Kantitatif Tahmin Yöntemleri. Yrd.Doç.Dr. S.Kerem AYTULUN

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "Kantitatif Tahmin Yöntemleri. Yrd.Doç.Dr. S.Kerem AYTULUN"

Transkript

1 Kantitatif Tahmin Yöntemleri Yrd.Doç.Dr. S.Kerem AYTULUN

2 Tahmin Nedir? Günlük hayatta bilinçli veya bilinçsiz birçok tahminde bulunuruz. Hava durumu, trafik, sınav soruları, kişisel ilişkiler... Peki Firmalar??? Firmanın gelecekteki başarısına etki eden faktörler: Ürün satışları Yeni ürün için müşteri talep biçimi Hammadde ihtiyacı ve kullanılabilirliği İşçi ihtisaslarındaki değişim Faiz oranları Kapasite ihtiyaçları Uluslararası politikalar Kantitatif Tahmin Yöntemleri Aytulun 2

3 Tahmin Nedir? Her şey etkili bir şekilde tahmin edilebilir mi? Bir yazı-tura atışı sonucunun tahmin edilmesi Kumarhanelerde oynanan şans oyunları sonuçlarının tahmin edilmesi Borsadaki hisse senedi değerlerinin tahmin edilmesi Üretim ve operasyon yönetiminde tahmin, ürün talep tahminlerinin kestirilmesine dönüktür. Taleplerin bazı bölümleri tahmin edilemez olmakla birlikte, trend, döngü ve mevsimsel değişimler tahmin edilebilir. Sayılan bu özelliklerin geçmişte bıraktıkları izler geleceğin kestirilmesinde kullanılabilir. Kantitatif Tahmin Yöntemleri Aytulun 3

4 Tahmin Çatısı Tarihsel Veri Model veya parametrelerinin değişimi İnsan Girdisi Subjektif girdiler Matematik Model Talep Tahmini İstatistiksel tahmin Performans ile ilgili geribildirim Gözlenen gerçek talep Tahmin Hatasının Hesaplanması ve Hata İstatistiklerinin Güncellenmesi Kantitatif Tahmin Yöntemleri Aytulun 4

5 Tahminin Planlama Ufku Uzun Dönem (aylar, yıllar) Kapasite gereksinimleri (needs) Uzun vadeli satış paterni Büyüme trendleri Orta Dönem (haftalar, aylar) Ürün ailesi satışları İşçilik ihtiyaçları (needs) Kaynak ihtiyaçları (requirements) Kısa Dönem (günler, haftalar) Kısa vadeli satışlar Vardiya programı Kaynak ihtiyaçları (requirements) Kantitatif Tahmin Yöntemleri Aytulun 5

6 1. Genellikle yanlıştır. Tahminin Özellileri Bu tahminlerin yanlış olduğu kanıtlanırsa, bu durumda kaynak ihtiyaçları ve üretim programlarının değiştirilmesine ihtiyaç duyulabilir. 2. İyi bir tahmin, bir tek sayıdan daha fazlası demektir. İyi bir tahmin yapılan tahmin hatasının da dahil edildiği tahmindir. Kantitatif Tahmin Yöntemleri Aytulun 6

7 Tahminin Özellileri 3. Bütünleşik tahminler daha etkilidir. Tek bir ürün hakkında yapılan tahminin hatası, bir ürün grubu hakkında yapılan tahmin hatasında daha büyüktür. Örnek ortalaması varyansı < Popülasyon varyansı 4. Uzun dönemli tahminler daha az etkilidir. 5. Tahminler, bilinen (kesin olan, eldeki) bilgileri dışlamamalıdır. Kantitatif Tahmin Yöntemleri Aytulun 7

8 Tahminlerin Sınıflandırılması Tahmin Yöntemleri Subjektif Objektif Satış Bölümü Anketler Rasgele Modeller Zaman Serileri Yönetici Fikirleri Delphi Metodu Trend Dönemsellik Döngüler Rasgelelik Kantitatif Tahmin Yöntemleri Aytulun 8

9 Subjektif (Öznel) Tahmin Yöntemleri İnsan hükümlerini temel alan tahmin yöntemleridir. 1. Satış Bölümü fikirleri 2. Müşteri anketleri 3. Yöneticilerin görüşleri 4. Delphi yöntemi Yönetici görüşerinin alınması benzer bir yöntemdir. Burada bir uzman kişinin fikirlerinden çok bir grup uzmanın görüşeri ele alınır... Kantitatif Tahmin Yöntemleri Aytulun 9

10 Objektif (Nesnel) Tahmin Yöntemleri Bir veri grubundan tahmin elde edilmesine çalışan yöntemlerdir. Nedensel Modeller Kaynaktan alınan veriler ile tahmin edilmeye çalışan veriler arasındaki ilişkiden faydalanır. Zaman Serileri Geçmiş veri paterninin gelecekte de devam edeceği öngörülür. Kantitatif Tahmin Yöntemleri Aytulun 10

11 Nedensel Modeller X 1, X 2,...,X n şeklinde tanımlanan n değişkenin Y ile ilgili olduğu düşüncesinden hareketle; Y=f(X 1, X 2,...,X n ) şeklinde bir Y fonksiyonu tanımlanır. Fonksiyon genellikle aşağıdaki şekilde verilir (Ekonometrik modeller için): Y X X X n n Burada 1,..., n katsayılardır. Bu katsayıların tespitinde en yaygın olarak kullanılan yöntem en küçük kareler yöntemidir. Kantitatif Tahmin Yöntemleri Aytulun 11

12 Örnek-1 YIL x i y i YIL x i y i x i ile hane başına harcanabilir gelir y i ile de perakende satışlar gösterilmiştir. Kantitatif Tahmin Yöntemleri Aytulun 12

13 Örnek-1 Amaç y i =+x i doğrusunun tespit edilmesidir. Bunun için ve nın tahminleri olan a ve b en küçük kareler yöntemi ile tahmin edilmeye çalışılır. b = a = y b x 1n x i y i n x y n x 2 i n 1 x 2 y a bx y 1922,39 0,3815x x y (tahmin) , , ,928 Kantitatif Tahmin Yöntemleri Aytulun 13

14 Doğrusal Regresyonun Açıklama Gücü Regresyon kullanılarak yapılan tahminin iyi bir tahmin olması için nedensellik ilişkisi kurulan bağımlı ve bağımsız değişkenler arasında regresyonun açıklama gücünün yüksek olması gerekir. Bunun tespiti için aşağıdaki tanımlamalar yapılır: BKT RKT HKT n i1 n i1 n i1 e y i yˆ i 2 i y y 2 2 Bütün Kareler Toplamı Regresyon Kareleri Toplamı Hata Kareleri Toplamı BKT RKT HKT R 2 RKT BKT 2 0 R 1 HKT =1- BKT Kantitatif Tahmin Yöntemleri Aytulun 14

15 Örnek-1 Örneğimizde R 2 değeri; BKT RKT HKT HKT R 1 1 0,919 0,92 BKT Bu değerin anlamı; y i lerin %92 si, x i ler ile açıklanabilmektedir. Bu açıklama hayli başarılıdır. Kantitatif Tahmin Yöntemleri Aytulun 15

16 Zaman Serileri Yöntemleri Zaman serisi, ilgilenilen bir büyüklüğün (ekonomik veya fiziksel) zaman içinde sıralanmış ölçümlerinin (geçmişteki) bir kümesi olarak tanımlanır. Çoğunlukla kullanılan zaman serisi biçimleri: Trend (eğilim) Dönemsellik Döngüler Rasgelelik Kantitatif Tahmin Yöntemleri Aytulun 16

17 Talep Talep Talep Talep Zaman Serileri Yöntemleri Rasgelelik Artan doğrusal trend Zaman Zaman Eğrisel Kareli, üstel Dönemsel, doğrusal Zaman Zaman Kantitatif Tahmin Yöntemleri Aytulun 17

18 Dönemler Talepler Notasyon : 1,2,,t, : D 1,D 2,,D t, t. dönemde tahmin çalışması yapılıyor ise D t ve D t-1, dönemleri gözlenmiş, D t+1 dönemi ise henüz gözlenmemiştir. Bir tahmin iki dönemin tanımlanmasını gerektirir: Tahminin yapıldığı dönem ve Tahmin edilen dönem. Kantitatif Tahmin Yöntemleri Aytulun 18

19 Buna göre; F t,t+ Notasyon : t.dönemde tahmin çalışmasının yapıldığı, (t+).dönemin ise tahmin edildiğini gösterir. değeri 1,2,3, gibi değerler alır ve tahmin ufku olarak adlandırılır. Genellikle bir dönem sonraki dönem tahmin edilmeye çalışılacağından; F t =F t-1,t Kantitatif Tahmin Yöntemleri Aytulun 19

20 Notasyon Zaman serisi yöntemleri gelecek değerlerin tahmin edilmesinde geçmiş verileri kullandığından birçok yöntem için aşağıdaki eşitlik yazılabilir: F t = n=1 a n D t n a 1, a 2, için Kantitatif Tahmin Yöntemleri Aytulun 20

21 Tahminin Değerlendirilmesi Öncelikle t.dönemdeki tahmin hatası e t nin nasıl hesaplandığını görelim: Çoklu adım sonrası için; e t =F t-,t -D t Tek adım sonrası için aynı formül; e t =F t -D t şekline dönüşür. e 1, e 2,..., e n ile n dönem için her bir dönemde yapılan tahmin hatası gösterilsin. Kantitatif Tahmin Yöntemleri Aytulun 21

22 Tahminin Değerlendirilmesi Tahminin etkinliğinin gösterilmesinde iki önemli gösterge bulunur. Bunlar; MAD : Ortalama Mutlak Sapma (Mean Absolute Deviation) MSE : Ortalama Hatanın Karesi (Mean Squared Error) n 1 1 MAD e MSE n i i1 n i1 n e 2 i Kantitatif Tahmin Yöntemleri Aytulun 22

23 Tahminin Değerlendirilmesi MAD yöntemi, kare almaya gerek olmadığı için genellikle tercih edilen bir yöntemdir. Ayrıca genellikle kabul gördüğü gibi tahmin hatalarının normal dağıldığı kabulünden hareketle tahmin hatasının standart sapması e MAD ın yaklaşık 1,25 katıdır. MAD ve MSE haricinde yaygın olarak kullanılan bir diğer tahmin etkinlik ölçüsü de MAPE yani Ortalama Mutlak Hata Yüzdesi dir. (Mean Absolute Percentage Error). n 1 e i MAPE *100 n i1 Di Kantitatif Tahmin Yöntemleri Aytulun 23

24 Örnek-2 DDR ram üreten bir firmanın iki üretim merkezi vardır. Üretim merkezleri yöneticilerinden 6 hafta boyunca tek adımlık tahminler yapması istenmiştir. Elde edilen sonuçlar aşağıda sunulmuştur. Hangi yönetici daha etkili bir tahminde bulunmuştur? Hafta Tahmin_1 Gözlenen_1 Tahmin_2 Gözlenen_ Kantitatif Tahmin Yöntemleri Aytulun 24

25 Örnek-2 MAD, MSE ve MAPE için hesaplanan sonuçlar aşağıda verilmiştir. Yön1 Yön2 MAD 2,8333 3,0000 MSE 13, ,6667 MAPE 0,0325 0,0336 Neden MSE farklı? Kantitatif Tahmin Yöntemleri Aytulun 25

26 Tahminin Değerlendirilmesi Tahminlerin taraflı (biased) olmaması istenir. Matematiksel olarak E(e i )=0 şeklinde gösterilir. Bu durum yapılan tahmin hatalarının sıfırın altında ve üstünde dalgalanmasını gerektirir. Alternatif olarak e i değerine bakılır. 0 dan çok uzaklaşmaması gerekir. Kantitatif Tahmin Yöntemleri Aytulun 26

27 Çalışma Sorusu-1 Aşağıda bilgisayarlar için Blu-Ray sürücü üreten bir firmanın geçmiş 12 haftalık satışları verilmiştir. Hafta Satış Buna göre; Tek adım sonrası için 3. haftadan 12.haftaya kadar tahminleri yapınız. (Tahminler en son iki dönemin ortalaması şeklinde yapılacaktır.) Tahmin hatalarını hesaplayınız. MAD, MSE ve MAPE nin değerini hesaplayınız. Kantitatif Tahmin Yöntemleri Aytulun 27

28 Çalışma Sorusu-2 Aşağıda iki farklı tahmin yöntemi ile elde edilen tahmin sonuçları ile gerçekleşen veriler verilmiştir. Buna göre hangi yöntemin daha etkili olduğunu MAD, MSE ve MAPE kullanarak bulunuz. Sonuçları yorumlayınız. Yöntem1 Tahmini Yöntem2 Tahmini Gerçek Sonuç Kantitatif Tahmin Yöntemleri Aytulun 28

29 Sabit Serilerin Tahmin Yöntemleri Bu kapsamda iki önemli teknik bulunur: Hareketli Ortalamalar Üstel Düzeltme Bir sabit zaman serisi, her bir gözlemi temsilen bir sabit ve bir rasgele dalgalanmanın toplamından oluşur: D t t : Seri ortalamasına karşılık gelen bilinmeyen sabit t : Ortalaması 0, varyansı 2 olan rasgele hata Kantitatif Tahmin Yöntemleri Aytulun 29

30 Hareketli Ortalamalar Basit ama bir o kadar da popülerdir. N sıralı bir hareketli ortalama, basitçe en son N gözlemin aritmetik ortalaması olarak tanımlanabilir. F t, dönem (t-1) de dönem t için hesaplanan tahmin değeri ise; t1 1 1 t i t1 t2... tn N i t N N F D D D D Kısaca MA(N) şeklinde gösterilir. Kantitatif Tahmin Yöntemleri Aytulun 30

31 Örnek-3 Bir hava üssünde son 2 yıl için kayıt altına alınmış 3 er aylık (dönemlik) motor arızaları; 200, 250, 175, 186, 225, 285, 305, 190 şeklindedir. 3 dönemlik ve 6 dönemlik hareketli ortalamalar kullanılarak sonraki döneme ait tahminlerin hesaplanması istenmektedir. 4.dönemden 8.döneme kadar tek adım sonrası tahminleri MA(3) ile, 7. ve 8. döneme ait tek adım sonrası tahminleri ise MA(6) ile hesaplayınız. Kantitatif Tahmin Yöntemleri Aytulun 31

32 Örnek-3 200,250,175,186,225,285,305,190 MA(3) F 4 =(1/3)( )=208 F 5 =(1/3)( )=204 F 6 =(1/3)( )=195 F 7 =(1/3)( )=232 F 8 =(1/3)( )=272 MA(6) F 7 =(1/6)( )=220 F 8 =(1/6)( )=238 Kantitatif Tahmin Yöntemleri Aytulun 32

33 Tartışma sorusu: Örnek-3 Hareketli ortalama yöntemi ile çoklu adım sonrası tahmin üretilebilir mi? Örnek-2 de 3.dönemde 6.dönem arızalarını tahmin edin. Kantitatif Tahmin Yöntemleri Aytulun 33

34 Hareketli Ortalamalar Hareketli ortalamaların bir diğer dezavantajı da, her bir yeni gözlem değeri elde edildikçe en son N gözlemin ortalamasının yeniden hesaplanma zorunluluğudur. Özellikle N değerinin çok büyük sayılara ulaşması durumunda bu durum çok sıkıcı olabilir. Hesaplamayı biraz kolaylaştırmak için; 1 F F D D N t1 t t tn İlk terimi çıkarıp, yeni terimi ilave et. Kantitatif Tahmin Yöntemleri Aytulun 34

35 Hareketli Ortalamalar Belirli bir dönem boyunca taleplerin 2,4,6,8,10,12,14,16,18,20,22,24 gibi kesin bir trend oluşturduğu bir durumu göz önüne alalım. Böyle bir durumda tek adım sonrası için MA(3) ve MA(6) tahminlerini hesaplayalım. Kantitatif Tahmin Yöntemleri Aytulun 35

36 Hareketli Ortalamalar Dönem Talep MA(3) MA(6) Kantitatif Tahmin Yöntemleri Aytulun 36

37 Hareketli Ortalamalar Talep MA(3) MA(6) Seride bir trend özelliği keşfedilirse, basit hareketli ortalama yöntemi ortaya çıkan tahmin gecikmesinden dolayı uygun bir yöntem olmaz. Kantitatif Tahmin Yöntemleri Aytulun 37

38 Ağırlıklı Hareketli Ortalamalar Ağırlıklı ortalamalar yöntemi, hareketli ortalamalar yöntemine çok benzer. Temel fark, ağırlıklı ortalamalar yönteminde en güncel verilere daha fazla ağırlık verir. Örneğin; En gücel veri %40, daha önceki en güncel veri %30, daha önceki en güncel veri %20 ve daha önceki en güncel veri %10 ağırlık alır. Dikkat edilecek olursa ağırlıklar toplamı %100 olur. Kantitatif Tahmin Yöntemleri Aytulun 38

39 Örnek-4 Yanda verilen veriler ışığında en güncel veriye %50 ve geçmişe doğru %30 ve %20 ağırlık vererek ağırlıklı ortalamayı hesaplayınız. Dönem Talep Kantitatif Tahmin Yöntemleri Aytulun 39

40 Örnek-4 Dönem Talep MA(3) Ağırlıklı MA(3) ( )/3=41,6 0,50*43+0,30*40+0,20*42=41, ( )/3=41,0 0,50*40+0,30*43+0,20*40=40,9 6 ( )/3=41,3 0,50*41+0,30*40+0,20*43=41,1 Son gerçekleşen talebe verilen ağırlık fazla olduğundan tahmin bu veriye çok bağımlıdır. Bu sebeple ağırlıkların çok dikkatli seçilmesi gereklidir. Kantitatif Tahmin Yöntemleri Aytulun 40

41 Çalışma Sorusu-3 Bir yedek parça deposundan 2009 yılında aylar bazında talep üzerine gönderilen parça miktarları aşağıdaki tabloda verilmiştir: Ay Talep (adet) Ay Talep (adet) Ocak 89 Temmuz 223 Şubat 57 Ağustos 286 Mart 144 Eylül 212 Nisan 221 Ekim 275 Mayıs 177 Kasım 188 Haziran 280 Aralık 312 Kantitatif Tahmin Yöntemleri Aytulun 41

42 Çalışma Sorusu-3 1. Tek adım sonrası için MA(3), MA(6) ve MA(12) ile Ocak 2010 ayının gönderi miktarını tahmin ediniz. 2. MA(4) ile tek adım sonrası tahminleri Temmuz 2009 dan Aralık 2009 a kadar hesaplayınız. 3. MA(4) ile Temmuz 2009 dan Aralık 2009 a kadar iki adım sonrası tahminleri hesaplayınız. (F t,t+ = F t+1 bütün 1 için.) ve 3. sorularda hesaplanan tahminle için MAD değerlerini hesaplayınız. Hangisinin daha iyi tahminler olduğunu belirleyiniz. (Tahmin teorisine göre hangisinin daha iyi sonuç vermesi gerekirdi?) 5. Temmuz 2009 dan Aralık 2009 a kadar MA(3) ve MA(6) tahminlerini hesaplayınız. (N değerinin 3 ten 6 ya çıkarılmasının nasıl bir etkisi oldu?) 6. MA(1) ne anlama gelir? Temmuz 2009 dan Aralık 2009 a kadar olan verileri kullanarak MA(1) ve MA(4) tahminlerinin etkinliklerini hesaplayınız. Kantitatif Tahmin Yöntemleri Aytulun 42

43 Üstel Düzeltme (Exponential Smoothing) Diğer çok kullanılan bir yöntem de üstel düzeltmedir. Tahmin genel olarak aşağıdaki gibi formüle edilir: F D 1 F t t1 t1, talebin gözlenen değerinin bağıl (relative) ağırlığıdır. (1-) ise geçmiş gözlenen talep değerlerinin bir ağırlığı olarak düşünülebilir. Kantitatif Tahmin Yöntemleri Aytulun 43

44 Üstel Düzeltme (Exponential Smoothing) Formül küçük bir düzenleme ile aşağıdaki şekilde yazılabilir: F D 1 F t t1 t1 F F D t1 t1 t1 F e 0 1 t1 t1 düzeltme sabiti (t-1). dönemde kestirim sonucu yüksek ise e t-1 pozitif olacağından yeni tahmin değeri düşer. (t-1). dönemde kestirim sonucu düşük ise e t-1 negatif olacağından yeni tahmin değeri yükselir. Kantitatif Tahmin Yöntemleri Aytulun 44

45 Örnek-5 Örnek-3 de verilen geçmiş 2 yıllık uçak motoru arıza sayılarını ele alalım: 200,250,175,186,225,285,305,190 Daha önce hareketli ortalama ile hesaplanan tahminleri bu sefer üstel düzeltme ile kestirmeye çalışalım. Bunun için =0,1 alalım. Ayrıca 2.dönem tahminini hesaplamak için 1.dönem tahminine ihtiyaç duyulduğundan, 1.dönem tahminini bu dönemin gerçek değeri olan 200 olarak kabul edelim. Hesaplama kolaylığı sağlayan bu kabul, aslında önemli bir etkiye sahiptir. Bu etkiyi göz önüne alarak aslında birkaç dönemin gerçekleşen verilerinin aritmetik ortalamasının alınarak bu ortalamanın başlangıç tahmini olarak kullanılması daha uygun bir hareket tarzı olarak literatürde yerini almıştır. Kantitatif Tahmin Yöntemleri Aytulun 45

46 Örnek-5 Dönem Motor Arıza Sayısı Tahmin =0,1 Hesaplama F t =F t-1 -*(F t-1 -D t-1 ) F 1 değeri D 1 değerine eşit seçilir F 2 =200-0,1*( ) F 3 =200-0,1*( ) F 4 =205-0,1*( ) F 5 =202-0,1*( ) F 6 =200-0,1*( ) F 7 =203-0,1*( ) F 8 =211-0,1*( ) düzeltme sabitinin etkisine dikkat ediniz. Gerçek değerler yüksek farklılıklar barındırsa da, tahmin değerleri daha stabildir. düzeltme sabitinin 0,4 olması durumunda tahminler nasıl olur? Kantitatif Tahmin Yöntemleri Aytulun 46

47 Örnek-5 Dönem Motor Arıza Sayısı Tahmin =0,1 Tahmin =0, düzeltme sabitinin 0,4 olması durumunda tahminler nasıl olur? Bu durumda tahmin farklılıkları artar. Kantitatif Tahmin Yöntemleri Aytulun 47

48 Örnek Arıza alfa=0,1 alfa=0, =0,1 ve =0,4 tahmin üzerinde farklı etkilere sahiptir. 0,1 değeri daha düzgün bir tahmin profili verirken, 0,4 değeri daha büyük tahmin farklılıklarına neden olur. Planlama amaçlarına uygun olarak küçük değerleri daha caziptir. Kantitatif Tahmin Yöntemleri Aytulun 48

49 Örnek-5 Şimdi ise aynı arıza sayıları kullanılarak MA(3) ve ES(0,1) tahmin yöntemlerinin performanslarını inceleyelim. MA(3) 4.dönemden başladığından karşılaştırma 4.dönemden itibaren başlayacaktır. Dönem Arıza MA(3) Hata ES(0,1) Hata Kantitatif Tahmin Yöntemleri Aytulun 49

50 Örnek-5 n 1 1 MAD e MSE n i i1 n i1 n e 2 i Ölçüt Sonuç MA(3) ES(0,1) MAD 57,6 49,2 MSE 4215,6 3458,4 MAPE 24,0 18,9 Görüldüğü gibi ES(0,1) yöntemi çok daha iyi sonuçlar vermiştir. Ancak bu durum her zaman bu şekilde gerçekleşmeyebilir. Kantitatif Tahmin Yöntemleri Aytulun 50

51 Karşılaştırılabilir Parametrelerin Hesabı Örneğimizde karşılaştırılan yöntemlerde kullanılan N=3 ve =0,1 parametreleri birbirleri ile karşılaştırılmak için tutarlı mıdır? Görüldüğü gibi, MA(3) daha büyük farklılıklar oluşturur. Bu sebeple bir tutarlılıktan bahsetmek doğru olmayacaktır MA(3) ES(0,1) Kantitatif Tahmin Yöntemleri Aytulun 51

52 Karşılaştırılabilir Parametrelerin Hesabı ve N için tutarlı değerlerin tespit edilmesi için kullanılan iki farklı yol vardır: Ortalama Yaş Hesabı Hareketli Ortalama için; Ort.Yaş=(1/N)( N)=(N+1)/2 Üstel Düzeltme için; Ort.Yaş i1 i 1 i1 1 N veya N 2 2 N 1 =0,1 için N=19 N=3 için =0,5 olmalıdır. Kantitatif Tahmin Yöntemleri Aytulun 52

53 Üstel Düzeltme ve Hareketli Ortalamaların Karşılaştırılması Benzerlikler 1. Her iki yöntem de talep sürecinin sabit olduğunu kabul eder. D t =+ t 2. Her iki yöntemde de tek bir parametre bulunur. N ve Küçük N veya büyük son veriye daha fazla ağırlık verirken büyük N veya küçük geçmiş veriye daha fazla ağırlık verir. 3. Her ikisi de, gözlenen veride bir bulunuyorsa gecikmeye sebep olur. trend özelliği 4. =2/(N+1) olduğunda her iki yöntemin tahmin hataları aynı dağılıma sahiptir. Bu durum her iki yöntemin de aynı tahminleri üreteceği anlamına gelmez. Kantitatif Tahmin Yöntemleri Aytulun 53

54 Üstel Düzeltme ve Hareketli Ortalamaların Karşılaştırılması Farklılıklar 1. Üstel düzeltme ile hesaplanan kestirimler geçmiş bütün verilerin ağırlıklı bir ortalaması iken hareketli ortalamalar sadece son N dönemin ağırlıklı ortalamasıdır. Bu durum, hareketli ortalamalar açısından bir üstünlük sağlar. Neden? 2. Hareketli ortalama yönteminin kullanılması için sistemde N geçmiş verinin saklanması gerekir. Üstel düzeltme için sadece en son tahminin saklanması yeterlidir. Bu durum, üstel düzeltme açısından önemli bir avantaj sağlar. Neden? Kantitatif Tahmin Yöntemleri Aytulun 54

55 Çalışma Sorusu-4 Güneş enerjisi ile çalışan hesap makineleri üreten bir firma geçmiş dört aylık satış rakamlarını aşağıdaki gibi açıklamıştır. Ay Satışlar Ay Satışlar Ocak 23,3 Mart 30,3 Şubat 72,3 Nisan 15,5 a. Eğer Ocak için yapılan tahmin 25 ise, tek adım sonrası için Şubat Mayıs arası için üstel düzeltme yöntemi ile tahminleri hesaplayınız (=0,15 ve =0,40). b. =0,15 ve =0,40 ile yapılan tahminler için MSE değerini hesaplayınız. Hangi seçeneğin daha etkili bir tahminde bulunulduğunu belirtiniz. Kantitatif Tahmin Yöntemleri Aytulun 55

56 Trend Tabanlı Yöntemler Eğer gözlenen verilerde bir trend varsa hareketli ortalama ve üstel düzeltme yöntemlerinin bir gecikmeye sebep olduğu belirtilmişti. Bu sebeple bu tür bir durumda kullanılmak üzere iki farklı yöntemden bahsedilecektir. Regression Analizi İkili Düzeltme (Holt) Yöntemi Kantitatif Tahmin Yöntemleri Aytulun 56

57 Regression Analizi (x 1,y 1 ), (x 2,y 2 ),..., (x n,y n ) X ve Y değişkenlerine ait veri noktalarını temsil etsin. x i X in y i de Y nin geçmişte gözlenen verilerdir. Y bağımlı, X ise bağımsız değişkendir. Yöntemde, X ve Y arasında doğrusal bir ilişki olduğu varsayılır. Ŷ a bx Yˆ Y nin tahmin değeridir. Kantitatif Tahmin Yöntemleri Aytulun 57

58 Regression Analizi Yöntemin amacı tahmin hatasının karelerinin toplamını en küçükleyen a ve b değerlerinin hesaplanmasıdır. Tahmin hatası ile trend doğrusu arasındaki hatalar aşağıdaki grafikte gösterilmiştir. Kantitatif Tahmin Yöntemleri Aytulun 58

59 Regression Analizi Regression analizi uygulandığında, bağımsız değişken genellikle zaman olarak alınır. Bağımlı değişken ise tahminin kendisidir. Dönemler : 1,2,,n Talepler : D 1,D 2,,D n a ve b nin en iyi (optimal) değerleri (yöntem-1) b S S xy xx a D b n 1 2 n n nn ( 1) S n id D S xy i i i1 2 i1 xx n ( n 1)(2n 1) n ( n 1) Kantitatif Tahmin Yöntemleri Aytulun 59

60 Regression Analizi a ve b nin en iyi (optimal) değerleri ayrıca aşağıdaki şekilde de hesaplanabilir (yöntem-2). 2 2 n n xy x y y b x b a y bx n x x Tahmin için aşağıdaki eşitlik kullanılır: Dˆ a b* t t Kantitatif Tahmin Yöntemleri Aytulun 60

61 Uçak arızaları: Örnek-6 n n nn ( 1) S n id D xy i i i1 2 i ,250,175,186,225,285,305,190 İlk beş periyodu regression analizi için kullanacağız S xy = 5*(1*200+2*250+3*175+4*186+5*225) -15*( ) = -70 S xx = ((25*6*11)/6)-(25*36)/4 = 50 S xx n ( n 1)(2n 1) n ( n 1) 6 4 Sxy 70 7 b S 50 5 xx n 1 7 a D b 207, 2 *3 211, ˆ 7 Dt 211, 4 * t 5 Kantitatif Tahmin Yöntemleri Aytulun 61

62 Örnek-6 Regression analizi sonucu elde edilen trend denklemi, 5 ve daha ilerisi periyotlardaki arızaların tahmin edilmesi için kullanılır. Örneğin 8.dönem tahminini aşağıdaki şekilde tespit edebiliriz; 7 Dˆ 8 211, 4 * ,2 Ancak 7.dönemde, 8.dönem tahmini istenirse bu durumda daha önce yapılan hesaplamaların 7 dönem için tekrarlanması gerekir. Kantitatif Tahmin Yöntemleri Aytulun 62

63 Çalışma Sorusu-5 Bir otopark işletmesi, Ocak 2010 dan başlamak üzere altı aylık devamlı müşteri sayılarını kayıt altına almıştır. Ay Satışlar Ay Satışlar Ocak 133 Nisan 640 Şubat 183 Mayıs 1876 Mart 285 Haziran 2550 a. Regression eşitlikleri yardımıyla a ve b değerlerini bulunuz. b. Temmuz 2010 için hesaplanan tahmin ne kadardır? c. Elde ettiğiniz sonucu grafik üzerinde tartışınız. Kantitatif Tahmin Yöntemleri Aytulun 63

64 Çift Üstel Düzeltme (Holt Metodu ile) Holt metodu, zaman serilerinin, doğrusal trend ile izlenmesi için tasarlanmış bir yöntemdir. Yöntem (seri için) ve (trend için) olmak üzere iki düzeltme katsayısının belirlenmesini gerektirir. Aşağıdaki eşitlikler kullanılır: S t G t D t ( S (1 )( S t S t1 ) t1 G t1 (1 ) G ) t1 t anındaki kesişme değeri tahmini t anındaki eğim tahmini Kantitatif Tahmin Yöntemleri Aytulun 64

65 Çift Üstel Düzeltme (Holt Metodu ile) adım ötesi için tahmin aşağıdaki eşitlik ile elde edilir: F t,t+ = S t +G t F t,t+1 = S t +1*G t = S t +G t Ayrıca ve arasında genellikle gibi bir ilişki söz konusudur. Kantitatif Tahmin Yöntemleri Aytulun 65

66 Örnek-7 Tekrar, motor arızası problemine dönersek; 200,250,175,186,225,285,305,190 = = 0,1 olarak belirlenmiş olsun. S 1 ve G 1 değerlerinin hesaplanmasında belirli olması gereken S 0 ve G 0 değerleri için aşağıdaki kabulü yapalım: S 0 =200 ve G 0 =10 D ( S S 1 = 0,1*200+0,9*(200+10) = 209 G 1 = 0,1*( )+0,9*10 = 9,9 S t G t t (1 )( S t S t1 t1 G t1 ) (1 ) G ) t1 Kantitatif Tahmin Yöntemleri Aytulun 66

67 Örnek-7 S t G t D t ( S (1 )( S t S t1 t1 G t1 ) (1 ) G ) t1 200,250,175,186,225,285,305,190 S 2 = 0,1*250+0,9*(209+9,9)= 222,01 G 2 = 0,1*(222,01-209)+0,9*9,9 = 10,211 S 3 = 0,1*175+0,9*(222,01+10,211) = 226,499 G 3 = 0,1*(226, ,01)+0,9*10,211 = 9,639 S 4 = 0,1*186+0,9*(226,499+9,639) = 231,124 G 4 = 0,1*(231, ,499)+0,9*9,639 = 9,137 S 5 = 0,1*225+0,9*(231,124+9,137) = 238,735 G 5 = 0,1*(238, ,124)+0,9*9,137 = 8,985 S 6 = 0,1*285+0,9*(238,735+8,985) = 251,448 G 6 = 0,1*(251, ,735)+0,9*8,985 = 9,358 S 7 = 0,1*305+0,9*(251, ,358) = 265,225 G 7 = 0,1*(265, ,448)+0,9*9,358 = 9,800 S 8 = 0,1*190+0,9*(265, ,800) = 266,522 G 8 = 0,1*(266, ,225)+0,9*9,800 = 8,949 Kantitatif Tahmin Yöntemleri Aytulun 67

68 Örnek-7 Dönem Arıza Tahmin Hata ,1 50, ,3 15, ,7 37, ,8 44, ,0 85,0 MAD 1 n n i1 e i 50,1 15,3 37,3 5 44,2 85,0 46,38 Sonuç Ölçüt MA(3) ES(0,1) MAD 57,6 49,2 Holt Yöntemi MA(3) ve ES(0,1) yöntemine göre daha iyi bir sonuç vermiştir. Kantitatif Tahmin Yöntemleri Aytulun 68

69 Örnek-7 Önceki hesaplamalar tek adım sonrası için tahminleri içermektedir. F 2,5 =? F 2,5 =S 2 +(3)*G 2 = 222,01+(3)*(10,211) = 252,643 Holt metodunun başlangıç (S 0 ve G 0 ) değerlerinin tahmin edilmesinde herhangi bir değeri kabul etmek uygun bir yaklaşım değildir. Bunun yerine belirli bir dönemi ele alarak örneğin Regression Analizi yardımıyla kesim noktası ve eğim (a ve b) bulunmaya çalışılabilir. Kantitatif Tahmin Yöntemleri Aytulun 69

70 Çalışma Sorusu-6 Çalışma Sorusu-5 i ele alalım. (Otopark örneği) ˆ D t Ay Satışlar Ay Satışlar Ocak 133 Nisan 640 Şubat 183 Mayıs 1876 Mart 285 Haziran ,54* t 807,4 b 500,54ve a 807,4 a. Bu değerleri Holt yöntemi için başlangıç değeri olarak kullanarak, Temmuz ve Ağustos için gözlenen değerleri sırasıyla 2150 ve 2660 alarak kesişim ve eğim değerlerini güncelleyiniz. (=0,15 ve =0,10) b. Tek adım ve iki adım ötesi için ayrı ayrı Eylül ve Ekim tahminlerini Holt Yöntemi ile hesaplayınız. c. Temmuzda Aralık için yapılan tahminin sonucu kaçtır? Kantitatif Tahmin Yöntemleri Aytulun 70

Nedensel Modeller Y X X X

Nedensel Modeller Y X X X Tahmin Yöntemleri Nedensel Modeller X 1, X 2,...,X n şeklinde tanımlanan n değişkenin Y ile ilgili olmakta; Y=f(X 1, X 2,...,X n ) şeklinde bir Y fonksiyonu tanımlanmaktadır. Fonksiyon genellikle aşağıdaki

Detaylı

Sürelerine Göre Tahmin Tipleri

Sürelerine Göre Tahmin Tipleri Girişimcilik Bölüm 5: Talep Tahmini scebi@ktu.edu.tr 5.1. Talep Tahmini Tahmin: Gelecek olayları önceden kestirme bilim ve sanatı. İstatistiksel Tahmin: Geçmiş verileri matematiksel modellerde kullanarak

Detaylı

Tahminleme Yöntemleri

Tahminleme Yöntemleri PAU ENDÜSTRİ MÜHENDİSLİĞİ IENG 318 - Üretim Planlama ve Kontrolü Tahminleme Yöntemleri 2012-2013 Bahar Yarıyılı 1 İçerik 1. Talep Tahmini Kavramı 2. Talep Tahminlerinin Kullanım Yeri 3. Talep Tahmin Modelleri

Detaylı

Ooo, bir dakika müsaade et... Geçen hafta 250 teker sattık... O zaman, bu hafta ne kadar satmalıyız... Tahmin Nedir?

Ooo, bir dakika müsaade et... Geçen hafta 250 teker sattık... O zaman, bu hafta ne kadar satmalıyız... Tahmin Nedir? Ooo, bir dakika müsaade et... Geçen hafta 250 teker sattık... O zaman, bu hafta ne kadar satmalıyız... Tahmin Nedir? IENG 481 Tahmin Yöntemleri Dr. Hacer Güner Gören Dersin amacı Tahmin, geleceğe hazır

Detaylı

Zaman Serileri. IENG 481 Tahmin Yöntemleri Dr. Hacer Güner Gören

Zaman Serileri. IENG 481 Tahmin Yöntemleri Dr. Hacer Güner Gören Zaman Serileri IENG 481 Tahmin Yöntemleri Dr. Hacer Güner Gören Zaman Serisi nedir? Kronolojik sırayla elde edilen verilere sahip değișkenlere zaman serisi adı verilmektedir. Genel olarak zaman serisi,

Detaylı

İstatistik ve Olasılık

İstatistik ve Olasılık İstatistik ve Olasılık KORELASYON ve REGRESYON ANALİZİ Doç. Dr. İrfan KAYMAZ Tanım Bir değişkenin değerinin diğer değişkendeki veya değişkenlerdeki değişimlere bağlı olarak nasıl etkilendiğinin istatistiksel

Detaylı

Hareketli Ortalama ile Mevsimsel Ayrıştırma (Yöntem-2)

Hareketli Ortalama ile Mevsimsel Ayrıştırma (Yöntem-2) Tahmin Yöntemleri Hareketli Ortalama ile Mevsimsel Ayrıştırma (Yöntem-2) Mevsimsel etkenin tahmininde kullanılan diğer bir yöntem de N dönemlik hareketli ortalamaların alınmasıdır. Burada N değeri aynı

Detaylı

Zaman Serileri-1. If you have to forecast, forecast often. EDGAR R. FIEDLER, American economist. IENG 481 Tahmin Yöntemleri Dr.

Zaman Serileri-1. If you have to forecast, forecast often. EDGAR R. FIEDLER, American economist. IENG 481 Tahmin Yöntemleri Dr. Zaman Serileri-1 If you have to forecast, forecast often. EDGAR R. FIEDLER, American economist IENG 481 Tahmin Yöntemleri Dr. Hacer Güner Gören Zaman Serisi nedir? Kronolojik sırayla elde edilen verilere

Detaylı

ÜSTEL DÜZLEŞTİRME YÖNTEMİ

ÜSTEL DÜZLEŞTİRME YÖNTEMİ ÜSEL DÜLEŞİRME YÖNEMİ ÜSEL DÜLEŞİRME YÖNEMİ Bu bölüme kadar anlatılan yöntemler zaman içinde değişmeyen parametre varsayımına uygun serilerin tahminlerinde kullanılmaktaydı. Bu tür seriler deterministik

Detaylı

Örnek. Aşağıdaki veri setlerindeki X ve Y veri çiftlerini kullanarak herbir durumda X=1,5 için Y nin hangi değerleri alacağını hesaplayınız.

Örnek. Aşağıdaki veri setlerindeki X ve Y veri çiftlerini kullanarak herbir durumda X=1,5 için Y nin hangi değerleri alacağını hesaplayınız. Örnek Aşağıdaki veri setlerindeki X ve Y veri çiftlerini kullanarak herbir durumda X=1,5 için Y nin hangi değerleri alacağını hesaplayınız. i. ii. X 1 2 3 4 1 2 3 4 Y 2 3 4 5 4 3 2 1 Örnek Aşağıdaki veri

Detaylı

2. REGRESYON ANALİZİNİN TEMEL KAVRAMLARI Tanım

2. REGRESYON ANALİZİNİN TEMEL KAVRAMLARI Tanım 2. REGRESYON ANALİZİNİN TEMEL KAVRAMLARI 2.1. Tanım Regresyon analizi, bir değişkenin başka bir veya daha fazla değişkene olan bağımlılığını inceler. Amaç, bağımlı değişkenin kitle ortalamasını, açıklayıcı

Detaylı

MAK 210 SAYISAL ANALİZ

MAK 210 SAYISAL ANALİZ MAK 210 SAYISAL ANALİZ BÖLÜM 6- İSTATİSTİK VE REGRESYON ANALİZİ Doç. Dr. Ali Rıza YILDIZ 1 İSTATİSTİK VE REGRESYON ANALİZİ Bütün noktalardan geçen bir denklem bulmak yerine noktaları temsil eden, yani

Detaylı

Ders Planı: - Talep Yapıları. - Tahmin Etmede Önemli Kararlar. - Yargısal Yöntemler. - Nedensel Yöntemler: Doğrusal Regresyon

Ders Planı: - Talep Yapıları. - Tahmin Etmede Önemli Kararlar. - Yargısal Yöntemler. - Nedensel Yöntemler: Doğrusal Regresyon Ders Planı: - Talep Yapıları - Tahmin Etmede Önemli Kararlar - Yargısal Yöntemler - Nedensel Yöntemler: Doğrusal Regresyon - Zaman Serisi Yöntemleri - Zaman Serisi Yönteminin Seçimi - Çoklu Tekniklerin

Detaylı

BÖLÜM 6 MERKEZDEN DAĞILMA ÖLÇÜLERİ

BÖLÜM 6 MERKEZDEN DAĞILMA ÖLÇÜLERİ 1 BÖLÜM 6 MERKEZDEN DAĞILMA ÖLÇÜLERİ Gözlenen belli bir özelliği, bu özelliğe ilişkin ölçme sonuçlarını yani verileri kullanarak betimleme, istatistiksel işlemlerin bir boyutunu oluşturmaktadır. Temel

Detaylı

İÇİNDEKİLER. BÖLÜM 1 Değişkenler ve Grafikler 1. BÖLÜM 2 Frekans Dağılımları 37

İÇİNDEKİLER. BÖLÜM 1 Değişkenler ve Grafikler 1. BÖLÜM 2 Frekans Dağılımları 37 İÇİNDEKİLER BÖLÜM 1 Değişkenler ve Grafikler 1 İstatistik 1 Yığın ve Örnek; Tümevarımcı ve Betimleyici İstatistik 1 Değişkenler: Kesikli ve Sürekli 1 Verilerin Yuvarlanması Bilimsel Gösterim Anlamlı Rakamlar

Detaylı

Doç. Dr. Dilek ALTAŞ İSTATİSTİKSEL ANALİZ

Doç. Dr. Dilek ALTAŞ İSTATİSTİKSEL ANALİZ I Doç. Dr. Dilek ALTAŞ İSTATİSTİKSEL ANALİZ II Yayın No : 2845 Teknik Dizisi : 158 1. Baskı Şubat 2013 İSTANBUL ISBN 978-605 - 377 868-4 Copyright Bu kitabın bu basısı için Türkiye deki yayın hakları BETA

Detaylı

TANIMLAYICI İSTATİSTİKLER

TANIMLAYICI İSTATİSTİKLER TANIMLAYICI İSTATİSTİKLER Tanımlayıcı İstatistikler ve Grafikle Gösterim Grafik ve bir ölçüde tablolar değişkenlerin görsel bir özetini verirler. İdeal olarak burada değişkenlerin merkezi (ortalama) değerlerinin

Detaylı

Mühendislikte İstatistik Yöntemler

Mühendislikte İstatistik Yöntemler .0.0 Mühendislikte İstatistik Yöntemler İstatistik Parametreler Tarih Qma.3.98 4..98 0.3.983 45 7..984 37.3.985 48 0.4.986 67.4.987 5 0.3.988 45.5.989 34.3.990 59.4.99 3 4 34 5 37 6 45 7 45 8 48 9 5 0

Detaylı

ZAMAN SERİLERİNDE REGRESYON ANALİZİ

ZAMAN SERİLERİNDE REGRESYON ANALİZİ ZAMAN SERİLERİNDE REGRESYON ANALİZİ 1 1. GİRİŞ Trent, serinin genelinde yukarıya ya da aşağıya doğru olan hareketlere denmektedir. Bu hareket bazen düz bir doğru şeklinde olmaktadır. Bu tür harekete sahip

Detaylı

BKİ farkı Standart Sapması (kg/m 2 ) A B BKİ farkı Ortalaması (kg/m 2 )

BKİ farkı Standart Sapması (kg/m 2 ) A B BKİ farkı Ortalaması (kg/m 2 ) 4. SUNUM 1 Gözlem ya da deneme sonucu elde edilmiş sonuçların, rastlantıya bağlı olup olmadığının incelenmesinde kullanılan istatistiksel yöntemlere HİPOTEZ TESTLERİ denir. Sonuçların rastlantıya bağlı

Detaylı

Tanımlayıcı İstatistikler. Yrd. Doç. Dr. Emre ATILGAN

Tanımlayıcı İstatistikler. Yrd. Doç. Dr. Emre ATILGAN Tanımlayıcı İstatistikler Yrd. Doç. Dr. Emre ATILGAN 1 Tanımlayıcı İstatistikler Yer Gösteren Ölçüler Yaygınlık Ölçüleri Merkezi Eğilim Ölçüleri Konum Ölçüleri 2 3 Aritmetik Ortalama Aritmetik ortalama,

Detaylı

Öğr. Elemanı: Dr. Mustafa Cumhur AKBULUT

Öğr. Elemanı: Dr. Mustafa Cumhur AKBULUT Ünite 10: Regresyon Analizi Öğr. Elemanı: Dr. Mustafa Cumhur AKBULUT 10.Ünite Regresyon Analizi 2 Ünitede Ele Alınan Konular 10. Regresyon Analizi 10.1. Basit Doğrusal regresyon 10.2. Regresyon denklemi

Detaylı

Örnek 4.1: Tablo 2 de verilen ham verilerin aritmetik ortalamasını hesaplayınız.

Örnek 4.1: Tablo 2 de verilen ham verilerin aritmetik ortalamasını hesaplayınız. .4. Merkezi Eğilim ve Dağılım Ölçüleri Merkezi eğilim ölçüleri kitleye ilişkin bir değişkenin bütün farklı değerlerinin çevresinde toplandığı merkezi bir değeri gösterirler. Dağılım ölçüleri ise değişkenin

Detaylı

Yrd. Doç. Dr. Fatih TOSUNOĞLU Erzurum Teknik Üniversitesi Mühendislik Fakültesi İnşaat Mühendisliği Bölümü

Yrd. Doç. Dr. Fatih TOSUNOĞLU Erzurum Teknik Üniversitesi Mühendislik Fakültesi İnşaat Mühendisliği Bölümü Mühendislikte İstatistiksel Yöntemler Yrd. Doç. Dr. Fatih TOSUNOĞLU Erzurum Teknik Üniversitesi Mühendislik Fakültesi İnşaat Mühendisliği Bölümü 1 Araştırma sonuçlarının açıklanmasında frekans tablosu

Detaylı

KORELASYON VE REGRESYON ANALİZİ. Doç. Dr. Bahar TAŞDELEN

KORELASYON VE REGRESYON ANALİZİ. Doç. Dr. Bahar TAŞDELEN KORELASYON VE REGRESYON ANALİZİ Doç. Dr. Bahar TAŞDELEN Günlük hayattan birkaç örnek Gelişim dönemindeki bir çocuğun boyu ile kilosu arasındaki ilişki Bir ailenin tükettiği günlük ekmek sayısı ile ailenin

Detaylı

Analitik Hiyerarşi Prosesi (AHP) Yrd.Doç.Dr. Sabahattin Kerem AYTULUN

Analitik Hiyerarşi Prosesi (AHP) Yrd.Doç.Dr. Sabahattin Kerem AYTULUN Analitik Hiyerarşi Prosesi (AHP) Yrd.Doç.Dr. Sabahattin Kerem AYTULUN Giriş AHP Thomas L.Saaty tarafından 1970'lerde ortaya atılmıştır. Amaç alternatifler arasından en iyisinin seçilmesidir. Subjektif

Detaylı

FABRİKA ORGANİZASYONU Üretim Planlama ve Yönetimi 2. Uygulama: Sipariş ve Parti Büyüklüğü Hesaplama

FABRİKA ORGANİZASYONU Üretim Planlama ve Yönetimi 2. Uygulama: Sipariş ve Parti Büyüklüğü Hesaplama FABRİKA ORGANİZASYONU Üretim Planlama ve Yönetimi 2. Uygulama: Sipariş ve Parti Büyüklüğü Hesaplama Uygulamalar 1. İhtiyaç Hesaplama 2. Sipariş ve Parti Büyüklüğü Hesaplama 3. Dolaşım Akış Çizelgeleme/Terminleme

Detaylı

Temel İstatistik. Y.Doç.Dr. İbrahim Turan Mart Tanımlayıcı İstatistik. Dağılımları Tanımlayıcı Ölçüler Dağılış Ölçüleri

Temel İstatistik. Y.Doç.Dr. İbrahim Turan Mart Tanımlayıcı İstatistik. Dağılımları Tanımlayıcı Ölçüler Dağılış Ölçüleri Temel İstatistik Tanımlayıcı İstatistik Dağılımları Tanımlayıcı Ölçüler Dağılış Ölçüleri Y.Doç.Dr. İbrahim Turan Mart 2011 DAĞILIM / YAYGINLIK ÖLÇÜLERİ Verilerin değişkenlik durumu ve dağılışın şeklini

Detaylı

VERİ SETİNE GENEL BAKIŞ

VERİ SETİNE GENEL BAKIŞ VERİ SETİNE GENEL BAKIŞ Outlier : Veri setinde normal olmayan değerler olarak tanımlanır. Ders: Kantitatif Yöntemler 1 VERİ SETİNE GENEL BAKIŞ Veri setinden değerlendirme başlamadan çıkarılabilir. Yazım

Detaylı

Nicel / Nitel Verilerde Konum ve Değişim Ölçüleri. BBY606 Araştırma Yöntemleri 2013-2014 Bahar Dönemi 13 Mart 2014

Nicel / Nitel Verilerde Konum ve Değişim Ölçüleri. BBY606 Araştırma Yöntemleri 2013-2014 Bahar Dönemi 13 Mart 2014 Nicel / Nitel Verilerde Konum ve Değişim Ölçüleri BBY606 Araştırma Yöntemleri 2013-2014 Bahar Dönemi 13 Mart 2014 1 Konum ölçüleri Merkezi eğilim ölçüleri Verilerin ortalamaya göre olan gruplanması nasıl?

Detaylı

Gruplanmış serilerde standart sapma hesabı

Gruplanmış serilerde standart sapma hesabı Gruplanmış serilerde standart sapma hesabı Örnek: Verilen gruplanmış serinin standart sapmasını bulunuz? Sınıflar f i X X X m i f i. m i m i - (m i - ) f i.(m i - ) 0 den az 3 4 den az 7 4 6 dan az 4 6

Detaylı

Hatalar ve Bilgisayar Aritmetiği

Hatalar ve Bilgisayar Aritmetiği Hatalar ve Bilgisayar Aritmetiği Analitik yollardan çözemediğimiz birçok matematiksel problemi sayısal yöntemlerle bilgisayarlar aracılığı ile çözmeye çalışırız. Bu şekilde Sayısal yöntemler kullanarak

Detaylı

Endüstri Mühendisliğine Giriş

Endüstri Mühendisliğine Giriş Endüstri Mühendisliğine Giriş 5 ve 19 Aralık 2012, Şişli-Ayazağa, İstanbul, Türkiye. Yard. Doç. Dr. Kamil Erkan Kabak Endüstri Mühendisliği Bölümü,, Şişli-Ayazağa, İstanbul, Türkiye erkankabak@beykent.edu.tr

Detaylı

Genel olarak test istatistikleri. Merkezi Eğilim (Yığılma) Ölçüleri Dağılım (Yayılma) Ölçüleri. olmak üzere 2 grupta incelenebilir.

Genel olarak test istatistikleri. Merkezi Eğilim (Yığılma) Ölçüleri Dağılım (Yayılma) Ölçüleri. olmak üzere 2 grupta incelenebilir. 4.SUNUM Genel olarak test istatistikleri Merkezi Eğilim (Yığılma) Ölçüleri Dağılım (Yayılma) Ölçüleri olmak üzere 2 grupta incelenebilir. 2 Ranj Çeyrek Kayma Çeyrekler Arası Açıklık Standart Sapma Varyans

Detaylı

İşgücü Talebinin Tahmininde Sayısal ve. ve Ayrıntılı Yöntemler. İnsan Kaynakları Planlamasında Sayısal

İşgücü Talebinin Tahmininde Sayısal ve. ve Ayrıntılı Yöntemler. İnsan Kaynakları Planlamasında Sayısal İşgücü Talebinin Tahmininde Sayısal ve Sayısal Yrd. Doç. Dr. Rıza DEMİR İstanbul Üniversitesi İşletme Fakültesi İnsan Kaynakları Planlaması ve Seçimi Dersi 2017 Talep Tahmin i İnsan kaynakları talebi veya

Detaylı

BÖLÜM 5 MERKEZİ EĞİLİM ÖLÇÜLERİ

BÖLÜM 5 MERKEZİ EĞİLİM ÖLÇÜLERİ 1 BÖLÜM 5 MERKEZİ EĞİLİM ÖLÇÜLERİ Gözlenen belli bir özelliği, bu özelliğe ilişkin ölçme sonuçlarını yani verileri kullanarak betimleme, istatistiksel işlemlerin bir boyutunu oluşturmaktadır. Temel sayma

Detaylı

ÖRNEKLEME DAĞILIŞLARI VE TAHMİNLEYİCİLERİN ÖZELLİKLERİ

ÖRNEKLEME DAĞILIŞLARI VE TAHMİNLEYİCİLERİN ÖZELLİKLERİ ÖRNEKLEME DAĞILIŞLARI VE TAHMİNLEYİCİLERİN ÖZELLİKLERİ TEMEL KAVRAMLAR PARAMETRE: Populasyonun sayısal açıklayıcı bir ölçüsüdür ve anakütledeki tüm elemanlar dikkate alınarak hesaplanabilir. Ana kütledeki

Detaylı

ENM 525 İleri Üretim Planlama ve Kontrolü PAÜ Fen Bilimleri Enstitüsü Endüstri Mühendisliği Ana Bilim Dalı

ENM 525 İleri Üretim Planlama ve Kontrolü PAÜ Fen Bilimleri Enstitüsü Endüstri Mühendisliği Ana Bilim Dalı ENM 525 İleri Üretim Planlama ve Kontrolü PAÜ Fen Bilimleri Enstitüsü Endüstri Mühendisliği Ana Bilim Dalı Bu ders notları, 2012-2013 ve 2013-2014 Bahar yarıyılında PAÜ Endüstri Mühendisliği bölümünde

Detaylı

ZAMAN SERİLERİNDE AYRIŞTIRMA YÖNTEMLERİ

ZAMAN SERİLERİNDE AYRIŞTIRMA YÖNTEMLERİ ZAMAN SERİLERİNDE AYRIŞTIRMA YÖNTEMLERİ 1 A. GİRİŞ Gözlemlerin belirli bir dönem için gün, hafta, ay, üç ay, altı ay, yıl gibi birbirini izleyen eşit aralıklarla yapılması ile elde edilen seriler zaman

Detaylı

RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI. Yrd. Doç. Dr. Emre ATILGAN

RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI. Yrd. Doç. Dr. Emre ATILGAN RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI Yrd. Doç. Dr. Emre ATILGAN 1 RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI Olasılığa ilişkin olayların çoğunluğunda, deneme sonuçlarının bir veya birkaç yönden incelenmesi

Detaylı

Korelasyon, Korelasyon Türleri ve Regresyon

Korelasyon, Korelasyon Türleri ve Regresyon Korelasyon, Korelasyon Türleri ve Regresyon İçerik Korelasyon Korelasyon Türleri Korelasyon Katsayısı Regresyon KORELASYON Korelasyon iki ya da daha fazla değişken arasındaki doğrusal ilişkiyi gösterir.

Detaylı

BİYOİSTATİSTİK Korelasyon Analizi Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH

BİYOİSTATİSTİK Korelasyon Analizi Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH BİYOİSTATİSTİK Korelasyon Analizi Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH Ege Üniversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr 1 Bir değişkenin değerinin,

Detaylı

rasgele değişkeninin olasılık yoğunluk fonksiyonu,

rasgele değişkeninin olasılık yoğunluk fonksiyonu, 3.6. Bazı Sürekli Dağılımlar 3.6.1 Normal Dağılım Normal dağılım hem uygulamalı hem de teorik istatistikte kullanılan oldukça önemli bir dağılımdır. Normal dağılımın istatistikte önemli bir yerinin olmasının

Detaylı

Bir Normal Dağılım Ortalaması İçin Testler

Bir Normal Dağılım Ortalaması İçin Testler Bir Normal Dağılım Ortalaması İçin Testler İÇERİK o Giriş ovaryansı Bilinen Bir Normal Dağılım Ortalaması İçin Hipotez Testler P-değerleri: II. Çeşit hata ve Örnekleme Büyüklüğü Seçimi Örnekleme Büyüklüğü

Detaylı

KARŞILAŞTIRMA İSTATİSTİĞİ, ANALİTİK YÖNTEMLERİN KARŞILAŞTIRILMASI, BİYOLOJİK DEĞİŞKENLİK. Doç.Dr. Mustafa ALTINIŞIK ADÜTF Biyokimya AD 2005

KARŞILAŞTIRMA İSTATİSTİĞİ, ANALİTİK YÖNTEMLERİN KARŞILAŞTIRILMASI, BİYOLOJİK DEĞİŞKENLİK. Doç.Dr. Mustafa ALTINIŞIK ADÜTF Biyokimya AD 2005 KARŞILAŞTIRMA İSTATİSTİĞİ, ANALİTİK YÖNTEMLERİN KARŞILAŞTIRILMASI, BİYOLOJİK DEĞİŞKENLİK Doç.Dr. Mustafa ALTINIŞIK ADÜTF Biyokimya AD 2005 1 Karşılaştırma istatistiği Temel kavramlar: Örneklem ve evren:

Detaylı

Konum ve Dağılım Ölçüleri. BBY606 Araştırma Yöntemleri Güleda Doğan

Konum ve Dağılım Ölçüleri. BBY606 Araştırma Yöntemleri Güleda Doğan Konum ve Dağılım Ölçüleri BBY606 Araştırma Yöntemleri Güleda Doğan Konum ölçüleri Merkezi eğilim ölçüleri Verilerin ortalamaya göre olan gruplanması nasıl? Yakın, uzak? Sıklık dağılımlarının karşılaştırılması

Detaylı

OCAK 2013 TARİH BASKILI İSTATİSTİK II DERS KİTABINA İLİŞKİN DÜZELTME CETVELİ

OCAK 2013 TARİH BASKILI İSTATİSTİK II DERS KİTABINA İLİŞKİN DÜZELTME CETVELİ OCAK 2013 TARİH BASKILI İSTATİSTİK II DERS KİTABINA İLİŞKİN DÜZELTME CETVELİ 1- Ünite 1, Sayfa 13, Şekil 1.2 aşağıdaki şekilde düzeltilmiştir. 2- Ünite 2, Sayfa 61 deki paragrafın üçüncü ve dördüncü cümleleri

Detaylı

Soru 1: (20 puan)aşağıdaki sorularda parantez içine doğru olduğunu düşündüğünüz ifadeler için D yanlış olduğunu düşündüğünüz ifadeler için Y yazınız.

Soru 1: (20 puan)aşağıdaki sorularda parantez içine doğru olduğunu düşündüğünüz ifadeler için D yanlış olduğunu düşündüğünüz ifadeler için Y yazınız. Soru 1: (20 puan)aşağıdaki sorularda parantez içine doğru olduğunu düşündüğünüz ifadeler için D yanlış olduğunu düşündüğünüz ifadeler için Y yazınız. ( D ) 1. Yüksek talep dönemlerinde müşteriyi (sipârişi)

Detaylı

İSTATİSTİKSEL VERİ ANALİZİ

İSTATİSTİKSEL VERİ ANALİZİ İSTATİSTİKSEL VERİ ANALİZİ Prof. Dr. Gül ERGÜN Hacettepe Üniversitesi Kasım 2013 İstatistik Nedir? İSTATİSTİK Belirli bir konuda toplanan sayısal değerlerdir. Buna göre, 2012 yılında Türkiye de kayıtlı

Detaylı

3. TAHMİN En Küçük Kareler (EKK) Yöntemi 1

3. TAHMİN En Küçük Kareler (EKK) Yöntemi 1 3. TAHMİN 3.1. En Küçük Kareler (EKK) Yöntemi 1 En Küçük Kareler (EKK) yöntemi, regresyon çözümlemesinde en yaygın olarak kullanılan, daha sonra ele alınacak bazı varsayımlar altında çok aranan istatistiki

Detaylı

0.04.03 Standart Hata İstatistikte hesaplanan her istatistik değerin mutlaka hatası da hesaplanmalıdır. Çünkü hesaplanan istatistikler, tahmini bir değer olduğu için mutlaka hataları da vardır. Standart

Detaylı

26.12.2013. Farklı iki ilaç(a,b) kullanan iki grupta kan pıhtılaşma zamanları farklı mıdır?

26.12.2013. Farklı iki ilaç(a,b) kullanan iki grupta kan pıhtılaşma zamanları farklı mıdır? 26.2.23 Gözlem ya da deneme sonucu elde edilmiş sonuçların, raslantıya bağlı olup olmadığının incelenmesinde kullanılan istatistiksel yöntemlere HĐPOTEZ TESTLERĐ denir. Sonuçların raslantıya bağlı olup

Detaylı

Hipotez Testlerine Giriş. Hipotez Testlerine Giriş

Hipotez Testlerine Giriş. Hipotez Testlerine Giriş Hipotez Testlerine Giriş Hipotez Testlerine Giriş Hipotez Testlerine Giriş Gözlem ya da deneme sonucu elde edilmiş sonuçların, raslantıya bağlı olup olmadığının incelenmesinde kullanılan istatistiksel

Detaylı

BİYOİSTATİSTİK Merkezi Eğilim ve Değişim Ölçüleri Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH

BİYOİSTATİSTİK Merkezi Eğilim ve Değişim Ölçüleri Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH BİYOİSTATİSTİK Merkezi Eğilim ve Değişim Ölçüleri Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH Ege Üniversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr 1 İstatistik

Detaylı

8.Hafta. Değişkenlik Ölçüleri. Öğr.Gör.Muhsin ÇELİK. Uygun değişkenlik ölçüsünü hesaplayıp yorumlayabilecek,

8.Hafta. Değişkenlik Ölçüleri. Öğr.Gör.Muhsin ÇELİK. Uygun değişkenlik ölçüsünü hesaplayıp yorumlayabilecek, İSTATİSTİK 8.Hafta Değişkenlik Ölçüleri Hedefler Bu üniteyi çalıştıktan sonra; Uygun değişkenlik ölçüsünü hesaplayıp yorumlayabilecek, Serilerin birbirlerine değişkenliklerini yorumlayabileceksiniz. 2

Detaylı

3 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI

3 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI ÖNSÖZ İÇİNDEKİLER III Bölüm 1 İSTATİSTİK ve SAYISAL BİLGİ 11 1.1 İstatistik ve Önemi 12 1.2 İstatistikte Temel Kavramlar 14 1.3 İstatistiğin Amacı 15 1.4 Veri Türleri 15 1.5 Veri Ölçüm Düzeyleri 16 1.6

Detaylı

Genel olarak test istatistikleri. Merkezi Eğilim (Yığılma) Ölçüleri Merkezi Dağılım (Yayılma) Ölçüleri. olmak üzere 2 grupta incelenebilir.

Genel olarak test istatistikleri. Merkezi Eğilim (Yığılma) Ölçüleri Merkezi Dağılım (Yayılma) Ölçüleri. olmak üzere 2 grupta incelenebilir. 3.SUNUM Genel olarak test istatistikleri Merkezi Eğilim (Yığılma) Ölçüleri Merkezi Dağılım (Yayılma) Ölçüleri olmak üzere 2 grupta incelenebilir. 2 Merkezi Eğilim Ölçüleri, belli bir özelliğe ya da değişkene

Detaylı

Kesikli Şans Değişkenleri İçin; Olasılık Dağılımları Beklenen Değer ve Varyans Olasılık Hesaplamaları

Kesikli Şans Değişkenleri İçin; Olasılık Dağılımları Beklenen Değer ve Varyans Olasılık Hesaplamaları Kesikli Şans Değişkenleri İçin; Olasılık Dağılımları Beklenen Değer ve Varyans Olasılık Hesaplamaları 1 Şans Değişkeni: Bir dağılışı olan ve bu dağılışın yapısına uygun frekansta oluşum gösteren değişkendir.

Detaylı

009 BS 400- İstatistik sonılannın cevaplanmasında gerekli olabilecek tablolar ve formüller bu kitapçığın sonunda verilmiştir. 1. şağıdakilerden hangisi doğal birimdir? l TV alıcısı Bl Trafik kazası CL

Detaylı

Prof.Dr.İhsan HALİFEOĞLU

Prof.Dr.İhsan HALİFEOĞLU Prof.Dr.İhsan HALİFEOĞLU Örnek: Aşağıda 100 yetişkine ilişkin kolesterol değerlerini sınıflandırılarak aritmetik ortalamasını bulunuz (sınıf aralığını 20 alınız). 2 x A fb C 229.5 n 40 20 100 221.5 3 Örnek:.

Detaylı

ENM 5210 İSTATİSTİK VE YAZILIMLA UYGULAMALARI. Ders 2 Merkezi Eğilim Ölçüleri

ENM 5210 İSTATİSTİK VE YAZILIMLA UYGULAMALARI. Ders 2 Merkezi Eğilim Ölçüleri ENM 5210 İSTATİSTİK VE YAZILIMLA UYGULAMALARI Ders 2 Merkezi Eğilim Ölçüleri Basit Seriler Elde edilecek ham verilerin küçükten büyüğe doğru sıralanması ile elde edilen serilere basit seri denir ÖRNEK:

Detaylı

Ölçme ve Değerlendirme

Ölçme ve Değerlendirme Ölçme ve Değerlendirme Z Puanı T Puanı Yrd. Doç. Dr. Yetkin Utku KAMUK Standart Puan Herhangi bir ölçüm sonucunda elde edilen ve farklı birimlere sahip ham puanların, standart bir dağılım haline dönüştürülmesi

Detaylı

OLASILIK ve KURAMSAL DAĞILIMLAR

OLASILIK ve KURAMSAL DAĞILIMLAR OLASILIK ve KURAMSAL DAĞILIMLAR Kuramsal Dağılımlar İstatistiksel çözümlemelerde; değişkenlerimizin dağılma özellikleri, çözümleme yönteminin seçimi ve sonuçlarının yorumlanmasında önemlidir. Dağılma özelliklerine

Detaylı

BÖLÜM 12 STUDENT T DAĞILIMI

BÖLÜM 12 STUDENT T DAĞILIMI 1 BÖLÜM 12 STUDENT T DAĞILIMI 'Student t dağılımı' ya da kısaca 't dağılımı'; normal dağılım ve Z dağılımının da içerisinde bulunduğu 'sürekli olasılık dağılımları' ailesinde yer alan dağılımlardan bir

Detaylı

Verilerin Özetlenmesinde Kullanılan Sayısal Yöntemler

Verilerin Özetlenmesinde Kullanılan Sayısal Yöntemler Verilerin Özetlenmesinde Kullanılan Sayısal Yöntemler Merkezi Eğilim Ölçüleri Merkezi eğilim ölçüsü, bir veri setindeki merkezi, yada tipik, tek bir değeri ifade eder. Nicel veriler için, reel sayı çizgisindeki

Detaylı

YANLILIK. Yanlılık örneklem istatistiği değerlerinin evren parametre değerinden herhangi bir sistematik sapması olarak tanımlanır.

YANLILIK. Yanlılık örneklem istatistiği değerlerinin evren parametre değerinden herhangi bir sistematik sapması olarak tanımlanır. AED 310 İSTATİSTİK YANLILIK Yanlılık örneklem istatistiği değerlerinin evren parametre değerinden herhangi bir sistematik sapması olarak tanımlanır. YANLILIK Yanlı bir araştırma tasarımı uygulandığında,

Detaylı

DAĞILMA YADA DEĞİ KENLİK ÖLÇÜLERİ (MEASURE OF DISPERSION) Prof.Dr.A.KARACABEY Doç.Dr.F.GÖKGÖZ

DAĞILMA YADA DEĞİ KENLİK ÖLÇÜLERİ (MEASURE OF DISPERSION) Prof.Dr.A.KARACABEY Doç.Dr.F.GÖKGÖZ DAĞILMA YADA DEĞİ KENLİK ÖLÇÜLERİ (MEASURE OF DISPERSION) 1 AMAÇ... Mevcut veri seti için bulunan merkezi eğilim ölçüsünün yorumlamak Birden fazla veri seti için dağılımlar arası kıyaslama yapabilmek amaçlarıyla

Detaylı

İstatistik, genel olarak, rassal bir olayı (ya da deneyi) matematiksel olarak modellemek ve bu model yardımıyla, anakütlenin bilinmeyen karakteristik

İstatistik, genel olarak, rassal bir olayı (ya da deneyi) matematiksel olarak modellemek ve bu model yardımıyla, anakütlenin bilinmeyen karakteristik 6.SUNUM İstatistik, genel olarak, rassal bir olayı (ya da deneyi) matematiksel olarak modellemek ve bu model yardımıyla, anakütlenin bilinmeyen karakteristik özellikleri (ortalama, varyans v.b. gibi) hakkında

Detaylı

TEMEL İSTATİSTİKİ KAVRAMLAR YRD. DOÇ. DR. İBRAHİM ÇÜTCÜ

TEMEL İSTATİSTİKİ KAVRAMLAR YRD. DOÇ. DR. İBRAHİM ÇÜTCÜ TEMEL İSTATİSTİKİ KAVRAMLAR YRD. DOÇ. DR. İBRAHİM ÇÜTCÜ 1 İstatistik İstatistik, belirsizliğin veya eksik bilginin söz konusu olduğu durumlarda çıkarımlar yapmak ve karar vermek için sayısal verilerin

Detaylı

Yatırım Analizi ve Portföy Yönetimi 5. Hafta

Yatırım Analizi ve Portföy Yönetimi 5. Hafta Yatırım Analizi ve Portföy Yönetimi 5. Hafta Dr. Mevlüt CAMGÖZ 1 Dr. Mevlüt Camgöz İçerik Tek Endeks / Pazar Modeli Sistematik Risk Sistematik Olmayan Risk Sermaye Varlıklarını Fiyatlandırma Modeli (SVFM)

Detaylı

Sağlık Kurumlarında Kaynak Planlaması DERS-5

Sağlık Kurumlarında Kaynak Planlaması DERS-5 Sağlık Kurumlarında Kaynak Planlaması DERS-5 Sağlık Kurumlarında Tahmini Stok Hesaplamaları (devam) ÖĞR. GÖR. HÜSEYİN ARI Malzeme Yönetimi Uygulama Senaryosu KANAL KURULAMA M.15 Kod Malzemeler Temin KAĞIDI

Detaylı

İÇİNDEKİLER ÖN SÖZ...

İÇİNDEKİLER ÖN SÖZ... İÇİNDEKİLER ÖN SÖZ... v GİRİŞ... 1 1. İSTATİSTİK İN TARİHÇESİ... 1 2. İSTATİSTİK NEDİR?... 3 3. SAYISAL BİLGİDEN ANLAM ÇIKARILMASI... 4 4. BELİRSİZLİĞİN ELE ALINMASI... 4 5. ÖRNEKLEME... 5 6. İLİŞKİLERİN

Detaylı

Çift Üstel Düzeltme (Holt Metodu ile)

Çift Üstel Düzeltme (Holt Metodu ile) Tahmin Yönemleri Çif Üsel Düzelme (Hol Meodu ile) Hol meodu, zaman serilerinin, doğrusal rend ile izlenmesi için asarlanmış bir yönemdir. Yönem (seri için) ve (rend için) olmak üzere iki düzelme kasayısının

Detaylı

ISTATISTIK VE OLASILIK SINAVI EKİM 2016 WEB SORULARI

ISTATISTIK VE OLASILIK SINAVI EKİM 2016 WEB SORULARI SORU- 1 : ISTATISTIK VE OLASILIK SINAVI EKİM 2016 WEB SORULARI X ve Y birbirinden bağımsız iki rasgele değişken olmak üzere, sırasıyla aşağıdaki moment çıkaran fonksiyonlarına sahiptir: 2 2 M () t = e,

Detaylı

İSTATİSTİK HAFTA. ÖRNEKLEME METOTLARI ve ÖRNEKLEM BÜYÜKLÜĞÜNÜN TESPİTİ

İSTATİSTİK HAFTA. ÖRNEKLEME METOTLARI ve ÖRNEKLEM BÜYÜKLÜĞÜNÜN TESPİTİ ÖRNEKLEME METOTLARI ve ÖRNEKLEM BÜYÜKLÜĞÜNÜN TESPİTİ HEDEFLER Bu üniteyi çalıştıktan sonra; Örneklemenin niçin ve nasıl yapılacağını öğreneceksiniz. Temel Örnekleme metotlarını öğreneceksiniz. Örneklem

Detaylı

İstatistik ve Olasılık

İstatistik ve Olasılık İstatistik ve Olasılık Rastgele Değişkenlerin Dağılımları I Prof. Dr. İrfan KAYMAZ Ders konusu Bu derste; Rastgele değişkenlerin tanımı ve sınıflandırılması Olasılık kütle fonksiyonu Olasılık yoğunluk

Detaylı

İSTATİSTİK-II. Korelasyon ve Regresyon

İSTATİSTİK-II. Korelasyon ve Regresyon İSTATİSTİK-II Korelasyon ve Regresyon 1 Korelasyon ve Regresyon Genel Bakış Korelasyon Regresyon Belirleme katsayısı Varyans analizi Kestirimler için aralık tahminlemesi 2 Genel Bakış İkili veriler aralarında

Detaylı

SÜREKLİ OLASILIK DAĞILIŞLARI

SÜREKLİ OLASILIK DAĞILIŞLARI SÜREKLİ OLASILIK DAĞILIŞLARI Sürekli verilerin göstermiş olduğu dağılışa sürekli olasılık dağılışı denir. Sürekli olasılık dağılışlarının fonksiyonlarına yoğunluk fonksiyonu denilmekte ve bu dağılışlarla

Detaylı

Appendix C: İstatistiksel Çıkarsama

Appendix C: İstatistiksel Çıkarsama Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Notları Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix C: İstatistiksel Çıkarsama

Detaylı

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix C: İstatistiksel Çıkarsama Doç.

Detaylı

Yatırım Analizi ve Portföy Yönetimi 6. Hafta

Yatırım Analizi ve Portföy Yönetimi 6. Hafta Yatırım Analizi ve Portföy Yönetimi 6. Hafta Dr. Mevlüt CAMGÖZ 1 Dr. Mevlüt CAMGÖZ İçerik Karakteristik Doğru ve Beta Katsayısı Karakteristik Doğrunun Tahmini Beta Katsayısının Hesaplanması Agresif ve

Detaylı

ORTALAMA ÖLÇÜLERİ. Ünite 6. Öğr. Gör. Ali Onur CERRAH

ORTALAMA ÖLÇÜLERİ. Ünite 6. Öğr. Gör. Ali Onur CERRAH ORTALAMA ÖLÇÜLERİ Ünite 6 Öğr. Gör. Ali Onur CERRAH Araştırma sonucunda elde edilen nitelik değişkenler hakkında tablo ve grafikle bilgi sahibi olunurken, sayısal değişkenler hakkında bilgi sahibi olmanın

Detaylı

Koşullu Öngörümleme. Bu nedenle koşullu öngörümleme gerçekleştirilmelidir.

Koşullu Öngörümleme. Bu nedenle koşullu öngörümleme gerçekleştirilmelidir. Koşullu Öngörümleme Ex - ante (tasarlanan - umulan) öngörümleme söz konusu iken açıklayıcı değişkenlerin hatasız bir şekilde bilindiği varsayımı gerçekçi olmayan bir varsayımdır. Çünkü bazı açıklayıcı

Detaylı

K-S Testi hipotezde ileri sürülen dağılımla örnek yığılmalı dağılım fonksiyonunun karşılaştırılması ile yapılır.

K-S Testi hipotezde ileri sürülen dağılımla örnek yığılmalı dağılım fonksiyonunun karşılaştırılması ile yapılır. İstatistiksel güven aralıkları uygulamalarında normallik (normal dağılıma uygunluk) oldukça önemlidir. Kullanılan parametrik istatistiksel tekniklerin geçerli olabilmesi için populasyon şans değişkeninin

Detaylı

SDÜ MMF ENDÜSTRİ MÜHENDİSLİĞİ BÖLÜMÜ ÜRETİM PLANLAMA VE KONTROL. 1. Uygulama: İhtiyaç Hesaplama. İçindekiler. Uygulamalar

SDÜ MMF ENDÜSTRİ MÜHENDİSLİĞİ BÖLÜMÜ ÜRETİM PLANLAMA VE KONTROL. 1. Uygulama: İhtiyaç Hesaplama. İçindekiler. Uygulamalar SDÜ MMF ENDÜSTRİ MÜHENDİSLİĞİ BÖLÜMÜ ÜRETİM PLANLAMA VE KONTROL 1. Uygulama: İhtiyaç Hesaplama Uygulamalar 1. İhtiyaç Hesaplama 2. Sipariş ve Parti Büyüklüğü Hesaplama 3. Dolaşım Akış Çizelgeleme/Terminleme

Detaylı

BİYOİSTATİSTİK Olasılıkta Temel Kavramlar Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH

BİYOİSTATİSTİK Olasılıkta Temel Kavramlar Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH BİYOİSTTİSTİK Olasılıkta Temel Kavramlar Yrd. Doç. Dr. slı SUNER KRKÜLH Ege Üniversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim D. Web: www.biyoistatistik.med.ege.edu.tr 1 OLSILIK Olasılık; Tablo

Detaylı

İŞLETMENİN GELİR- GİDER VE KÂR HEDEFLERİ

İŞLETMENİN GELİR- GİDER VE KÂR HEDEFLERİ İŞLETMENİN GELİR- GİDER VE KÂR HEDEFLERİ İşletme yöneticileri belli bir dönem sonunda belli miktarda kâr elde etmeyi hedeflerler. Kâr = Gelirler - Giderler Olduğuna göre, kârı yönetmek aslında gelirler

Detaylı

İstatistik ve Olasılık

İstatistik ve Olasılık İstatistik ve Olasılık Örnekleme Planlar ve Dağılımları Prof. Dr. İrfan KAYMAZ Tanım İncelenen olayın ait olduğu anakütlenin bütünüyle dikkate alınması zaman, para, ekipman ve bunun gibi nedenlerden dolayı

Detaylı

Matris Cebiriyle Çoklu Regresyon Modeli

Matris 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

Detaylı

VERİ KÜMELERİNİ BETİMLEME

VERİ KÜMELERİNİ BETİMLEME BETİMLEYİCİ İSTATİSTİK VERİ KÜMELERİNİ BETİMLEME Bir amaç için derlenen verilerin tamamının olduğu, veri kümesindeki birimlerin sayısal değerlerinden faydalanarak açık ve net bir şekilde ilgilenilen özellik

Detaylı

MAK 210 SAYISAL ANALİZ

MAK 210 SAYISAL ANALİZ MAK 210 SAYISAL ANALİZ BÖLÜM 2- HATA VE HATA KAYNAKLARI Doç. Dr. Ali Rıza YILDIZ 1 GİRİŞ Bir denklemin veya problemin çözümünde kullanılan sayısal yöntem belli bir giriş verisini işleme tabi tutarak sayısal

Detaylı

Faktöriyel: 1'den n'ye kadar olan tüm pozitif tamsayıların çarpımına, biçiminde gösterilir. Aynca; 0! = 1 ve 1!=1 1 dir. [Bunlar kabul değildir,

Faktöriyel: 1'den n'ye kadar olan tüm pozitif tamsayıların çarpımına, biçiminde gösterilir. Aynca; 0! = 1 ve 1!=1 1 dir. [Bunlar kabul değildir, 14. Binom ve Poisson olasılık dağılımları Faktöriyeller ve kombinasyonlar Faktöriyel: 1'den n'ye kadar olan tüm pozitif tamsayıların çarpımına, n! denir ve n! = 1.2.3...(n-2).(n-l).n biçiminde gösterilir.

Detaylı

Türkiye deki İş Kazalarının Box-Jenkins Tekniği ile İncelenmesi. Doç. Dr. Arzu ALTIN YAVUZ Ar. Gör. Barış ERGÜL Ar. Gör. Ebru GÜNDOĞAN AŞIK

Türkiye deki İş Kazalarının Box-Jenkins Tekniği ile İncelenmesi. Doç. Dr. Arzu ALTIN YAVUZ Ar. Gör. Barış ERGÜL Ar. Gör. Ebru GÜNDOĞAN AŞIK Türkiye deki İş Kazalarının Box-Jenkins Tekniği ile İncelenmesi Doç. Dr. Arzu ALTIN YAVUZ Ar. Gör. Barış ERGÜL Ar. Gör. Ebru GÜNDOĞAN AŞIK Sunu Planı Giriş Bu bölümde İş Sağlığı ve Güvenliği ile ilgili

Detaylı

Veriye Dayalı Karar Verme (Bölüm 2) Can Akkan

Veriye Dayalı Karar Verme (Bölüm 2) Can Akkan Veriye Dayalı Karar Verme (Bölüm 2) Can Akkan 1 Ders Planı 1. Karar Problemleri i. Karar problemlerinin bileşenleri ii. Değerler, amaçlar, bağlam iii. Etki diagramları 2. Model Girdilerinde Belirsizlik

Detaylı

Dr. Mehmet AKSARAYLI

Dr. Mehmet AKSARAYLI Dr. Mehmet AKSARAYLI Şans Değişkeni: Bir dağılışı olan ve bu dağılışın yapısına uygun frekansta oluşum gösteren değişkendir. Şans Değişkenleri KESİKLİ RASSAL DEĞİŞKENLER ve OLASILIK DAĞILIMLARI Kesikli

Detaylı

DOĞRUSAL ZAMAN SERİSİ MODELLERİ. Durağan ARIMA Modelleri: Hareketli Ortalama Modelleri MA(q) Süreci

DOĞRUSAL ZAMAN SERİSİ MODELLERİ. Durağan ARIMA Modelleri: Hareketli Ortalama Modelleri MA(q) Süreci DOĞRUSAL ZAMAN SERİSİ MODELLERİ Durağan ARIMA Modelleri: Hareketli Ortalama Modelleri MA(q) Süreci Hareketli Ortalama Süreci:MA(q) Hareketli Ortalama sürecini yapısını ortaya koymak için önce hisse senedi

Detaylı

Prof. Dr. Aydın Yüksel MAN 504T Yön. için Finansal Analiz & Araçları Ders: Risk-Getiri İlişkisi ve Portföy Yönetimi I

Prof. Dr. Aydın Yüksel MAN 504T Yön. için Finansal Analiz & Araçları Ders: Risk-Getiri İlişkisi ve Portföy Yönetimi I Risk-Getiri İlişkisi ve Portföy Yönetimi I 1 Giriş İşlenecek ana başlıkları sıralarsak: Finansal varlıkların risk ve getirisi Varlık portföylerinin getirisi ve riski 2 Risk ve Getiri Yatırım kararlarının

Detaylı

Örneklemden elde edilen parametreler üzerinden kitle parametreleri tahmin edilmek istenmektedir.

Örneklemden elde edilen parametreler üzerinden kitle parametreleri tahmin edilmek istenmektedir. ÇIKARSAMALI İSTATİSTİKLER Çıkarsamalı istatistikler, örneklemden elde edilen değerler üzerinde kitleyi tanımlamak için uygulanan istatistiksel yöntemlerdir. Çıkarsamalı istatistikler; Tahmin Hipotez Testleri

Detaylı

Yapılan alan araştırması sonucunda aşağıdaki sonuçlar elde edilmiştir. ( ) ( ) ( ) ( )

Yapılan alan araştırması sonucunda aşağıdaki sonuçlar elde edilmiştir. ( ) ( ) ( ) ( ) İKİ DEĞİŞKENLİ OLASILIK Rassal bir deneme yapılmakta ve farklı iki olay ile ilgilenilmektedir. A 1, A 2,,A i olayları bağdaşmaz ve bütünü kapsayıcıdır. B 1, B 2,,B j olayları bağdaşmaz ve bütünü kapsayıcıdır.

Detaylı

SEK Tahmincilerinin Türetilmesi. SEK Tahmincilerinin Türetilmesi. Ekonometri 1 Konu 8 Sürüm 2,0 (Ekim 2011)

SEK Tahmincilerinin Türetilmesi. SEK Tahmincilerinin Türetilmesi. Ekonometri 1 Konu 8 Sürüm 2,0 (Ekim 2011) İki Değişkenli Bağlanım Modeli SEK Tahmincilerinin Türetilmesi Ekonometri 1 Konu 8 Sürüm 2,0 (Ekim 2011) UADMK Açık Lisans Bilgisi İşbu belge, Creative Commons Attribution-Non-Commercial ShareAlike 3.0

Detaylı