kuralı: 5.7. Değl ağıtısı: 5.8. Koşullu
DetaylıPERDE ÇERÇEVE SİSTEMLERİN DEPLASMAN ESASLI DİZAYNI İÇİN DEPLASMAN PROFİLİ
PAMUKKALE ÜNİ VERSİ TESİ MÜHENDİ SLİ K FAKÜLTESİ PAMUKKALE UNIVERSITY ENGINEERING COLLEGE MÜHENDİ SLİ K B İ L İ MLERİ DERGİ S İ JOURNAL OF ENGINEERING SCIENCES YIL CİLT SAYI SAYFA : : : : - PERDE ÇERÇEVE
DetaylıPopulasyon Hacminin Yakalama-Tekrar Yakalama Yöntemi Kullanılarak Ters Tahmin Yöntemi ile Tahmini (1)
Yüzücü Yıl Üverstes, Zraat Fakültes, Tarım Blmler Dergs (J. Agrc. Sc., 003, 3(: 3-8 Gelş Tarh :.0.003 Populasyo Hacm Yakalama-Tekrar Yakalama Yötem Kullaılarak Ters Tahm Yötem le Tahm ( Hamt MİRTAGHIZADEH
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
DetaylıÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ
İSTATİSTİKSEL TAHMİNLEME VE İSTATİSTİKSEL YORUMLAMA TAHMİNLEME SÜRECİ VE YORUMLAMA SÜRECİ ÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ ÖRNEKLEME VE ÖRNEKLEME ÖRNEKLEME DAĞILIMLARI VE ÖRNEKLEME DAĞILIMLARI Yorumlama
DetaylıÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ
ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ Ayça Hatce TÜRKAN GÜVENİLİRLİK ANALİZİNDE KULLANILAN İSTATİSTİKSEL DAĞILIM MODELLERİ İSTATİSTİK ANABİLİM DALI ADANA, 007 ÇUKUROVA ÜNİVERSİTESİ
DetaylıBÖLÜM 3 YER ÖLÇÜLERİ. Doç.Dr. Suat ŞAHİNLER
BÖLÜM 3 YER ÖLÇÜLERİ İkici bölümde verileri frekas tablolarıı hazırlaması ve grafikleri çizilmesideki esas amaç; gözlemleri doğal olarak ait oldukları populasyo dağılışıı belirlemek ve dağılışı geel özelliklerii
DetaylıAES S Kutusuna Benzer S Kutuları Üreten Simulatör
AES S Kutusua Bezer S Kutuları Ürete Smulatör M.Tolga SAKALLI Trakya Üverstes Blgsayar Mühedslğ tolga@trakya.edu.tr Erca BULUŞ Trakya Üverstes Blgsayar Mühedslğ ercab@trakya.edu.tr Adaç ŞAHİN Trakya Üverstes
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
DetaylıYILLIK ÜCRETLİ İZİN YÖNETMELİĞİ (03.03.2004 tarihli ve 25391 sayılı Resmi Gazete'de yayımlanmıştır.) BİRİNCİ BÖLÜM Amaç, Kapsam ve Dayanak
YILLIK ÜCRETLİ İZİN YÖNETMELİĞİ (03.03.2004 tarhl ve 25391 sayılı Resm Gazete'de yayımlamıştır.) Amaç BİRİNCİ BÖLÜM Amaç, Kapsam ve Dayaak Madde 1 Bu Yöetmelğ amacı, 4857 sayılı İş Kauuu 53 ücü maddes
DetaylıNOT: BU DERS NOTLARI TEMEL EKONOMETRİ-GUJARATİ KİTABINDAN DERLENMİŞTİR. HAFTA 1 İST 418 EKONOMETRİ
NOT: BU DERS NOTLARI TEMEL EKONOMETRİ-GUJARATİ KİTABINDAN DERLENMİŞTİR. KULLANILAN ŞEKİLLERİN VE NOTLARIN TELİF HAKKI KİTABIN YAZARI VE BASIM EVİNE AİTTİR. HAFTA 1 İST 418 EKONOMETRİ Ekoometri: Sözcük
DetaylıT.C. SELÇUK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ
T.C. SELÇUK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ STRES DAYANIKLILIK GÜVENİLİRLİĞİNİN MASKELİ VERİLERE DAYALI TAHMİNİ Demet SEZER DOKTORA TEZİ İstatstkAablm Dalı Aralık-03 KONYA Her Hakkı Saklıdır TEZ
DetaylıPÜRÜZLÜ AÇIK KANAL AKIMLARINDA DEBİ HESABI İÇİN ENTROPY YÖNTEMİNİN KULLANILMASI
PÜRÜZLÜ AÇIK KANAL AKIMLARINDA DEBİ HESABI İÇİN ENTROPY YÖNTEMİNİN KULLANILMASI Mehmet ARDIÇLIOĞLU *, Galp Seçkn ** ve Özgür Öztürk * * Ercyes Ünverstes, Mühendslk Fakültes, İnşaat Mühendslğ Bölümü Kayser
DetaylıTABAKALI ŞANS ÖRNEKLEME
6 TABAKAI ŞA ÖREKEME 6.. Populasyo ortalaması ve populasyo toplamıı tam 6.. Populasyo ortalamasıı ve toplamıı varyası 6... Populasyo ortalamasıı varyası 6... Populasyo toplamıı varyası 6..3. Ortalama ve
DetaylıHipotez Testleri. Parametrik Testler
Hipotez Testleri Parametrik Testler Hipotez Testide Adımlar Bir araştırma sorusuu belirlemesi Araştırma sorusua dayaa istatistiki hipotezleri oluşturulması (H 0 ve H A ) Hedef populasyoda öreklemi elde
DetaylıALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI
µ µ içi Güve Aralığı ALTERNATİF İTEMLERİN KARŞILAŞTIRILMAI Bezetimi e öemli faydalarıda birisi, uygulamaya koymada öce alteratifleri karşılaştırmaı mümkü olmasıdır. Alteratifler; Fabrika yerleşim tasarımları
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
DetaylıDOGRUSAL REGRESYONDA SAGLAM TAHMiN EDiciLER VE BiR UYGULAMA Meral Candan ÇETiN1, Aynur ORSOY1
ANADOLU ÜNvERSTES BlM VE TEKNOLOJ DERGS ANADOLU UNIVERSITY JOURNAL OF SCIENCE AND TECHNOLOGY CltNol.:2 - Sayı/No: 2 : 265-270 (2001) ARAŞTIRMA MAKALESIRESEARCH ARTICLE DOGRUSAL REGRESYONDA SAGLAM TAHMN
DetaylıALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI
ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI Bezetimi e öemli faydalarıda birisi, uygulamaya koymada öce alteratifleri karşılaştırmaı mümkü olmasıdır. Alteratifler; Fabrika yerleşim tasarımları Alteratif üretim
DetaylıX = 11433, Y = 45237,
A.Ü. SBF, IV Malye EKONOMETRİ I ARA SINAVI 4..006 Süre 90 dakkadır..,. ve 3. sorular 0 ar, 4. ve 5. sorular 30 ar pua, ödev 0 pua değerdedr. Tüm formüller ve şlemlerz açıkça gösterz. ) Y = Xβ + u doğrusal
Detaylı7. Ders. Bazı Kesikli Olasılık Dağılımları
Hatırlatma: ( Ω, U, P) bir olasılık uzayı ve 7. Ders Bazı Kesikli Olasılık Dağılımları : Ω ω R ( ω) foksiyou Borel ölçülebilir, yai B B içi { ω Ω : ( ω) B } U oluyorsa foksiyoua bir Rasgele Değişke deir.
DetaylıSağlam Ridge Regresyon Analizi ve Bir Uygulama
Dokuz Eylül Üverstes İktsad ve İdar Blmler Fakültes Dergs, Clt:5, Sayı:, Yıl:010, ss.137-148. Sağlam Rdge Regresyo Aalz ve Br Uygulama Özlem ALPU 1 Hatce ŞAMKAR Ekrem ALTAN 3 Özet Çoklu regresyo aalzde
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
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.
Detaylı9. Ders. Đstatistikte Monte Carlo Çalışmaları
9. Ders Đstatstkte Mote Carlo Çalışmaları Đstatstk rasgelelk olgusu çere olay süreç ve sstemler modellemesde özellkle bu modellerde souç çıkarmada ve bu modeller geçerllğ sıamada kullaıla bazı blg ve yötemler
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
DetaylıBÖLÜM 4 KLASİK OPTİMİZASYON TEKNİKLERİ (KISITLI OPTİMİZASYON)
BÖÜM 4 KASİK OPTİMİZASYON TEKNİKERİ KISITI OPTİMİZASYON 4. GİRİŞ Öcek bölülerde de belrtldğ b optzaso probleler çoğuluğu kısıtlaıcı oksolar çerektedr. Kısıtlaasız optzaso problelerde optu değer ede oksou
DetaylıİSTATİSTİK 2. Tahmin Teorisi 07/03/2012 AYŞE S. ÇAĞLI. aysecagli@beykent.edu.tr
İSTATİSTİK 2 Tahmi Teorisi 07/03/2012 AYŞE S. ÇAĞLI aysecagli@beyket.edu.tr İstatistik yötemler İstatistik yötemler Betimsel istatistik Çıkarımsal istatistik Tahmi Hipotez testleri Nokta tahmii Aralık
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
DetaylıOrkun COŞKUNTUNCEL a Mersin Üniversitesi
Kuram ve Uygulamada Eğtm Blmler Educatoal Sceces: Theory & Practce - 3(4) 39-58 03 Eğtm Daışmalığı ve Araştırmaları İletşm Hzmetler Tc. Ltd. Şt. www.edam.com.tr/kuyeb DOI: 0.738/estp.03.4.867 Sosyal Blmlerde
DetaylıDEĞİŞİM ÖLÇÜLERİ 4. TAŞINMAZ GELİŞTİRME TEZSİZ YÜKSEK LİSANS PROGRAMI. Ünite: 4 DEĞİŞİM ÖLÇÜLERİ. Doç. Dr. Yüksel TERZİ İÇİNDEKİLER İÇİNDEKİLER
TAŞINMAZ GELİŞTİRME Üte: DEĞİŞİM ÖLÇÜLERİ Doç. Dr. üksel TERZİ TAŞINMAZ GELİŞTİRME TEZSİZ ÜKSEK LİSANS PROGRAMI İÇİNDEKİLER.1. GİRİŞ.. DEĞİŞİM ÖLÇÜLERİ..1. Değşm Geşlğ... Kartller Arası fark... Ortalama
DetaylıNİÇİN ÖRNEKLEME YAPILIR?
İÇİ ÖREKEME YAPIIR? Zama Kısıdı Maliyeti Azaltma Hata Oraıı Azaltma Souca Ulaşma Hızı Doç.Dr. Ali Kemal ŞEHİRİOĞU Araş.Gör. Efe SARIBAY Örekleme Teorisi kousuu içide, Örekleme Tipleri populasyoda örek
DetaylıHİPOTEZ TESTLERİ. İstatistikte hipotez testleri, karar teorisi olarak adlandırılır. Ortaya atılan doğru veya yanlış iddialara hipotez denir.
HİPOTEZ TETLERİ İstatistikte hipotez testleri, karar teorisi olarak adladırılır. Ortaya atıla doğru veya yalış iddialara hipotez deir. Öreği para hilesizdir deildiğide bu bir hipotezdir. Ortaya atıla iddiaya
DetaylıDEÜ MÜHENDİSLİK FAKÜLTESİ FEN BİLİMLERİ DERGİSİ
DEÜ MÜHENDİSLİK FAKÜLTESİ FEN BİLİMLERİ DERGİSİ Clt: 2 Sayı: 3 sh 87-02 Ekm 200 VOLTERRA SERİLERİ METODU İLE DOĞRUSAL OLMAYAN SİSTEMLERİN FREKANS BOYUTUNDA ANALİZİ İÇİN NET TABANLI ARAYÜZ TASARIMI (DESIGN
DetaylıÖrnek A. Benzer tipteki 40 güç kaynağının dayanma süreleri aşağıdaki gibidir. Genişletilmiş frekans tablosu oluşturunuz;
Öre A. Bezer pe 40 güç ayağıı dayama süreler aşağıda gbdr. Geşlelmş reas ablosu oluşuruuz;, 4,7 3, 3,4 3,3 3, 3,9 4, 3,4 4, 3,8 3,7 3,6 3,8 3,7 3,0,,6 3, 3,,6,9 3, 3,0 3,3 4,3 3, 4, 4,6 3, 3,3 4,4 3,9,9
DetaylıDÖNEM I BİYOİSTATİSTİK, HALK SAĞLIĞI VE RUH SAĞLIĞI DERS KURULU Ders Kurulu Başkanı : Yrd.Doç.Dr. İsmail YILDIZ
DÖNEM I BİYOİSTATİSTİK, HALK SAĞLIĞI VE RUH SAĞLIĞI DERS KURULU Ders Kurulu Başkaı : Yrd.Doç.Dr. İsmail YILDIZ ARAŞTIRMADA PLANLAMA VE ÇÖZÜMLEME (03-09 Ocak 014 Y.ÇELİK) Araştırma Süreci (The research
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
Detaylı