ARAŞTIRMA MAKALESİ /RESEARCH ARTICLE

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "ARAŞTIRMA MAKALESİ /RESEARCH ARTICLE"

Transkript

1 ANADOLU ÜNİVERSİTESİ BİLİM VE TEKNOLOJİ DERGİSİ ANADOLU UNIVERSITY JOURNAL OF SCIENCE AND TECHNOLOGY Clt/Vol.:0-Sayı/No: : (009) ARAŞTIRMA MAKALESİ /RESEARCH ARTICLE İKİ PARAMETRELİ WEIBULL DAĞILIMINDA PARAMETRE TAHMİN YÖNTEMLERİNİN KARŞILAŞTIRILMASINA İLİŞKİN BİR SİMÜLASYON ÇALIŞMASI M. Nur ALMALI, Hayrett OKUT ÖZ Yapıla çalışmada farklı örek büyüklüklere (=5, 0, 5, 0, 30, 40) sahp ola k parametrel Webull dağılımıı şekl parametres tahm, E Küçük Kareler ve E Yüksek Olablrlk yötemler kullaılarak araştırılmıştır. Her br örek büyüklüğü ç α = ve =0.5,,.5, değerlere sahp örekler smülasyo le üretlmştr. Tahm yötemler ˆ ı hata kareler ortalaması ( HKO [ ˆ]) ve toplam sapma (TS) ölçütlere göre karşılaştırılmıştır. Hem smülasyo ve hem de parametre tahmler elde edlmes ç br MATLAB programı gelştrlmştr. İk parametrel Webull dağılımıda parametre tahm yötem olarak 5 değer ç E Küçük Kareler Yötem, > 5 ç de E Yüksek Olablrlk yötem kullaılması uygu olacağı soucua varılmıştır. Aahtar Kelmeler : Webull dağılımı, E yüksek olablrlk yötem, E küçük kareler yötem, Hata kareler ortalaması, Toplam sapma. A SIMULATION STUDY ON THE COMPARISON OF PARAMETER ESTIMATING METHODS FOR -PARAMETERS WEIBULL DISTRIBUTION ABSTRACT I ths study, the estmato of shape parameter -parameters Webull dstrbuto havg varous sample sze (=5, 0, 5, 0, 30, 40) s vestgated usg the least square (LSM) ad maxmum lkelhood (ML) method. The samples havg α = ve =0.5,,.5, values for each sample are produced smulato method. The estmato methods are compared accordg to mea square error of ˆ ( MSE [ˆ ]) ad total devato (TD) crtera. A MATLAB programmg has bee developed for both smulato ad obtag estmato parameter. It has bee cocluded that -parameters Webull dstrbuto, as a estmato method, for 5 the least square method s better to be used, o the other had for > 5 t s beter to use maxmum lkelhood method. Keywords: Webull dstrbuto, The least square method (LSM), Maxmum lkelhood (ML)method, Mea square error, Total devato., Yüzücü Yıl Üverstes Müh.-Mm.- Fak. Elek.-Elektro. Müh. Bölümü VAN. ma@yyu.edu.tr (Haberleşme adres), Yüzücü Yıl Üverstes Zraat Fakültes Zootek Bölümü VAN. hokut@yyu.edu.tr Gelş: 3 Nsa 008; Kabul: 4 Şubat 009

2 456. GİRİŞ Webull Dağılımı, adıı İsveçl fzkç Walodd Webull da almaktadır. Walodd Webull u 939 yılıda bu dağılımı lk kez malzeme çekme gerlmes dağılımıı açıklamak ç kullamıştır (Zebl, 99; Gupta ve Kudu, 00). Webull dağılımıda, dağılımı parametreler tahmde örek sayısıı az olması soru oluşturmaktadır. Bu edele yapıla çalışmada farklı örek büyüklükler ve farklı parametre değerlere sahp örekler üzerde çalışılmış ve E Yüksek Olablrlk (EYO) ve E Küçük Kareler (EKK) yötemler karşılaştırılmıştır. Keats vd. (997), I. ve II. tp çoklu-sasürlü (multply-cesored), sasürlü ve tamamlamış (complete) verlerde, k parametrel Webull dağılımıda parametreler okta ve aralık tahmler EYO le hesaplaya br fortra programı sumuşlardır. Log-olablrlk eştlğ çözümü ç Newto Raphso (NR) yötem kullamışlardır. NR çözümü ç gerekl ola ˆ 0 başlagıç değer Meo eştlğ le hesaplamışlardır Hossa ve Zmmer (003), tamamlamış, çoklu zama sasürlü (multply tme cesored) ve Type II sasürlü öreklerde k parametrel Webull dağılımıda parametre tahmler ç E Yüksek Olablrlk (EYO) ve E Küçük Kareler (EKK) yötemler karşılaştırmasıı yapmışlardır. Bu karşılaştırma ç tahmler hata kareler ortalamasıı kullamışlardır. Tamamlamış öreklerde örek büyüklüğüü 0 de küçük olması durumuda EKK, 0 de büyük olması durumuda se EYO yötem e küçük hata kareler ortalaması verdğ gözlemşlerdr. Kaya vd. (003), Webull Dağılımıda α ölçek (scala) ve şekl (shape) parametreler tahm ç altı tahmleyc hakkıda blg vermşlerdr. Çalışmalarıda EYO, EKK, mometler tahm edcs, olasılıkla ağırlıkladırılmış mometler tahm edcs (Lmomet), Meo ve Whte tahm edcler kullamışlar ve bu tahm edcler Mote Carlo smülasyou yardımıyla hata kareler ortalaması ölçütüe göre karşılaştırmışlardır. şekl parametres tahmde, örek büyüklüğü ç momet yötem, > ç de E Yüksek Olablrlk le olasılık ağırlıkladırılmış mometler tahm edcs hata kareler ortalamasıı daha küçük olduğuu göstermşlerdr. Bu Aadolu Üverstes Blm ve Tekoloj Dergs, 0 () çalışmada EKK yötem le elde edle hata kareler ortalaması dğer yötemlere göre daha büyük bulumuştur. Webull dağılımıda, örek sayısıı az olması dağılımı parametreler tahmde soru oluşturmaktadır. Bu çalışmada farklı örek büyüklükler (=5, 0, 5, 0, 30, 40) le farklı parametre değerlere α = ve =0.5,,.5, sahp örekler üretlmştr. Üretle bu öreklerde, parametre tahm ç kullaıla E Yüksek Olablrlk (EYO) ve E Küçük Kareler (EKK) yötemler karşılaştırılmıştır. Çalışmada sırasıyla Webull dağılımı geel özellkler, dağılım parametreler tahm ç kullaıla EKK ve EYO yötem ve smülasyo çalışmasıı akış dyagramı verlmş. Daha sora elde edle bulgular suulmuş ve kullaıla yötemler karşılaştırılarak souç ve öerlerde buluulmuştur.. WEIBULL DAĞILIMI X rasgele br değşke olmak üzere, üç parametrel (ζ,α, ) br Webull dağılımı (WD) ç eklemel olasılık foksyou le yoğuluk foksyou aşağıda taımlamıştır (Heo vd., 00); x ζ F( x) = P( X x) = exp, x ζ α x ζ x ζ f ( x) = exp, x ζ α α α () () Bu eştlklerde ζ yer (locato), α ölçek (scala) ve se şekl (shape) parametres olarak adladırılır. WD ortalama ve varyası sırasıyla; µ = ζ+ αγ + (3) (4) σ = α Γ + Γ + dr. Burada Γ ( ) gamma foksyouu göstermektedr. Yukarıda verle () ve () umaralı eştlklerde, ζ yer (locato) parametres 0 alıdığıda dağılım k parametrel br dağılıma döüşür ve k parametrel Webull dağılımı olarak smledrlr.

3 Aadolu Uversty Joural of Scece ad Techology, 0 () 457 Stadart k parametrel Webull dağılımıı yoğuluk foksyouu (ζ =0 ve α =) parametres farklı değerler ç değşm Şekl de verlmştr. f(x) =0.5 = =.5 = Şekl. Farklı değerler ç stadart k parametrel Webull dağılımıı (ζ =0 ve α =) olasılık yoğuluk foksyou f(x) değşm. Dağılımı şekl, şekl parametres 3. 6 olduğuda heme heme smetrk, eğrlk katsayısı sıfır ve dağılımı şekl ormal dağılıma yakı olur (Johso ve Kotz, 970). Ayrıca, ı sıfıra yakı değerler ç aşırı derecede sağa, > 3. 6 değerler ç sola yatıktır. 3. MATERYAL ve YÖNTEM Çalışmada farklı örek büyüklüklere sahp k parametrel Webull dağılımıda, şekl parametres farklı yötemlerle tahmler araştırılmıştır. Örek büyüklüğü (=5, 0, 5, 0, 30, 40) olarak seçlmştr. Her br örek büyüklüğü ç α = ve =0.5,,.5, değerlere sahp örekler smülasyo le üretlmştr. Her br örek ç smülasyo vers üretlmştr. Elde edle her br ver setde şekl parametres tahm EYO ve EKK yötem le elde edlmştr. Tahmlee şekl parametrese bağlı olarak α ölçek parametres hesaplamıştır. Tahm yötemler ˆ ı hata kareler ortalaması ( HKO [ˆ ]) ve toplam sapma (TS) değerlere göre karşılaştırılmıştır. Gelştrle br MATLAB programı yardımı le smülasyo verler üretlmş ve üretle bu verlerde ve α parametreler EKK ve EYO tahmler hesaplamıştır. X 3. İk Parametrel Webull Dağılımı Parametreler E Yüksek Olablrlk Yötem le Tahmlemes X, X,..., X θ parametrel ( θ = α, sırasıyla ölçek ve şekl parametres) k parametrel Webull dağılımı göstere br rasgele örek olarak göz öüe alalım. Dağılımı olasılık yoğuluk foksyou aşağıdak şeklde taımlaablr. x x f ( x) = exp, α > 0, > 0 α α α WD olablrlk foksyou; x x LL = exp = α α α şeklde yazılablr (Zebl,99). (5) (6) EYO tahmler olablrlk eştlğ sağlaya ya da olablrlk (veya log-olablrlk) eştlkler maksmum yapa ˆ θ = ( ˆ, ˆ ) EYO α EYO EYO değerler olarak taımlaablr. Matematksel şlemler kolaylaştırmak ç çarpım fades toplam hale döüştürmek amacıyla LL olablrlk foksyouu logartması alıarak log-olablrlk foksyou; L = l LL = l( ) l( α) + ( ) l( x ) ( x ) (7) şeklde elde edlr. α ve parametreler EYO tahmler elde etmek ç log-olablrlk foksyouu α ve parametrese göre brc derecede kısm türev alııp sıfıra eştler; L == + ( x ) 0 = α α = yukarıdak eştlkte α ; α = ( x ) = / = α = (8) (9) olarak buluur. α ı logartması alıacak olursa;

4 458 lα = l ( x ) l = elde edlr. (0) Ayı şeklde log-olablrlk foksyouu parametrese göre brc türev alııp sıfıra eştleecek olursa; ll = l() α+ l() x ()l() x x + l () x = 0 α α α = = = () eştlğ elde edlr. (9) ve (0) umaralı eştlklerde verle α le l α fadeler, () umaralı eştlkte yerlere koarak gerekl sadeleştrmeler yapılacak olursa, elde edlecek ola ye fade; ( ) l( ) x x = l( x ) 0 = ( x ) = + = şekl alır. Bu fadede çeklerek; ( x) l( x) = = = ( x ) = l( x ) () (3) fades buluur. Elde edle (3) umaralı eştlk Newto-Raphso yötem kullaılarak ya göre çözüleblr. Bu yötem e büyük avatajı çözüme quadratk olarak yaklaşmasıdır. Bu terasyo sayısıı azaltarak köke daha hızlı yakısama sağlar. ˆ k + ve αˆ aşağıdak gb hesaplaır; k l xk x = + l x k = k x = k+ = k + k k k x x l x x l x = = = + k k x = α = ( x ) = / (4) (5) Aadolu Üverstes Blm ve Tekoloj Dergs, 0 () Yukarıdak eştlkte ( k + k < h )olucaya kadar şleme devam edlerek ˆ EYO buluur. Burada h= ve Newto-Raphso yötem ç kullaıla ˆ 0 başlagıç değer Meo eştlğde hesaplaır (Keats vd.,997). Bu eştlk ˆ = 0 6 π şekldedr. = l x = l x (6) 3. İk Parametrel Webull Dağılımı Parametreler E Küçük Kareler Yötem le Tahmlemes (x,y ), (x,y ),, (x,y ) ver çftler gözlemş olsu. EKK yötem temel lkes, bu verler temsl ede doğru le gözlem verler arasıdak dkey farkları mmum yapmaya dayaır. Verler e y temsl ede doğru y = aˆ + bx ˆ doğrusudur. Bu doğru; ( aˆ + bx ˆ y) = m ( a, b) ( a+ bx y) = = (7) şeklde taımlaır. Bu eştlkte â ve bˆ sırasıyla a ve b katsayılarıı EKK tahmler, ver sayısıdır. (7) umaralı eştlğ sağ tarafıda verle â ve bˆ katsayıları aşağıda verle eştlkler yardımı le buluur; y x = ˆ = aˆ = b = y bx ˆ bˆ = = = x y = = xy x = x (8) (9)

5 Aadolu Uversty Joural of Scece ad Techology, 0 () 459 Yukarıda açıklaa yötemle k parametrel Webull dağılımı ç parametre tahmler EKK çözümüü gerçekleştrleblmes ç, () umaralı eştlğ (ζ yer (locato) parametres 0 olmak üzere) her k yaıı k defa logartması alıırsa, ( F ( x) ) ( α ) ( x) l l = l + l (0) şekle döüşür. (0) umaralı eştlkte y = l [ l( F( x) )] ve x = l(x) olur. Ayrıca a = l ( α ) b = döüşümler yapılacak olursa, y = a+ bx () () (3) doğrusal eştlğ hale döüşür (Hossa ve Zmmer, 003). (3) umaralı eştlkte verle a le b katsayıları aşağıda verle y le x değerler, yazılarak hesaplaır. Hesaplaa değerler a ve b parametreler EKK tahmlerdr. () ve () eştlkler kullaılarak α ve parametreler EKK tahmler, aˆ b e ˆ ˆ α EKK = ve ˆ EKK = bˆ eştlklerde hesaplaır. Eştlkler çözümüde kullaıla y, x ve F ( x ) değerler sıralamış değerlerdr: j ç y y j, x x j ve F x ) F( x ) dr. ( j ( ( ) ) y = l l F x x = l( x ) Yapıla çalışmada Webull Dağılımıı EKK tahmler elde etmek ç F ( x ) değerler parametrelerde bağımsız olarak hesaplaması gerekmektedr. F ( x ) ler hesaplamak ç k farklı eştlk kullaılmıştır. Bu eştlkler lk, y ler ortaca değerler kullaarak elde edle (4) eştlğdr (Ross, 999). İkc de F ler beklee olasılıklarıda elde edlr ve F = + şekldedr (Ross, 999). 3.3 Smülasyo 0.3 F (5) Çalışmaı bu bölümüde üretle 0,000 öreğ E Yüksek Olablrlk ve E Küçük Kareler yötemler le elde edle ˆ değerlere at hata kareler ortalamasıı yaıda toplam sapma değer de hesaplamıştır. Smülasyo ve hesaplamalar ç MATLAB da br program kodu gelştrlmştr. ˆ değer elde edlmesde kullaıla parametre tahm yötemler ve kulladıkları eştlkler Tablo de verlmştr. Tablo. Parametre tahm yötemler ve kulladıkları eştlkler Yötem Yötem Adı F değer E Yüksek Olablrlk Yötem - E Küçük Kareler Yötem F = + 0. F 3 E Küçük Kareler Yötem + 0. İk parametrel Webull dağılımıa at örekler elde etmek ç eklemel olasılık foksyou F (x) de yararlaılmıştır. Ye örekler elde etmek ç F (x) olasılık foksyouda x değşke çeklecek olursa x α F( x) = e, x 0. x α F( x) = e = R x = α [ l( R) ] / (6) fades elde edlr (Ghosh, 999; Baks vd., 00). Burada R Uform dağılımda rasgele çeklmş 0 le arasıda sayıdır.

6 460 İk parametrel Webull dağılımıda, örek büyüklüğü (=5, 0, 5, 0, 30, 40) ve α =, =0.5,,.5, parametre değerlere sahp ola örekler üretlmes le üretle her br örek ç E Yüksek Olablrlk ve E Küçük Kareler yötem kullaılarak parametre tahmler hesaplamasıda kullaıla programı akış şeması Şekl de verlmştr. R değer üret (0<R<) (6) eştlkte x değer hesapla ˆ, α,, 3 yötemler le hesapla ve dzye aktar ( ) ˆ ( ) Başla N=?, =? I=,N J=, αˆ, ˆ, E ˆ [ ˆ ], V ˆ [ ˆ ], [ˆ ] HKO ve TD değer hesapla Btr Şekl. İk parametrel Webull Dağılımı parametre tahmler hesaplaması ç kullaıla programı akış şeması. Üretle Webull rasgele öreklerde (α, )parametre çft sırasıyla (,0.5), (,), (,.5), (,) olarak alımıştır. Her br parametre set ç αˆ ve ˆ E Yüksek Olablrlk ve E Küçük Kareler yötemleryle elde edlmştr. Örek büyüklüğü olarak =5, 0, 5, 0, 30 ve 40 olarak alımıştır smülasyo deemesde elde edle tahmler ˆ, ˆ, () ()..., ˆ (0000) olmak üzere, parametrese at beklee değer, varyası, hata kareler ortalaması ve toplam sapma değer sırasıyla aşağıdak gb hesaplamıştır ˆ Eˆ[ ] = ˆ 0000 = () Aadolu Üverstes Blm ve Tekoloj Dergs, 0 () 4. BULGULAR 0000( ) () ˆ Vˆ[ ] = ˆ Eˆ[ ˆ ] 9999 = 0000( ) () ˆ HKO[ ] = ˆ 0000 = ˆ ˆ TD α = + α α İk parametrel Webull dağılımıda parametre tahmler ç yapıla smülasyo çalışmasıda farklı değerler ve örek büyüklüğü ç, üç ayrı yötemle elde edle değerler ˆ, V ˆ [ ˆ ] ve HKO [ˆ ] Tablo. de verlmştr. Tablo de görüldüğü gb ele alıa ( α, ) parametre çftler tamamıda, =5 ve =0 örek büyüklükler ç e küçük HKO [ˆ] değer. yötemle, =5 örek büyüklüğü ç 3. yötemle ve =0,30 ve 40 örek büyüklükler ç se. yötemle elde edlmştr. Farklı örek büyüklükler ve ı farklı değerler ç üç farklı yötemle hesaplaa HKO [ ˆ] le örek büyüklükler arasıdak lşk Şekl 3 de verlmştr. Şekl 3 de de görüldüğü gb farklı değerlerde, örek büyüklüğü =5 ve =0 ç. yötemle elde edle HKO [ˆ ] daha küçük çıkmıştır. Öek büyüklüğü =5 ç. ve 3. yötemlerle elde edle HKO [ˆ ] brbre çok yakı değerler almışlardır ama 3. yötem le elde edle HKO [ˆ ] değerler ı bütü değerler ç daha küçük bulumuştur. Örek büyüklüğü arttıkça ( 0). Yötemle elde edle HKO [ˆ ], dğer k yöteme göre daha küçük bulumuştur. İk parametrel Webull dağılımıda parametre tahmler ç yapıla smülasyo çalışmasıda farklı değerler ve örek büyüklüğü ç elde edle αˆ, ˆ ve toplam sapma (TS) değerler Tablo 3. de verlmştr.

7 Aadolu Uversty Joural of Scece ad Techology, 0 () 46 Tablo 3 de görüldüğü gb ( α, ) parametre çftler tamamıda örek büyüklüğü =5 ve =0 ç 3. yötemle, =30 ve =40 ç de. yötemle e küçük TS değer elde edlmştr. Acak, =5 ve =0 ç bütü ( α, ) parametre çftler ç geel br şey söylemek mümkü olmamıştır. Tablo 3 de de görüldüğü gb. yötem le elde edle TS değer her zama. ve 3. yötemlerle elde edle TS değerde büyük bulumuştur. Farklı örek büyüklüğü ve Tablo 3 de α ve değerler ç elde edle TS değerlerdek değşm Şekl 4 de verlmştr. Şekl 4 de 3. yötem le elde edle TS değer her zama. yötemle elde edle TS değerde daha küçük değerler aldığı görülmektedr. Ayrıca örek büyüklüğüü 5 de büyük olması durumuda, değer arttıkça. ve 3. yötemler le elde edle TS değer brbre yaklaştığı görülmektedr. azalmıştır. Şekl 3 de görüldüğü gb özellkle örek büyüklüğü 5 le 0 arasıda olması durumuda hag yötemle e küçük HKO [ˆ ] elde edlebleceğ kousuu araştırılması gerektğ görülmektedr. Yötemler TS değerlere bakılarak değerledrldğde, =5 ve =0 ç 3. yötem, =30 ve =40 ç de. yötem daha uygu olduğu görülmektedr. Acak, =5 ve =0 ç bütü ( α, )parametre çftler ç geel br yötem öermek mümkü olmamıştır. İk parametrel Webull dağılımıda parametre tahm yötem olarak 5 ç E Küçük Kareler Yötem, > 5 ç de E Yüksek Olablrlk yötem kullaılması uygu görülmektedr. Acak E Küçük Kareler yötem kullaırke F değer hesaplamak ç kullaılacak ola bağıtıı da öeml olduğuu görülmektedr. 5. SONUÇ Yapıla çalışmada farklı örek büyüklüklere sahp k parametrel Webull dağılımıda, şekl parametres farklı yötemlerle tahmler araştırılmıştır. Örek büyüklüğü (=5, 0, 5, 0, 30, 40) olarak seçlmştr. Her br örek büyüklüğü ç α = ve =0.5,,.5, değerlere sahp örekler smülasyo le üretlmştr. Tahm yötemler ˆ ' ı hata kareler ortalaması ve toplam sapma değerlere göre karşılaştırılmıştır. Kullaıla yötemler HKO [ˆ ] krtere göre değerledrldğ bu çalışmada 5 olması durumuda E Küçük Kareler yötem le elde edle HKO [ˆ ] değer, E Yüksek Olablrlk yöteme göre daha küçük bulumuştur. Bu durum, k parametrel Webull dağılımıda, küçük örek büyüklüklerde ( 5) parametre tahmler ç E Küçük Kareler yötem daha uygu olduğuu göstermektedr. Özellkle örek büyüklüğü 0 ç. yötem le bulua HKO [ˆ ] ı e küçük olması, E Küçük Kareler yötem kullaırke F değer hesaplamak ç kullaılacak ola eştlğ de öeml olduğuu göstermektedr. Örek büyüklüğü ( > 5) arttıkça E Yüksek Olablrlk yötem le elde edle HKO [ˆ ] da

8 46 Aadolu Üverstes Blm ve Tekoloj Dergs, 0 () Tablo. Farklı değerler ve örek büyüklüğü ç, üç ayrı yötemle elde edle ˆ, V ˆ [ ˆ ] ve HKO [ˆ] değerler Parametre. Yötem. Yötem 3. Yötem Değerler ˆ V ˆ [ ˆ ] HKO[ˆ ] ˆ V ˆ [ ˆ ] HKO[ˆ ] ˆ V ˆ [ ˆ ] HKO[ˆ ] = 0.5 α = = α = =.5 α = = α = 5 0,779 0,603 0,077 0,4458 0,0636 0,0665 0,54 0,0867 0, ,583 0,0306 0,0379 0,4350 0,009 0,05 0,4844 0,056 0, ,558 0,580 0,086 0,443 0,036 0,07 0,4807 0,059 0, ,5387 0,005 0,00 0,4469 0,005 0,033 0,4804 0,09 0, ,54 0,006 0,0068 0,4548 0,0073 0,0093 0,483 0,0080 0, ,579 0,0044 0,0047 0,460 0,0056 0,007 0,486 0,0060 0,0063 5,446 0,6793 0,874 0,8980 0,798 0,90,050 0,38 0,3836 0,707 0,04 0,495 0,8703 0,0834 0,00 0,969 0,0 0,03 5,070 0,6300 0,0744 0,8847 0,055 0,0684 0,9636 0,0644 0,0657 0,0750 0,046 0,047 0,898 0,04 0,0539 0,9585 0,0475 0, ,0488 0,05 0,076 0,9073 0,095 0,038 0,960 0,034 0, ,0370 0,080 0,094 0,90 0,08 0,090 0,9658 0,046 0,058 5,53,390,864,3359 0,550 0,5770,564 0,7498 0,7537 0,7558 0,669 0,333,3064 0,84 0,6,4548 0,56 0,76 5,6560 0,4 0,654,337 0,4 0,55,447 0,450 0,448 0,665 0,0945 0,08,339 0,0955 0,3,4396 0,085 0, 30,570 0,0565 0,065,363 0,067 0,0863,4405 0,0737 0,077 40,5548 0,0395 0,046,388 0,0504 0,0644,4489 0,0544 0,0570 5,8954 3,0057 3,8074,799,30,633,043,6664,677 0,344 0,490 0,605,7435 0,3333 0,399,944 0,4087 0,4 5,073 0,540 0,970,7600 0,87 0,763,97 0,556 0,64 0,559 0,70 0,953,7887 0,69 0,37,96 0,9 0,98 30,0969 0,0989 0,083,866 0,5 0,488,94 0,65 0,36 40,073 0,0704 0,0757,848 0,0904 0,5,933 0,0975 0,0

9 Aadolu Uversty Joural of Scece ad Techology, 0 () 463 a) = 0. 5 b) = c) =. 5 d) = Şekl 3. Farklı örek büyüklüğü ve değerler ç HKO [ˆ ] değşm.,0 0,5 0,8. Yötem. Yötem 3. Yötem 0,4. Yötem. Yötem 3. Yötem 0,6 0,3 TD TD 0,4 0, 0, 0, 0, , ,5 0,4. Yötem. Yötem 3. Yötem 0,5 0,4. Yötem. Yötem 3. Yötem 0,3 0,3 TD TD 0, 0, 0, 0, 0,0 0, Şekl 4. Farklı örek büyüklüğü ve değerler ç TD değerler değşm.

10 464 Aadolu Üverstes Blm ve Tekoloj Dergs, 0 () Tablo 3. Farklı değerler ve örek büyüklüğü ç elde edle αˆ, ˆ ve toplam sapma (TS) değerler Parametre. Yötem. Yötem 3. Yötem Değerler ˆ αˆ TS ˆ αˆ TS ˆ αˆ TS = 0.5 α = = α = =.5 α = = α = 5 0,779,937 0,795 0,4458,78 0,866 0,54,5370 0, ,583,4449 0,6095 0,4350,3847 0,547 0,4844,939 0,35 5 0,558,099 0,048 0,443,775 0,3949 0,4807,35 0,5 0 0,5387,077 0,545 0,4469, 0,383 0,4804,74 0, ,54,0446 0,098 0,4548,54 0,48 0,483,48 0,5 40 0,579,0350 0,0708 0,460,9 0,95 0,486,09 0,70 5,446,08 0,4634 0,8980,775 0,795,050,4 0,644 0,707,070 0,877 0,8703,75 0,47 0,969,0806 0,4 5,070,00 0,7 0,8847,0859 0,0 0,9636,0588 0,095 0,0750,0099 0,0849 0,898,0747 0,89 0,9585,053 0, ,0488,0063 0,055 0,9073,0565 0,49 0,960,0396 0, ,0370,0050 0,040 0,90,0459 0,49 0,9658,03 0,0663 5,53 0,9955 0,4394,3359,0940 0,034,564,0545 0,096 0,7558 0,999 0,74,3064,0630 0,9,4548,0396 0,0697 5,6560,000 0,050,337,0504 0,679,447,039 0,078 0,665,0007 0,0784,339,046 0,498,4396,08 0, ,570 0,9990 0,0483,363,035 0,40,4405,005 0,060 40,5548,000 0,0366,388,068 0,056,4489,077 0,058 5,8954 0,9889 0,4588,799,06 0,67,043,033 0,085 0,344 0,995 0,770,7435,04 0,704,944,049 0,054 5,073 0,9966 0,07,7600,0338 0,538,97,008 0,06 0,559 0,9987 0,079,7887,094 0,35,96,088 0, ,0969 0,9988 0,0497,866,08 0,45,94,046 0, ,073 0,9985 0,038,848,085 0,097,933,07 0,0456 KAYNAKLAR Baks, J., Carso, J.S., Nelso, B.L. ve Ncol, D.M. (00). Dscrete-Evet System Smulato. Pretce Hall, 3rd. Edto. Ghosh, A. (999). A Fortra program for fttg Webull dstrbuto ad geeratg samples. Computer Geosceces, 5, Gupta, R.D. ve Kudu, D. (00). Expoetated Expoetal Famly: A Alteratve to Gamma ad Webull Dstrbutos. Bometrcal. Vol.43, Heo, J.H., Salas, J.D. ve Km, K.D. (00). Estmate of cofdece tervals of quatles for the Webull dstrbuto. Stochastc Evrometal Research ad Rsk Assessmet,.5,

11 Aadolu Uversty Joural of Scece ad Techology, 0 () 465 Hossa, A.M. ve Zmmer, W.J. (003). Comparso of Estmato methods for webull parameters: complet ad cesored samples. Joural of Statstcal Computato ad Smulato. 73(), Yıl Üverstes Zraat Fakültesde görev yapmaktadır. Johso, N.L. ve Kotz, S. (970). Cotuous Uvarate Dstrbuto-. Hough to Mffl Compay, Bosto. Kaya, M.F., Kuş, C. Ve Saraçoğlu, B. (003). Webull Dağılım Parametreler Tahm ve Smulasyo Yardımıyla Tahm Edcler Hata Kareler Ortalamasıı Karşılaştırılması. VI. Ulusal Ekoometr ve İstatstk Sempozyumu., Gaz Üverstes, Akara. Keats, J.B., Lawrece, F.P. ve Wag, F.K. (997). Webull Maxmum Lkelhood Parameter Estmates wth Cesored Data. Joural of Qualty Techol. 9(), Ross, R. (999). Comparg Lear Regresso ad Maxmum Lkelhood Methods to Estmate Webull Dstrbuto o Lmted Data Sets: Systematc ad Radom Errors. IEEE Coferece o Electrcal Isulato ad Delectrc Pheomea. Zebl, A. (99). Estmato Techgues for A Class of No-regular Dstrbutos: The Webull Case. A. Ph. D. Thess Statstcs Mddle East Techcal Uversty. M. Nur ALMALI, Karedez Tekk Üverstes Müh.-Mm. Fak. Elk.- Elkt. Müh. Bölümüde mezu oldukta sora yüksek lsas ve doktorasıı Yüzücü Yıl Üverstes de tamamladı. Hale Yüzücü Yıl Üverstes Müh.-M.m. Fakültesde görev yapmaktadır. Hayrett OKUT, Atatürk Üverstes Zraat Fakültes de mezu oladukta sora yüksek lsasıı Yüzücü Yıl Üverstes doktorasııda Ege Üverstes ve Uversty of Mesota (39. Madde le yıllık görevledrme) le 99 de tamamladı. Br çok ulusal ve uluslar arsı dergde çalışmaları yayıladı. Hale Yüzücü

12 4 Aadolu Üverstes Blm ve Tekoloj Dergs, 9 ()

Regresyon ve Korelasyon Analizi. Regresyon Analizi

Regresyon 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)

Detaylı

Tahmin Edicilerin ve Test Đstatistiklerinin Simülasyon ile Karşılaştırılması

Tahmin 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

Detaylı

YER ÖLÇÜLERİ. Yer ölçüleri, verilerin merkezini veya yığılma noktasını belirleyen istatistiklerdir.

YER 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,

Detaylı

Gamma ve Weibull Dağılımları Arasında Kullback-Leibler Uzaklığına Dayalı Ayrım

Gamma 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

Detaylı

Zaman Skalasında Box-Cox Regresyon Yöntemi

Zaman 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

Detaylı

Giriş. Değişkenlik Ölçüleri İSTATİSTİK I. Ders 5 Değişkenlik ve Asimetri Ölçüleri. Değişkenlik. X i ve Y i aşağıdaki gibi iki seri verilmiş olsun:

Giriş. 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,

Detaylı

İki veri setinin yapısının karşılaştırılması

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

Detaylı

6. Uygulama. dx < olduğunda ( )

6. 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

Detaylı

BEKLENEN DEĞER VE VARYANS

BEKLENEN 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

Detaylı

WEİBULL DAĞILIMININ ÖLÇEK VE BİÇİM PARAMETRELERİ İÇİN İSTATİSTİKSEL TAHMİN YÖNTEMLERİNİN KARŞILAŞTIRILMASI

WEİBULL 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

Detaylı

ÖRNEKLEME YÖNTEMLERİ ve ÖRNEKLEM GENİŞLİĞİ

ÖRNEKLEME 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

Detaylı

Tanımlayıcı İstatistikler (Descriptive Statistics) Dr. Musa KILIÇ

Tanımlayıcı 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.).

Detaylı

Pareto I Daılımının lk Bozulma Sansürlü Örnekleme Planına Dayalı Parametrelerinin Tahmini ve Beklenen Test Süresi *

Pareto I Daılımının lk Bozulma Sansürlü Örnekleme Planına Dayalı Parametrelerinin Tahmini ve Beklenen Test Süresi * S.Ü. e Edebyat aültes e Dergs Sayı 4 (004 9-8 KONYA Pareto I Daılımıı l Bozulma Sasürlü Öreleme Plaıa Dayalı Parametreler Tahm ve Belee Test Süres * Cou KU Mehmet eda KAYA Özet: Bu çalımada l bozulma sasürlü

Detaylı

Olabilirlik Oranı Yöntemine Dayalı, Yapısal Homojen Olmayan Varyans Testlerinin Piyasa Modeli İçin Karşılaştırılması

Olabilirlik 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

Detaylı

Tanımlayıcı İstatistikler

Tanımlayıcı 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

Detaylı

TEZ ONAYI Nur ÇELİK tarafıda hazırlaa ANOVA Modellerde Çarpık Dağılımlar Kullaılarak Dayaıklı İstatstksel Souç Çıkarımı ve Uygulamaları adlı tez çalış

TEZ 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

Detaylı

T.C. SELÇUK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ

T.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

Detaylı

DOGRUSAL REGRESYONDA SAGLAM TAHMiN EDiciLER VE BiR UYGULAMA Meral Candan ÇETiN1, Aynur ORSOY1

DOGRUSAL 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

Detaylı

= k. Aritmetik Ortalama. Tanımlayıcı İstatistikler TANIMLAYICI İSTATİSTİKLER. Sınıflanmış Seriler İçin Aritmetik Ortalama

= 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)

Detaylı

Çok Aşamalı Sıralı Küme Örneklemesi Tasarımlarının Etkinlikleri Üzerine Bir Çalışma

Çok 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

Detaylı

BİR KARMAŞIK SİSTEMİN GÜVENİLİRLİK BLOK DİYAGRAMI İÇİN OLASILIK YOĞUNLUK FONKSİYONUNUN OLUŞTURULMASI VE İSTATİSTİKSEL GÜVENİLİRLİK HESAPLAMALARI*

BİR 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

Detaylı

ARAŞTIRMA MAKALESİ / RESEARCH ARTICLE

ARAŞTIRMA 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

Detaylı

1. GAZLARIN DAVRANI I

1. 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

Detaylı

denklemini sağlayan tüm x kompleks sayılarını bulunuz. denklemini x = 64 = 2 i şeklinde yazabiliriz. Bu son kompleks sayıları için x = 2iy

denklemini 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

Detaylı

İstatistik Araştırma Dergisi, Cilt: 02, No: 02, Sayfa: , 2003.

İstatistik Araştırma Dergisi, Cilt: 02, No: 02, Sayfa: , 2003. İstatst Araştırma Dergs, Clt: 0, No: 0, Sayfa: 03-7, 003. İstatstsel Parametre Kestrm Teler Webull Dağılımıı Parametreler Hesaplamasıda Kullaımı Ve Deprem Verler Webull Dağılımıa Uygulaması Veysel YILMAZ

Detaylı

REGRESYON ANALİZİNDE KULLANILAN EN KÜÇÜK KARELER VE EN KÜÇÜK MEDYAN KARELER YÖNTEMLERİNİN KARŞILAŞTIRILMASI

REGRESYON 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,

Detaylı

Doç. Dr. Mehmet AKSARAYLI

Doç. 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

Detaylı

ÖLÇÜM, ÖLÇÜM HATALARI ve ANLAMLI RAKAMLAR

ÖLÇÜM, 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

Detaylı

Lojistik Regresyonda Meydana Gelen Aşırı Yayılımın İncelenmesi

Lojistik Regresyonda Meydana Gelen Aşırı Yayılımın İncelenmesi Yüzücü Yıl Üverstes, Zraat Fakültes, Tarım Blmler Dergs (J. Agrc. Sc.), 008, 18(1): 1-5 Araştırma Makales/Artcle Gelş Tarh: 10.06.007 Kabul Tarh: 7.1.007 Lojstk Regresyoda Meydaa Gele Aşırı Yayılımı İcelemes

Detaylı

T.C. SELÇUK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ

T.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

Detaylı

Değişkenler Arasındaki İlişkiler Regresyon ve Korelasyon. Dr. Musa KILIÇ

Değişkenler 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

Detaylı

Polinom İnterpolasyonu

Polinom 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

Detaylı

Quality Planning and Control

Quality 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

MERKEZİ EĞİLİM ÖLÇÜLERİ

MERKEZİ 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

Detaylı

Bağımsızlık özelliğinden hareketle Ortak olasılık fonksiyonu (sürekli ise

Bağımsızlık özelliğinden hareketle Ortak olasılık fonksiyonu (sürekli ise YTÜ-İktisat İstatistik II Örekleme ve Öreklem Dağılımları BASİT RASSAL ÖRNEKLEME N tae ese arasıda taelik bir öreklem seçilmesii istediğii düşüelim. eseli olaaklı her öreklemi seçilme şasıı eşit kıla seçim

Detaylı

ORTALAMA RÜZGAR HIZI VE GÜÇ YO UNLU UNUN HESAPLANMASI

ORTALAMA RÜZGAR HIZI VE GÜÇ YO UNLU UNUN HESAPLANMASI ORTALAMA RÜZGAR HIZI VE GÜÇ YOUNLUUNUN HESAPLANMASI Mehmet Nur ALMALI Yüzücü Yl Üverstes Müh.-Mm. Fa. ma@yyu.edu.tr Tahs ETE Yüzücü Yl Üverstes Yap ler ve Te. Dare Baal tahsete@yyu.edu.tr ÖZET Webull dal

Detaylı

Tahmin Edici Elde Etme Yöntemleri

Tahmin Edici Elde Etme Yöntemleri 6. Ders Tahmi Edici Elde Etme Yötemleri Öceki derslerde ve ödevlerde U(0; ) ; = (0; ) da¼g l m da, da¼g l m üst s r ola parametresi içi tahmi edici olarak : s ra istatisti¼gi ve öreklem ortalamas heme

Detaylı

İşlenmemiş veri: Sayılabilen yada ölçülebilen niceliklerin gözlemler sonucu elde edildiği hali ile derlendiği bilgiler.

İşlenmemiş veri: Sayılabilen yada ölçülebilen niceliklerin gözlemler sonucu elde edildiği hali ile derlendiği bilgiler. OLASILIK VE İSTATİSTİK DERSLERİ ÖZET NOTLARI İstatistik: verileri toplaması, aalizi, suulması ve yorumlaması ile ilgili ilkeleri ve yötemleri içere ve bu işlemleri souçlarıı probabilite ilkelerie göre

Detaylı

AES S Kutusuna Benzer S Kutuları Üreten Simulatör

AES 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

Detaylı

TÜRKİYE ŞEKERPANCARI ÜRETİMİNDE FAKTÖR TALEP ANALİZİ ( ) (TRANSLOG MALİYET FONKSİYONU UYGULAMASI) Yaşar AKÇAY 1 Kemal ESENGÜN 2

TÜRKİYE 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

Detaylı

T.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 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

Detaylı

PORTFÖY OPTİMİZASYONUNDA ORTALAMA MUTLAK SAPMA MODELİ VE MARKOWITZ MODELİNİN KULLANIMI VE İMKB VERİLERİNE UYGULANMASI

PORTFÖY 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

Detaylı

İleri Teknoloji Bilimleri Dergisi Journal of Advanced Technology Sciences ISSN:2147-3455

İleri 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

Detaylı

Bir KANUN ve Bir TEOREM. Büyük Sayılar Kanunu

Bir 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

Detaylı

2016 YILI I.DÖNEM AKTÜERLİK SINAVLARI RİSK ANALİZİ VE AKTÜERYAL MODELLEME. aşağıdaki seçeneklerden hangisinde verilmiştir? n exp 1.

2016 YILI I.DÖNEM AKTÜERLİK SINAVLARI RİSK ANALİZİ VE AKTÜERYAL MODELLEME. aşağıdaki seçeneklerden hangisinde verilmiştir? n exp 1. 06 YILI I.DÖNEM AKTÜERLİK SINAVLARI Soru Toplam hasar miktarı S i olasılık ürete foksiyou X x i PS ( t) = E( t ) = exp λi( t ) ise P S(0) aşağıdaki seçeeklerde hagiside verilmiştir? A) 0 B) C) exp λ i

Detaylı

NORMAL DAĞILIM İÇİN UYUM İYİLİĞİ TESTLERİ VE BİR SİMÜLASYON ÇALIŞMASI. Nurcan YILDIRIM YÜKSEK LİSANS TEZİ İSTATİSTİK

NORMAL DAĞILIM İÇİN UYUM İYİLİĞİ TESTLERİ VE BİR SİMÜLASYON ÇALIŞMASI. Nurcan YILDIRIM YÜKSEK LİSANS TEZİ İSTATİSTİK NORML DĞILIM İÇİN UYUM İYİLİĞİ TETLERİ VE BİR İMÜLYON ÇLIŞMI Nurca YILDIRIM YÜE LİN TEİ İTTİTİ Gİ ÜNİVERİTEİ FEN BİLİMLERİ ENTİTÜÜ ŞUBT 3 NR Nurca YILDIRIM tarafıda hazırlaa NORML DĞILIM İÇİN UYUM İYİLİĞİ

Detaylı

ŞANS KISITLI STOKASTİK PROGRAMLAMA PROBLEMLERİNİN DETERMİNİSTİK EŞİTLİKLERİ Kumru Didem ATALAY 1, Ayşen APAYDIN 2 ÖZ

ŞANS KISITLI STOKASTİK PROGRAMLAMA PROBLEMLERİNİN DETERMİNİSTİK EŞİTLİKLERİ Kumru Didem ATALAY 1, Ayşen APAYDIN 2 ÖZ ANADOLU ÜNİVERSİTESİ BİLİM VE TEKNOLOJİ DERGİSİ B Teor Blmler ANADOLU UNIVERSITY JOURNAL OF SCIENCE AND TECHNOLOGY B Theoretcal Sceces Clt/Vol.:-Sayı/No: : -8 (0 ŞANS KISITLI STOKASTİK PROGRAMLAMA PROBLEMLERİNİN

Detaylı

TABAKALI ŞANS ÖRNEKLEME

TABAKALI 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

Detaylı

Sayısal Türev Sayısal İntegrasyon İnterpolasyon Ekstrapolasyon. Bölüm Üç

Sayısal 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

Detaylı

Sağlam Ridge Regresyon Analizi ve Bir Uygulama

Sağlam 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

Detaylı

Parametrik Olmayan İstatistik Çözümlü Sorular - 2

Parametrik 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

Detaylı

9. Ders. Đstatistikte Monte Carlo Çalışmaları

9. 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

Detaylı

TOBB Ekonomi ve Teknoloji Üniversitesi İKT351 Ekonometri I, Ara Sınavı

TOBB 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

Detaylı

ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ

ÇUKUROVA 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

Detaylı

=... 29 İÇİNDEKİLER. E(X) = k... 22. 3.5. Pascal (Negatif Binom) Dağılımı... 22 1. 3.6. Hipergeometrik Dağılım... 22. N y= ... 24

=... 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

Detaylı

Bir Alışveriş Merkezinde Hizmet Sektörü Đçin En Kısa Yol Problemi ile Bir Çözüm

Bir Alışveriş Merkezinde Hizmet Sektörü Đçin En Kısa Yol Problemi ile Bir Çözüm Br Alışverş Merkezde Hzmet Sektörü Đç E Kısa Yol Problem le Br Çözüm Pıar Düdar, Mehmet Al Balcı, Zeyep Örs Yorgacıoğlu Ege Üverstes, Matematk Bölümü, Đzmr Yaşar Üverstes, Matematk Bölümü, Đzmr par.dudar@ege.edu.tr,

Detaylı

ˆp x p p(1 p)/n. Ancak anakütle oranı p bilinmediğinden bu ilişki doğrudan kullanılamaz.

ˆp x p p(1 p)/n. Ancak anakütle oranı p bilinmediğinden bu ilişki doğrudan kullanılamaz. YTÜ-İktisat İstatistik II Aralık Tahmii II 1 ANAKÜTLE ORANININ (p GÜVEN ARALIKLARI (BÜYÜK ÖRNEKLEMLERDE Her birii başarı olasılığı p ola birbiride bağımsız Beroulli deemeside öreklemdeki başarı oraıı ˆp

Detaylı

RANKI 2 OLAN SERBEST LIE CEBİRLERİNİN OTOMORFİZM GRUPLARININ SUNUMLARI 1 Reports Of Free Groups Otomorfizm Rank 2 Lie Algebras

RANKI 2 OLAN SERBEST LIE CEBİRLERİNİN OTOMORFİZM GRUPLARININ SUNUMLARI 1 Reports Of Free Groups Otomorfizm Rank 2 Lie Algebras RANKI OLAN SERBEST LIE CEBİRLERİNİN OTOMORFİZM GRUPLARININ SUNUMLARI Reports Of Free Groups Otomorfzm Rak Le Algebras Özge ÖZTEKİN Matematk Aa Blm Dalı Name EKİCİ Matematk Aa Blm Dalı ÖZET Bu çalışmada,

Detaylı

α kararlı dağılım, VaR, Koşullu VaR,, Finansal α KARARLI DAĞILIMLARLA FİNANSAL RİSK

α kararlı dağılım, VaR, Koşullu VaR,, Finansal α KARARLI DAĞILIMLARLA FİNANSAL RİSK Marmara Üverstes İ.İ.B.F. Dergs YIL 00 CİLT XXVIII SAYI I S. 549-57 Özet KARARLI DAĞILIMLARLA FİNANSAL RİSK ÖLÇÜMÜ Ömer ÖNALAN * Bu çalışmada fasal kayıları kalı kuyruklu kararlı dağılım zledğ varsayımı

Detaylı

Yrd. Doç. Dr. İhsa KARABULUT u daışmalığıda, Begül ARKANT tarafıda hazırlaa bu çalışma 3/07/008 tarhde aşağıdak jür tarafıda oy brlğ le Akara Üverstes

Yrd. Doç. Dr. İhsa KARABULUT u daışmalığıda, Begül ARKANT tarafıda hazırlaa bu çalışma 3/07/008 tarhde aşağıdak jür tarafıda oy brlğ le Akara Üverstes ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ BAĞIMLI GÖZLEMLERLE BOOTSTRAP YÖNTEMİ Begül ARKANT İSTATİSTİK ANABİLİM DALI ANKARA 008 Her hakkı saklıdır Yrd. Doç. Dr. İhsa KARABULUT u daışmalığıda,

Detaylı

İSTATİSTİKSEL TAHMİNLEME VE

İSTATİSTİKSEL 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

Detaylı

Yüksek Mertebeden Sistemler İçin Ayrıştırma Temelli Bir Kontrol Yöntemi

Yüksek Mertebeden Sistemler İçin Ayrıştırma Temelli Bir Kontrol Yöntemi Yüksek Mertebede Sstemler İç Ayrıştırma Temell Br Kotrol Yötem Osma Çakıroğlu, Müjde Güzelkaya, İbrahm Eks 3 Kotrol ve Otomasyo Mühedslğ Bölümü Elektrk Elektrok Fakültes İstabul Tekk Üverstes,34369, Maslak,

Detaylı

İstatistik Ders Notları 2018 Cenap Erdemir BÖLÜM 5 ÖRNEKLME DAĞILIMLARI. 5.1 Giriş

İstatistik Ders Notları 2018 Cenap Erdemir BÖLÜM 5 ÖRNEKLME DAĞILIMLARI. 5.1 Giriş İstatistik Ders Notları 08 Ceap Erdemir BÖLÜM 5 ÖRNEKLME DAĞILIMLARI 5. Giriş Öreklem istatistikleri kullaılarak kitle parametreleri hakkıda çıkarsamalar yapmak istatistik yötemleri öemli bir bölümüü oluşturur.gülük

Detaylı

SELÇUK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ

SELÇUK 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

Detaylı

DEÜ MÜHENDİSLİK FAKÜLTESİ FEN ve MÜHENDİSLİK DERGİSİ Cilt: 9 Sayı: 1 s. 1-7 Ocak 2007 HİDROLİK PROBLEMLERİNİN ÇÖZÜMÜNDE TAŞIMA MATRİSİ YÖNTEMİ

DEÜ MÜHENDİSLİK FAKÜLTESİ FEN ve MÜHENDİSLİK DERGİSİ Cilt: 9 Sayı: 1 s. 1-7 Ocak 2007 HİDROLİK PROBLEMLERİNİN ÇÖZÜMÜNDE TAŞIMA MATRİSİ YÖNTEMİ DEÜ MÜHENDİSLİK FAKÜLESİ FEN ve MÜHENDİSLİK DERGİSİ lt: 9 Sayı: s -7 Ocak 7 HİDROLİK PROBLEMLERİNİN ÇÖÜMÜNDE AŞIMA MARİSİ YÖNEMİ (MEHOD OF RANSFER MARIX O HE ANALYSIS OF HYDRAULI PROBLEMS) Rasoul DANESHFARA*,

Detaylı

Yığın Hacminin Tahmini İçin Bulanık Doğrusal Regresyon Modelinde Ters Tahmin Metodu

Yığın Hacminin Tahmini İçin Bulanık Doğrusal Regresyon Modelinde Ters Tahmin Metodu S Ü Fe Ed Fa Fe Derg Saı (003) 65-0, KONYA Yığı Hacm Tahm İç Bulaı Doğrusal Regreso Modelde Ters Tahm Metodu Mustafa SEMİZ, Aşır GENÇ Özet: Bu çalışmada ığı hacm tahm ç farlı br alaşım suulmatadır. Yığı

Detaylı

(DERS NOTLARI) Hazırlayan: Prof.Dr. Orhan ÇAKIR. Ankara Üniversitesi, Fen Fakültesi, Fizik Bölümü

(DERS NOTLARI) Hazırlayan: Prof.Dr. Orhan ÇAKIR. Ankara Üniversitesi, Fen Fakültesi, Fizik Bölümü FİZ433 FİZİKTE BİLGİSAYAR UYGULAMALARI DERS NOTLARI Hazırlaya: Pro.Dr. Orha ÇAKIR Akara Üverstes, Fe Fakültes, Fzk Bölümü Akara, 7! İÇİNDEKİLER. LİNEER OLMAYAN DENKLEMLERİN KÖKLERİNİN BULUNMASI I/II. LİNEER

Detaylı

EMEKLİLİK YATIRIM FONLARI DEĞERLENDİRMESİ AÇIKLAMA NOTLARI VE VARSAYIMLAR

EMEKLİLİK 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

Detaylı

Tanımlayıcı İstatistikler

Tanımlayıcı 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

Detaylı

RAYLEIGH DAĞILIMININ ARDIŞIK OLASILIK ORAN TESTİ SEQUENTIAL PROBABILITY RATIO TEST OF RAYLEIGH DISTRIBUTION

RAYLEIGH DAĞILIMININ ARDIŞIK OLASILIK ORAN TESTİ SEQUENTIAL PROBABILITY RATIO TEST OF RAYLEIGH DISTRIBUTION Eskşehr Osmagaz Üverstes Müh.Mm.Fak.Dergs C.XX, S., 7 Eg&Arch.Fac. Eskşehr Osmagaz Uversty, Vol..XX, No:, 7 Makale Gelş Tarh :.3.6 Makale Kabul Tarh : 3..6 RAYLEIGH DAĞILIMININ ARDIŞIK OLASILIK ORAN TESTİ

Detaylı

Đst201 Đstatistik Teorisi I

Đst201 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

Detaylı

Genelleştirilmiş Ortalama Fonksiyonu ve Bazı Önemli Eşitsizliklerin Öğretimi Üzerine

Genelleştirilmiş 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

Detaylı

İstatistik ve Olasılık

İstatistik ve Olasılık İstatistik ve Olasılık Ders 3: MERKEZİ EĞİLİM VE DAĞILMA ÖLÇÜLERİ Prof. Dr. İrfa KAYMAZ Taım Araştırma souçlarıı açıklamasıda frekas tablosu ve poligou isteile bilgiyi her zama sağlamayabilir. Verileri

Detaylı

Politeknik Dergisi, 2015; 18 (1) : Journal of Polytechnic, 2015; 18 (1) : 35-42

Politeknik Dergisi, 2015; 18 (1) : Journal of Polytechnic, 2015; 18 (1) : 35-42 Poltekk Dergs, 015; 18 (1) : 35-4 Joural of Polytechc, 015; 18 (1) : 35-4 Atakya Bölgesde Rüzgâr Gücü Yoğuluğu ve Rüzgâr Hızı Dağılımı Parametreler İstatstksel Aalz İlker Mert *, Cuma Karakuş ** * Dezclk

Detaylı

Populasyon Hacminin Yakalama-Tekrar Yakalama Yöntemi Kullanılarak Ters Tahmin Yöntemi ile Tahmini (1)

Populasyon 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

Detaylı

EME 3117 SİSTEM SIMÜLASYONU. Girdi Analizi Prosedürü. Dağılıma Uyum Testleri. Dağılıma Uyumun Kontrol Edilmesi. Girdi Analizi-II Ders 9

EME 3117 SİSTEM SIMÜLASYONU. Girdi Analizi Prosedürü. Dağılıma Uyum Testleri. Dağılıma Uyumun Kontrol Edilmesi. Girdi Analizi-II Ders 9 ..7 EME 37 Girdi Aalizi Prosedürü SİSTEM SIMÜLASYONU Modelleecek sistemi (prosesi) dokümate et Veri toplamak içi bir pla geliştir Veri topla Verileri grafiksel ve istatistiksel aalizii yap Girdi Aalizi-II

Detaylı

TAHMİNLEYİCİLERİN ÖZELLİKLERİ Sapmasızlık 3.2. Tutarlılık 3.3. Etkinlik minimum varyans 3.4. Aralık tahmini (güven aralığı)

TAHMİNLEYİCİLERİN 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

Detaylı

ĐÇI DEKILER 1. TEMEL ĐSTATĐSTĐK KAVRAMLAR VE OTASYO LAR 1

ĐÇI 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

Detaylı

Operasyonel Risk İleri Ölçüm Modelleri

Operasyonel 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

Detaylı

Önceki bölümde özetlenen Taylor metodlarında yerel kesme hata mertebesinin yüksek oluşu istenilen bir özelliktir. Diğer taraftan

Önceki bölümde özetlenen Taylor metodlarında yerel kesme hata mertebesinin yüksek oluşu istenilen bir özelliktir. Diğer taraftan III.5.RUNGE-KUTTA METODLARI Öcek bölümde özelee Talor meodlarıda erel kesme aa merebes üksek oluşu sele br özellkr. Dğer araa ürevler buluma ve esaplaması pek çok problem ç karmaşık ve zama alıcı olduğuda

Detaylı

Iğdır Üni. Fen Bilimleri Enst. Der. / Iğdır Univ. J. Inst. Sci. & Tech. 3(1): 73-78, 2013

Iğdır Üni. Fen Bilimleri Enst. Der. / Iğdır Univ. J. Inst. Sci. & Tech. 3(1): 73-78, 2013 Araştırma Makalesi / Research Article Iğdır Üni. Fen Bilimleri Enst. Der. / Iğdır Univ. J. Inst. Sci. & Tech. 3(1): 73-78, 2013 Iğdır Üniversitesi Fen Bilimleri Enstitüsü Dergisi Iğdır University Journal

Detaylı

İSTATİSTİK 2. Tahmin Teorisi 07/03/2012 AYŞE S. ÇAĞLI. aysecagli@beykent.edu.tr

İSTATİSTİK 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

Detaylı

HOMOJEN OLMAYAN VARYANS VARSAYIMI ALTINDA ORTALAMALARIN EŞİTLİĞİ İÇİN BAZI TEST İSTATİSTİKLERİ VE KARŞILAŞTIRMALARI Esra YİĞİT 1, Hamza GAMGAM 1 ÖZ

HOMOJEN OLMAYAN VARYANS VARSAYIMI ALTINDA ORTALAMALARIN EŞİTLİĞİ İÇİN BAZI TEST İSTATİSTİKLERİ VE KARŞILAŞTIRMALARI Esra YİĞİT 1, Hamza GAMGAM 1 ÖZ ANADOLU ÜNİVERİTEİ BİLİM VE TEKNOLOJİ DERGİİ B Teor Blmler ANADOLU UNIVERITY JOURNAL OF CIENCE AND TECHNOLOGY B Theoretcal ceces Clt/Vol.:-ayı/No: : 57-7 (0) HOMOJEN OLMAYAN VARYAN VARAYIMI ALTINDA ORTALAMALARIN

Detaylı

POISSON REGRESYON ANALİZİ

POISSON 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,

Detaylı

ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI

ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI Bezetimi e öemli faydalarıda birisi, uygulamaya koymada öce alteratifleri karşılaştırmaı mümkü olmasıdır. Alteratifler; Fabrika yerleşim tasarımları Alteratif üretim

Detaylı

NİÇİN ÖRNEKLEME YAPILIR?

NİÇİN 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

Detaylı

ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI

ALTERNATİF 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

Detaylı

Rasgele sayıda bağımlı aktüeryal risklerin beklenen değeri için alt ve üst sınırlar

Rasgele 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,

Detaylı

4/16/2013. Ders 9: Kitle Ortalaması ve Varyansı için Tahmin

4/16/2013. Ders 9: Kitle Ortalaması ve Varyansı için Tahmin 4/16/013 Ders 9: Kitle Ortalaması ve Varyası içi Tahmi Kitle ve Öreklem Öreklem Dağılımı Nokta Tahmii Tahmi Edicileri Özellikleri Kitle ortalaması içi Aralık Tahmii Kitle Stadart Sapması içi Aralık Tahmii

Detaylı

ETKİN SINIR VE BETA KATSAYI KISITLI PORTFÖY SEÇİM MODELİ ÜZERİNE BİR UYGULAMA

ETKİN 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

Detaylı

DEÜ MÜHENDİSLİK FAKÜLTESİ FEN BİLİMLERİ DERGİSİ

DEÜ 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

Detaylı

ÖZET Yüksek Lsas Tez NORMAL DAĞILIM VE NORMAL DAĞILIMLA İLGİLİ ÇIKARIMLAR Şeol ÇELİK Akara Üverstes Fe Blmler Esttüsü İstatstk Aablm Dalı Daışma : Doç

ÖZET Yüksek Lsas Tez NORMAL DAĞILIM VE NORMAL DAĞILIMLA İLGİLİ ÇIKARIMLAR Şeol ÇELİK Akara Üverstes Fe Blmler Esttüsü İstatstk Aablm Dalı Daışma : Doç ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ NORMAL DAĞILIM VE NORMAL DAĞILIMLA İLGİLİ ÇIKARIMLAR Şeol ÇELİK İSTATİSTİK ANABİLİM DALI ANKARA 006 Her hakkı saklıdır ÖZET Yüksek Lsas Tez

Detaylı

LİNEER OLMAYAN DENKLEMLERİN SAYISAL ÇÖZÜM YÖNTEMLERİ-2

LİNEER OLMAYAN DENKLEMLERİN SAYISAL ÇÖZÜM YÖNTEMLERİ-2 LİNEER OLMAYAN DENKLEMLERİN SAYISAL ÇÖZÜM YÖNTEMLERİ SABİT NOKTA İTERASYONU YÖNTEMİ Bu yötemde çözüme gitmek içi f( olarak verile deklem =g( şeklie getirilir. Bir başlagıç değeri seçilir ve g ( ardışık

Detaylı

ÇOKLU REGRESYON MODELİ, ANOVA TABLOSU, MATRİSLERLE REGRESYON ÇÖZÜMLEMESİ,REGRES-YON KATSAYILARININ YORUMU

ÇOKLU REGRESYON MODELİ, ANOVA TABLOSU, MATRİSLERLE REGRESYON ÇÖZÜMLEMESİ,REGRES-YON KATSAYILARININ YORUMU 6.07.0 ÇOKLU REGRESON MODELİ, ANOVA TABLOSU, MATRİSLERLE REGRESON ÇÖZÜMLEMESİ,REGRES-ON KATSAILARININ ORUMU ÇOKLU REGRESON MODELİ Ekonom ve şletmeclk alanlarında herhang br bağımlı değşken tek br bağımsız

Detaylı

NİĞDE İLİ RÜZGAR ENERJİSİ POTANSİYELİ WIND ENERGY POTENTIAL OF NIGDE PROVINCE

NİĞDE İLİ RÜZGAR ENERJİSİ POTANSİYELİ WIND ENERGY POTENTIAL OF NIGDE PROVINCE Niğde Üiersitesi Mühedislik Bilimleri Dergisi, Cilt 1, Sayı, (1), 37-47 NİĞDE İLİ RÜZGAR ENERJİSİ POTANSİYELİ Uğur YILDIRIM 1,* Yauz GAZİBEY, Afşi GÜNGÖR 1 1 Makie Mühedisliği Bölümü, Mühedislik Fakültesi,

Detaylı

İSTATİSTİKSEL TAHMİN. Prof. Dr. Levent ŞENYAY VIII - 1 İSTATİSTİK II

İSTATİSTİKSEL TAHMİN. Prof. Dr. Levent ŞENYAY VIII - 1 İSTATİSTİK II 8 İSTATİSTİKSEL TAHMİN 8.. İstatistiksel tahmileyiciler 8.. Tahmileyicileri Öellikleri 8... Sapmasılık 8... Miimum Varyaslılık 8..3. Etkilik 8.3. Aralık Tahmii 8.4. Tchebysheff teoremi Prof. Dr. Levet

Detaylı

ANADOLU ÜNİVERSİTESİ BİLİM VE TEKNOLOJİ DERGİSİ ANADOLU UNIVERSITY JOURNAL OF SCIENCE AND TECHNOLOGY Cilt/Vol.:7 Sayı/No: 1 : (2006)

ANADOLU ÜNİVERSİTESİ BİLİM VE TEKNOLOJİ DERGİSİ ANADOLU UNIVERSITY JOURNAL OF SCIENCE AND TECHNOLOGY Cilt/Vol.:7 Sayı/No: 1 : (2006) ANADOLU ÜNİVERSİTESİ BİLİM VE TEKNOLOJİ DERGİSİ ANADOLU UNIVERSITY JOURNAL OF SCIENCE AND TECHNOLOGY Clt/Vol.:7 Sayı/No: : 65-74 (26 DERLEME/REVIEW YAŞAM TESTİNDE KULLANILAN ÜSTEL VE WEİBULL DAĞILIMLARININ

Detaylı

Tanımlayıcı İstatistikler

Tanımlayıcı İstatistikler TANIMLAYICI İSTATİSTİKLER MERKEZİ EĞİLİM ÖLÇÜLERİ Dr. Mehmet AKSARAYLI D.E.Ü. İ.İ.B.F. EKONOMETRİ BÖLÜMÜ mehmet.aksarayl@deu.edu.tr Taımlayıcı İstatstkler Yer Ölçüler (Merkez Eğlm Ölçüler) Duyarlı Ortalamalar

Detaylı

değerine bu matrisin bir girdisi(elemanı,bileşeni) denir. Bir sütundan (satırdan) oluşan bir matrise bir sütun (satır) matrisi denir.

değerine bu matrisin bir girdisi(elemanı,bileşeni) denir. Bir sütundan (satırdan) oluşan bir matrise bir sütun (satır) matrisi denir. Bölüm 2 Matrsler aım 2.1 F br csm, m, brer doğal sayı olsu. a F ( 1,.., m; j 1,..., ) olmak üzere, a11... a1 fadese m satır sütuda oluşa (veya m tpde) br F matrs der. am 1... a m Böyle br matrs daha sade

Detaylı

Matematik olarak normal dağılım fonksiyonu. 1 exp X 2

Matematik olarak normal dağılım fonksiyonu. 1 exp X 2 Matematk olarak ormal dağılım foksyou f ( ) ep ( ) Şeklde fade edlr. Burada μ artmetk ortalama, σ se stadart sapma değer gösterr ve dağılım foksyou N(μ, σ) otasyou le gösterlr. Bu deklem geometrk görütüsü

Detaylı