SESSION 1. Asst. Prof. Dr. Fatih Ecer (Afyon Kocatepe University, Turkey) Abstract
|
|
- Ebru Özbey
- 8 yıl önce
- İzleme sayısı:
Transkript
1 SESSION 1 Türkye dek Kout Fyatlarıı Tahmde Hedok Regresyo Yötem le Yapay Sr Ağlarıı Karşılaştırılması Comparso of Hedoc Regresso Method ad Artfcal Neural Networks to Predct Housg Prces Turkey Asst. Prof. Dr. Fath Ecer (Afyo Kocatepe Uversty, Turkey) Abstract Ower-occuped housg s both a place to lve ad also the most mportat asset may households portfolo. Accurately predctg of house prces s therefore of great terest to the geeral publc. Ths paper ams to compare the housg prce predcto accuraces of Hedoc Model (HM) ad Artfcal Neural Networks (ANNs). I order to acheve ths am, two techques predcto results were compared by usg four performace crtera: RMSE, MAE, MAD, ad Thel s U statstc. Ths study uses the HM ad ANNs to emprcally determe the house prces Turkey. HM s the stadard techque for modelg the behavor of house prces over the past three decades ad s based o mcro ecoomc theory. The o-lear relatoshp betwee house prce ad ts determats ca be modeled by a ANN, so t s employed ths paper as a alteratve method. Emprcal results revealed that ANNs performed better tha HM house prce predctos, dcatg that ANNs could be useful for predcto of house prces. More clearly, the performace crtera from the ANNs are smaller tha those from the HM by roughly 60-90%. For stace, the ANN model has about 77 percet lower RMSE, 91 percet lower MAE, 64 percet lower MAD, ad 77 percet lower Thel s U statstc tha those of the HM. 1 Grş Kout, breyler çde yaşadığı mekalardır. Ayrıca çde yaşaya salara ekoomk ve toplumsal faydalar sağlaya dayaıklı br tüketm malı ve br yatırım aracıdır (Keleş, 2006; Sg vd. 2006). Pek çok sa ç sahp oldukları koutlar portföylerdek e değerl madd varlıklardır (Schulz ve Werwatz, 2004). Gelşmş ülkelerde emlak sektörü haehalkı zeglğe e büyük katkı sağlaya usur olduğu gb hükümetler verg gelr çde öeml br paya da sahptr. Bu bakımda kout fyatları poltkacıları, bakacıları, emlakçıları ve ev sahpler e çok lgledkler koularda brdr (Selm, 2009). Türkye de çoğu sa ev sahb olmayı stemektedr ve br kout almaı yapılablecek e öeml ve karlı yatırım olduğuu düşümektedr. Düyaı yaygı emlak ağlarıda ERA ı Avrupa raporua göre Türkye dek kout sahplğ oraı % 68 dr. Bu ora ABD'de % 70, İgltere'de % 67, Almaya'da se % 40 sevyesdedr. Türkye de kout satışları özellkle mortgage yasasıı kabul edlmes ardıda öeml br artış göstermştr. Şekl 1 de so yıllarda ülkemzde gerçekleşe kout satışlarıa lşk grafk verlmştr. Bua göre 2008 yılıda adet, 2009 yılıda adet, 2010 yılıda , 2012 de adet ve 2013 te se adet kout satışı gerçekleşmştr (TÜİK, 2014). Şekl 1. Türkye dek kout satış sayıları Kayak: TÜİK. Kout fyatıdak değşmeler sosyo-ekoomk koşulları ve gelecektek ulusal ekoomk koşulları etklemektedr. Kout fyatları kout talebe bağlı olarak değşr. Taleb kısa zamada karşılaamaması halde fyatlar artar (Hott, 2011; Km ve Park, 2005). Kout fyatlarıı doğru tahm edlmes kout pyasasıdak faalyetler açısıda öemldr. Kout alalar ve satalar koutları gerçek değer blmek sterler. Yatırım araçları arasıda kouta yatırım yapmak steyeler ç de kout fyatıı gerçekç tahm edlmes oldukça öemldr (B, 2004). Kout fyatı tahm problemlerde kullaıla yötemler geleeksel ve gelşmş
2 2 INTERNATIONAL CONFERENCE ON EURASIAN ECONOMIES 2014 yötemler olarak kye ayrılablr. Regresyo aalz temell br yötem ola hedok model, geleeksel yötemler sııfıda yer alır. İsa düşüme sürec taklt ede yötemler se gelşmş yötemler kategorse grer. Yapay sr ağları (YSA), bulaık matık ve ARIMA gelşmş yötemler kategorsde yer ala yötemler başlıcalarıdır (Pagourtz vd., 2003). Çoklu regresyo tekkler kullaa hedok modeller kout fyatlarıı belrlemesde sıklıkla kullaılmaktadır (Coulso ve McMlle, 2008; Fletcher vd., 2004; Kefer, 2011; Kel ve Zabel, 2008; Stadelma, 2010). Hedok modelle, br malı özellkler fyat üzerdek etks araştırılır. Hedok model yardımıyla br malı özellkler le fyatı arasıda lşk kurarak, lave br özellğ malı fyatı üzerdek etks belrlemeye çalışılır. Dğer br fadeyle lave özellkler le malları farklılaştırılması sağlaır (Ülükara, 2008). Bağımlı ve bağımsız değşkeler arasıdak lşkler bastçe tahm edlmesde hedok model oldukça uygu olmakla brlkte kout fyatıı tahmde yararlaıla değşkeler arasıdak doğrusal olmaya lşkler sebebyle hedok modeller gerçekç souçlar verememektedr. YSA, bu tür soruları çözümüde başvurulablecek alteratf yötemlerde brsdr (Kauko, 2003). YSA modellerde e popüler olaı daışmalı, ler beslemel ve geryayılım (backpropagato) algortmasıı kullaa br model ola Çok Katmalı Algılayıcılardır (MLP). Pek çok bezerlkler olması sebebyle MLP model çoklu regresyo aalz gelştrlmş br formu olarak görülmektedr (Tay ve Ho, 1992). Bu çalışmada hedok model le YSA yötemler kullaılarak İzmr de 2013 yılıda satıla koutlarda rasgele br öreklem oluşturulmuş ve koutları fyatı tahm edlerek yötemler performasları karşılaştırılmıştır. Çalışmaı özgü yaı YSA modeller kout fyatıı tahmde kullaılablecek güçlü modeler olduğuu belrlemş olmasıdır. Çalışma 7 bölümde oluşmaktadır. Sorak bölümüde kouyla lgl yapılmış çalışmalarda bahsedlmştr. 3. bölümde kout fyatıı tahmde kullaıla yötemlerde hedok model le YSA kısaca ele alımıştır. 4. bölümde kout fyatıı tahmde kullaıla ver set ve değşkeler açıklamıştır. 5. bölümde yötemler tahm performasları karşılaştırılmıştır. 6. bölümde elde edle bulgular ortaya koulmuş ve so bölümde souçlar değerledrlmştr. 2 Lteratür araştırması Hedok modelle lgl lk çalışmaları Lacaster (1966) ve Muellbauer (1974) yapmıştır. Hedok fyat teorse lşk kapsamlı değerledrmeler se Rose (1974) çalışmasıa dayaır. Ayrıca, Bhattacharya ve Km (2011), Boelhouwer vd. (2004), Clapp ve Gaccotto (2002), Costello ve Watks (2002), Curts (2011), Hamett (2009), Km ve Cho (2010) le Watso (2010) kout fyatıı belrleyclere ve tahme yöelk çalışmalar yapmışlardır. Kout fyatları, fyatı koutu özellkler tarafıda belrledğ hedok modellerle tahmleeblr (Bourassa vd., 2007). Kout fyatları belrlerke koutu özellkler ve çevres dkkate alıır. Satı alıması düşüüle koutlar koutu buluduğu mevk, yapısal özellkler, yakı çevres ve kamu hzmetde yararlaablme olaakları göz öüde buludurularak değerledrlr (Ka ve Qugley, 1975). Şehr merkeze yakılık, ulaşım olaaklarıı olması ve çeştllğ, düşük vergler, kamu hzmetler kaltes, eğtm kurumlarıa yakılık, çevre sosyo-ekoomk özellkler, doğa güzellkler gb etmeler kout fyatıı arttıra özellkler olması bekleeblr (Kefer, 2011; Stadelma, 2010). Maclea (1977), hedok model uygulamalarıı ele aldığı çalışmasıda kout fyatıı belrleye etmeler araştırmış ve özellkle çevresel faktörler fyat üzerdek etks belrlemeye çalışmıştır. Adar vd. (2000), İrlada Belfast ta 2648 kout üzerde yaptıkları çalışmada ulaşım olaaklarıı kout fyatı üzerdek etks araştırmışlardır. Elde edle souçlara göre ulaşım mkalarıı kout fyatıa etks şehr merkezde çok az ke özellkle alt gelr grubuu yaşadığı dış mahallelerde öeml sayılablecek br düzeyde bulumuştur. Stadelma (2010), Zürh kete bağlı 169 beledyedek koutları değerledrdğ çalışmasıda br hedok modelle 33 değşke kullaarak hag değşkeler kout fyatıı belrlemesde daha öeml olduğuu araştırmıştır. Araştırmaı souçları şehr merkeze ve alışverş merkezlere yakılık le hava krllğ sevyes kout fyatıı e öeml belrleycler olduğuu göstermştr. Selm (2008), yaptığı çalışmada Türkye de kout fyatlarıı belrleye faktörler aalz etmştr. Bua göre kout fyatlarıı etkleye e öeml özellkler koutu tp, yapı türü, oda sayısı, koutu büyüklüğü, koutu su sstem, havuz ve doğal gaza sahp olmasıdır. Cgöz (2011), kout fyatıı belrleycler üzere yaptığı çalışmada koutu buluduğu semt, şehr merkeze ola uzaklığı, stede havuz, gölet, spor alaı, tes kortu, güvelk ve park bulumasıı, koutu mazaraya sahp olmasıı, büyüklüğüü, oda sayısıı ve yakııda hastae bulumasıı kout fyatıa etk ede e öeml faktörler olduğuu belrlemştr. Kout fyatıı tahm etmeye yöelk yapıla ve YSA modeller kullaıldığı çalışmaları büyük çoğuluğu YSA modeller kout fyatlarıı tahm etmede dğer modellerde daha y performas sergledğ göstermektedr. Buula brlkte az sayıda da olsa bazı çalışmalar se ters görüşü savumaktadır. Öreğ Alle ve Zumwalt (1994), Lek vd. (1997), Worzala vd. (1995) bu çalışmalarda bazılarıdır.
3 SESSION 3 3 Kout fyatıı tahmde kullaıla yötemler Bu bölümde çalışmada kout fyatıı tahm edlmesde yararlaıla yötemlerde hedok model le YSA kısaca ele alımıştır. 3.1 Hedok model Hedok yaklaşımda br ürüü özellkler fyat üzerdek etks araştırılmaktadır. Dğer br fadeyle hedok model, br ürüü özellkleryle fyatı arasıda lşk kurarak ek br özellğ ürüü fyatı üzerdek etks belrlemesde kullaılır. Regresyo aalz, ürü pyasasıda hedok yaklaşım olarak adladırılmaktadır. Regresyo model bağımlı ve bağımsız değşkeler arasıdak lşkler yorumlamasıa olaak verr. Model yapısıı bast olması ve hesaplama kolaylığı sağlaması ou cazp ve güçlü yapa k usurdur. Buula beraber doğru foksyou belrleme zorluğu se zayıf tarafıdır. Y bağımlı değşke,. bağımsız değşke ve. formülle fade edleblr: 0 X 1 bağımsız değşke katsayısıı göstermek üzere hedok model (1) olu Y (1) Görüldüğü gb hedok model yapısı çoklu regresyo modelyle ayıdır. Acak hedok yaklaşımda farklı foksyoel yapılar kullaılablmektedr. E çok kullaıla foksyoel yapılar leer form, doğal logartma, logartma ve kök döüşümüdür. Buula brlkte hedok modele getrle bazı eleştrler de vardır. Bu eleştrler geellkle arz ve taleb belrlemes, hedok model foksyoel formu ve bağımsız değşkeler belrlemesyle lgldr (Selm, 2009). 3.2 Yapay sr ağları (YSA) YSA, sa bey öğreme sürec taklt ederek oluşturulmuş blgsayar sstemlerdr. Kedlere gösterle örekler le eğtleblrler ve bu sayede bezer koularda karar vereblrler. Br YSA grd, gzl ve çıktı katmaı olmak üzere üç katmada oluşur. Her katmada se örolar buluur. Br öro öce kede gele grdler ve oları ağırlık değerler alır. İkc aşamada et grdy hesaplar. Net grd, her grd değeryle ked ağırlığıı çarpılıp toplamasıyla elde edlr. Rumelhart vd. (1986), et grd şu şeklde buluduğuu belrtmşlerdr: Net 1 G A Elde edle et grd değer hperbolk tajat, sgmod, eşk, doğrusal gb smler ala aktvasyo foksyoları yardımıyla döüştürülür ve böylece br çıktı üretlr. Hperbolk tajat foksyou (3) olu formülle fade edleblr ve ( 1,1 ) arasıda değerler alır. x x e e ( x) (3) x x e e Aktvasyo foksyou yardımıyla çıktıı üretlmes se matematksel olarak şöyle gösterleblr: Ç f Net (4) Çalışmada YSA modellerde br ola MLP model kullaılmıştır. Lteratürde e çok kullaıla YSA modellerde br ola MLP model ler beslemel br ağ olup Rumelhart vd. (1986) tarafıda gelştrlmştr. MLP model daışmalı öğreme stratejs kullaır. MLP ağlarıı eğtmek ç geryayılım algortması kullaılır. Bu algortma hatayı gerye doğru yayarak e aza drr. Grd ve çıktı parametreler arasıda kes br foksyoel lşk kurulamadığıda dolayı YSA kara kutuya bezetlmektedr (Kauko vd., 2002). YSA modeller hedok modelle ayı grd ve çıktı parametreler kullaır. Dolayısıyla bu çalışmada grd parametreler olarak koutu özellkler, çıktı parametres olarak se fyatı logartması kullaılmıştır. 4 Kout fyatıı tahm Türkye üfus bakımıda üçücü büyük ket ola İzmr de 2010 da adet, 2011 de ve 2012 de adet ve 2013 te se kout el değştrmştr (TÜİK, 2014). Çalışmada İzmr de 2013 yılı Ocak-Temmuz ayları arasıda satıla ve rastgele örekleme yötemyle belrlee 610 kout ver set oluşturmuştur. Koutları satış fyatıı yaıda yaşı, oda sayısı, kaçıcı katta buluduğu, büyüklüğü, kler olup olmadığı gb kouta lşk pek çok özellkle lgl blgler derlemştr. X (2)
4 4 INTERNATIONAL CONFERENCE ON EURASIAN ECONOMIES Ver set ve değşkeler Ver setde yer ala koutları sahp olduğu 83 özellk se tahm modellerde bağımlı ve bağımsız değşkelerdr. Bu değşkeler kısaca şu şeklde özetleeblr: Fyat: Koutu fyatı; Büyüklük: m 2 csde koutu büyüklüğü; Oda sayısı: Koutta bulua oda sayısıdır. Bu sayı belrlerke salo, oda sayısıa dahl edlmştr. Öreğ 3+1 tp br kout 4 odalı olarak değerledrlmştr; Yaş: Koutu yaşı; Kat: Koutu kaçıcı katta buluduğu; ADSL, duşakab,,şofbe: Koutu ç özellkler göstere kukla (kl) değşkeler; Asasör, jeeratör,, yüzme havuzu: Koutu dış özellkler göstere kukla değşkeler; Alışverş merkez, deze yakılık,, üverste: Koutu koumuu göstere kukla değşkeler; Aayol, dolmuş,,skele: Koutu ulaşım mkalarıı göstere kukla değşkeler; Dez mazarası, doğa mazarası, şehr mazarası: Koutu mazarasıa lşk kukla değşkeler; Bahçel, dubleks: Kout tp belrte kukla değşkeler; Kuzey cephe,, batı cephe: Koutu cephes belrte kukla değşkeler. Değşkeler kümesde yer ala kukla değşkeler, eğer kout belrtle özellğe sahpse 1 aks halde 0 değer ala değşkelerdr. Öreğ otobüs durağı değşke br kukla değşkedr ve koutu yakııda otobüs durağı varsa 1, yoksa 0 şeklde fade edlmştr. Çalışmada fyat, büyüklük, oda sayısı, yaş ve kat değşkeler harcdek değşkeler kukla değşkelerdr. Tablo 1 de sürekl değşkeler taımlayıcı statstkler görülmektedr. Koutları satış fyatı TL le TL arasıda değşmekte olup satış fyatı ortalaması yaklaşık dr. Kout büyüklüğü ortalaması 125 m 2 dr. Yaş ortalaması yaklaşık 12 olup e yaşlı kout 32 yaşıdadır. Koutları km zem katta km se 20. kattadır. Bazı koutlar şehr merkezde, bazıları deze sıfır koumda, bazıları doğa mazaralı, bazıları okullara yakı, bazıları aayol üzerde, bazıları se terasa sahptr. Değşke Ortalama Stadart sapma Mmum Maksmum Bağımlı değşke Fyat Bağımsız değşkeler Büyüklük Oda sayısı Yaş Kat Tablo 1. Sürekl değşkelere lşk statstkler 5 Modeller tahm performaslarıı karşılaştırılması Çalışmada e uygu modele karar vermek ç farklı hedok modeller kurulmuş ve e y model logfyat model olduğu belrlemştr. Modeller tahm doğruluklarıı karşılaştırmak amacıyla performas ölçütler olarak da adladırıla hataları karel ortalamasıı karekökü (RMSE), ortalama mutlak hata (MAE), medyaı mutlak sapması (MAD) ve Thel U değerlerde yararlaılmıştır. 5.1 Hedok model Hedok model % 95 güve düzeyde Tablo 2 de verlmş ola bağımsız değşkeler kapsaya br model olarak kurulmuştur. Hedok model formu, log Fyat 0 1X X 81 (5) şeklde olup X 1 de X 81 e kadar ola değerler 81 bağımsız değşkee, 1 de 81 e kadar ola değerler se bağımsız değşkeler katsayılarıa karşılık gelmektedr. Ayrıca hedok model tahmde e küçük kareler (EKK) yötem kullaılmıştır. Tablo 2 de ayı zamada regresyo katsayıları, stadart hatalar ve alamlılık düzeyler de bulumaktadır. Tablo 2 de yer ala bağımsız değşkeler YSA modelde de kullaıldığıı belrtmekte yarar vardır.
5 SESSION 5 Değşke Katsayı Stadart hata t p Sabt Sürekl değşkeler Büyüklük * Yaş Kat İç Özellkler ADSL Duşakab * Gyme Odası * İterkom Kler * PVC Şöme Balko Ebevey Bayo * Gömme Dolap * Isıcam Klma Akastre Mutfak * Pajur * Spot ışığı Çamaşır Odası Hırsız Alarmı Barbakü Fber İteret Görütülü Dafo Jakuz * Lamat Parke Parke Zem Teras Çelk Kapı Yagı Alarmı Duvar Kağıdı Kartopyer Saua W-F Şofbe * Dış Özellkler Asasör * Jeeratör Kreş Tes Kortu Güvelk Kablo TV Otopark Yagı Merdve Hdrofor Kapalı Garaj * Oyu Parkı Spor Alaı Yüzme Havuzu * Isı Yalıtım Kapıcı Ses Yalıtımı Su Deposu Koum (Muht) AVM
6 6 INTERNATIONAL CONFERENCE ON EURASIAN ECONOMIES 2014 Dez kearı Hastae Market Semt Pazarı İtfaye Eczae Park Şehr Merkez Cam Eğlece Merkez Üverste Lse İlköğretm Okulu * Ulaşım Aayol üzer Dolmuş Cadde üzer Otobüs Durağı Tre İstasyou Dez Otobüsü İskele * Mazara Dez Mazarası * Doğa Mazarası Şehr Mazarası Kout tp Bahçel Dubleks Cephe Batı Cephe Doğu Cephe Güey Cephe Kuzey Cephe R R Stadart hata Akake blg ölçütü (AIC) Schwarz blg ölçütü (BIC) Durb-Watso statstğ * % 95 güve düzeyde statstksel olarak alamlıdır. Tablo 2. Hedok model tahmcler Hedok modele göre koutu büyüklüğü, koutta duşakab, gyme odası, kler, ebevey bayosu, gömme dolap, akastre mutfak, pajur, jakuz, şofbe, asasör olması le koutu buluduğu stede kapalı garaj ve yüzme havuzu olması, koutu lköğretm okulua ve skeleye yakılığı le dez mazarasıa sahp olması kout fyatıı etklemektedr. Ayrıca bu değşkelerde koutu büyüklüğü, koutta duşakab, gyme odası, ebevey bayo, gömme dolap, akastre mutfak, pajur, jakuz, asasör, açık yüzme havuzu olması le koutu skeleye yakılığı ve dez mazarasıa sahp olması koutu fyatıı arttırmaktadır. Hedok modele lşk ANOVA test souçları se Tablo 3 te özetlemştr. ANOVA test souçları model br bütü olarak alamlı olduğuu göstermştr. Model Kareler Ortalama F p toplamı Kareler Regresyo Hata Toplam Tablo 3. ANOVA test souçları
7 SESSION Yapay sr ağları Çalışmada YSA modellerde br ola MLP model terch edlmştr. MLP modelde kullaıla bağımlı ve bağımsız değşkeler, karşılaştırmaı sağlıklı br şeklde yapılablmes ç hedok modelde kullaılalarla ayıdır. Dğer br fadeyle logfyat bağımlı değşke olup kouta lşk dğer 81 özellk se bağımsız değşkeler olarak modelde yer almıştır. Ayrıca, bu değşkeler brçoğu YSA le kout fyatıı belrledğ dğer çalışmalarla örtüşmektedr (D vd., 2001; Do ve Grudtsk, 1992; Hatzchrstos ve Frech, 2003; Kauko vd., 2002; Lek vd., 1997; McCluskey ve Borst, 1997; Nguye ve Crpps, 2001; Pagourtz vd., 1995; Tay ve Ho, 1992; Vst vd., 2004). Çalışmada çok sayıda mmar deeerek e az hataya sahp model elde edlmeye çalışılmıştır. Bu modelde br gzl katma olup gzl katmada 3 öro bulumaktadır. Hem gzl katmada hem de çıktı katmaıda hperbolk tajat foksyou kullaılmıştır. Öğreme oraı 0.2 olup mometum katsayısı se 0.6 dır. Çalışmada e y tahm performasıı gerçekleştre YSA model mmar yapısı Şekl 2 de verlmştr. Şekl 2 de yuvarlaklar öroları, çzgler se ağırlıkları göstermektedr. İler beslemel br ağ ola bu modelde grd katmaı, br gzl katma ve çıktı katmaı yer almaktadır. Büyüklük Yaş Kat ADSL Duşakab Dubleks 6 Tartışma Grd katmaı Gzl katma Çıktı katmaı Şekl 2. YSA mmars Kullaıla k model tahm doğruluklarıı karşılaştırmak ç dört farklı performas ölçütü kullaılmıştır: RMSE, MAE, MAD ve Thel U değer. Hata değerler üzere kurulu ola bu değerler sıfıra yakı çıkması, model tahm performasıı mükemmele yakı olduğuu fade etmektedr. y koutu gerçek fyatıı, y koutu modellerle tahm edle fyatıı, gözlem sayısıı, e. koutu gerçek fyatı le tahm edle fyatı arasıdak farkı (hata) göstermek üzere performas ölçütler matematksel olarak şöyle fade edleblr: RMSE ^ y y 2 1 ^ MAE y y (7) e MAD medya e medya (8) ^ y y Thel U 2 y 2 Tablo 4, performas ölçütler hesaplamalar soucu bulua değerler göstermektedr. RMSE değer hedok modelde , MLP modelde se dr. MLP model RMSE değer hedok model RMSE değerde % daha düşüktür. MAE değer hedok modelde , MLP modelde se olup MLP model RMSE değer hedok model RMSE değerde % daha düşüktür. MAD değerler karşılaştırıldığıda hedok model MAD değer , MLP model MAD değer se olduğu görülmektedr. Bua göre MLP model MAD değer hedok model MAD değerde % daha düşüktür. Bezer şeklde Thel U değerler karşılaştırıldığıda Thel U değerler hedok model ve MLP model ç sırasıyla ve olduğu görülmektedr. Bua göre MLP model Thel U değer (6) (9)
8 8 INTERNATIONAL CONFERENCE ON EURASIAN ECONOMIES 2014 hedok model Thel U değerde % daha düşüktür. Bulgulara göre dört performas ölçütü ç de MLP model hedok modelde daha y performas sergledğ görülmektedr. Çükü MLP modelde elde edle RMSE, MAE, MAD ve Thel U değerler hedok modelde elde edle değerlere göre daha küçüktür. MLP model hedok modelde daha y performas serglemes, MLP model kout fyatıı hedok modelde daha doğru tahm ettğ şeklde yorumlaablr. Ayrıca, MLP modele göre kout fyatıı etkleye değşkeler, yüzme havuzu, koutu dez kearıda olması, şehr merkeze yakı olması, hırsız alarmıı olması, gömme dolaba sahp olması, yaşı, tre stasyoua yakılığı, buluduğu stede güvelğ olması, dez otobüsüe yakılığı, cam, üverste ve sağlık ocağıa yakılığı, cadde üzerde olması, akastre mutfağa, ses yalıtımıa ve ısıcama sahp olması, kablo TV, hdrofor ve çelk kapıı olması ve terastır. 7 Souç Hedok MLP Fark (%) model RMSE MAE MAD Thel U Tablo 4. Hedok model le MLP modeller tahm performasları Türkye de pek çok sa ev sahb olmak stemektedr ve br ev satı almaı yapılablecek e karlı yatırım olduğuu düşümektedr. Türkye, yaklaşık % 70 kout sahplğ oraı le düyada e yüksek kout sahplğe sahp ülkelerde brdr. Türkye de kout pyasası hızla büyümektedr ve kout fyatları ev ala ve satalar açısıda oldukça öeml br koudur. Kout fyatı belrlerke kouta lşk pek çok özellğ fyat üzerde etkl olduğu blmektedr. Koutu yaşı ve metrekare olarak büyüklüğü le kout fyatı arasıda doğrusal olmaya br lşk olduğu geçmşte yapıla çalışmalarda ortaya koulmuştur. Bu edele kout fyatıı tahm ederke leer yaklaşımları kullamak elde edle tahm souçlarıa ola güve sarsmaktadır. Doğrusal olmaya lşkler modelleyeblme yeteeğe sahp ola YSA, çalışmada hedok yaklaşıma alteratf olarak kullaılmıştır. Bu çalışmada, İzmr Karşıyaka lçesde 2013 yılı Ocak-Temmuz ayları arasıda satılmış ola 610 koutu verler kullaılarak kout fyatı tahmlemes yapılmıştır. Kout fyatı tahmde hedok model le YSA modellerde MLP model kullaılmıştır. Hedok modele göre koutu büyüklüğü, koutta duşakab, gyme odası, kler, ebevey bayo, gömme dolap, akastre mutfak, pajur, jakuz, şofbe, asasör, kapalı garaj ve açık yüzme havuzu olması, lköğretm okulua ve skeleye yakılığı le dez mazarasıa sahp olması kout fyatıı etkleye e öeml değşkeler olarak bulumuştur. MLP modelde se, kout fyatıı etkleye değşkeler, yüzme havuzu, koutu dez kearıda olması, şehr merkeze yakı olması, hırsız alarmıı olması, gömme dolaba sahp olması, yaşı, tre stasyoua yakılığı, buluduğu stede güvelğ olması, dez otobüsüe yakılığı, cam, üverste ve sağlık ocağıa yakılığı, cadde üzerde olması, akastre mutfağa, ses yalıtımıa ve ısıcama sahp olması, kablo TV, hdrofor ve çelk kapıı olması ve terastır. İk model tahm doğrulukları karşılaştırıldığıda MLP model hedok modelde daha y tahm yaptığı soucua ulaşılmıştır. Elde edle souçlar kout fyatıı tahm ederke MLP model hedok modelde daha doğru tahm gerçekleştrdğ göstermştr. Tahm doğruluklarıı karşılaştırmak amacıyla yararlaıla dört performas krter gözöüde buludurulduğuda MLP modelde elde edle değerler hedok modelde elde edlelere kıyasla yaklaşık % daha küçük olduğu bulumuştur. Çalışmada elde edle bulgular daha öce yapılmış pek çok çalışmaı soucuu desteklemş ve kout fyatıı tahm etme hususuda YSA metodolojs üstülüğüü pekştrmştr. Özetle söylemek gerekrse kout fyatıı tahm etmede YSA güçlü br potasyele sahptr ve kout fyatlarıı tahm edlmesde rahatlıkla kullaılablr. Buula brlkte bu oktada vurgulaması gereke husus e y tahm soucuu vere model acak deeme yaılma yoluyla oluşturulableceğdr. Deeme yaılma yötem kullaılmada elde edle souçlara dayaarak YSA modeller üstülüğüde bahsetmek büyük br yaılgıdır. Çalışmaı kısıtı se kout fyatıı etkleyebleceğ düşüüle ekoomk faktörlerde faz oraı ve dövz kurlarıı tahm modellerde yer almamasıdır. Teşekkür Bu çalışma, Afyo Kocatepe Üverstes Blmsel Araştırma Projeler Komsyou tarafıda 14.HIZ.DES.13 olu proje kapsamıda desteklemştr.
9 SESSION 9 Kayakça Adar, A., McGreal, S., Smyth, A., Cooper, J., & Ryley, T House Prces ad Accessblty: The Testg of Relatoshps wth the Belfast Urba Area, Housg Studes, 15 (5), p Alle, W.C. & Zumwalt, J.K Neural Networks: A Word of Cauto, Upublshed Workg Paper, Colorado State Uversty. Bhattacharya, R. & Km, S.-W., Ecoomc Fudametals, Subprme Ledg ad Housg Prces: Evdece from MSA-level Pael Data, Housg Studes, 26 (6), p B, O., A Predcto Comparso of Housg Sales Prces by Parametrc versus Sem-Parametrc Regressos, Joural of Housg Ecoomcs, 13, p Boelhouwer P., Haffer M., Neuteboom P. & Vres P. D., House Prces ad Icome Tax the Netherlads: A Iteratoal Perspectve, Housg Studes, 19 (3), p Bourassa, S. C., Cato, E. & Hoesl, M., Spatal Depedece, Housg Submarkets, ad House Prce Predcto, Joural of Real Estate Face ad Ecoomcs, 35, p Cgöz, A. R. A. A., Hedok Talep Teors Çerçevesde Br Fyatladırma Öreğ, Doktora tez, İ. Ü. Sosyal Blmler Esttüsü, İstabul. Clapp, J. M., & Gaccotto, C., Evaluatg House Prce Forecasts, Joural of Real Estate Research, 24 (1), p Costello, G. & Watks, C., Towards a System of Local House Prce Idces, Housg Studes, 17 (6), p Coulso, N.E. & McMlle, D.P., Estmatg Tme, Age ad Vtage Effects Housg Prces, Joural of Housg Ecoomcs, 17, p Curts, M. A., The Impact of Housg Subsdes ad Prces o Mothers Lvg Arragemets: Evdece from the Cesus, Housg Studes, 26 (5), p D, A., Hoesl, M., & Beder, A Evrometal Varables ad Real Estate Prces, Urba Studes, 38(11), p Do, Q. & Grudtsk, G., A Neural Network Approach to Resdetal Property Apprasal, The Real Estate Appraser, 58, p Fletcher, M., Maga, J., Raebur, E., Comparg Hedoc Models for Estmatg ad Forecastg House Prces, Property Maagemet, 22 (3), p Hamett, C., Spatally Dsplaced Demad ad the Chagg Geography of House Prces Lodo , Housg Studes, 24 (3), p Hott, C., Ledg Behavor ad Real Estate Prces, Joural of Bakg & Face, 35, p Ka, J. & Qugley, J A Ecoomc Aalyss of the Urba Housg Market. Natoal Bureau of Ecoomc Research, New York. Kauko, T O Curret Neural Network Applcatos Ivolvg Spatal Modellg of Property Prces, Joural of Housg ad the Bult Evromet, 18(2), p Kauko, T., Hoomejer, P., & Hakfoort, J Capturg Housg Market Segmetato: A Alteratve Approach Based o Neural Network Modelg, Housg Studes, 17(6), p Keleş, R Ketleşme Poltkası, İmge Ktapev, 9. Baskı, Akara. Kefer, H., The House Prce Determato Process: Ratoal Expectatos wth a Spatal Cotext, Joural of Housg Ecoomcs, 20, p Kel, K. A. & Zabel, J. E., Locato, Locato, Locato: The 3L Approach to House Prce Determato, Joural of Housg Ecoomcs, 17, p Km, K.-H. & Cho, M., Structural Chages, Housg Prce Dyamcs ad Housg Affordablty Korea, Housg Studes, 25 (6), p Km, K., & Park, J Segmetato of the Housg Market ad Its Determats: Seoul ad Its Neghbourg New Tows Korea, Australa Geographer, 36(2), p Lacaster, K., A New Approach to Cosumer Theory, The Joural of Poltcal Ecoomy, 74, p Lek, M. M., Worzala, E. M., & Slva, A Hgh-tech Valuato: Should Artfcal Neural Networks Bypass the Huma Valuer, Joural of Property Valuato ad Ivestmet, 15, p.8-26.
10 10 INTERNATIONAL CONFERENCE ON EURASIAN ECONOMIES 2014 Maclea, D., Some Thoughts o the Nature ad Purpose of House Prce Studes, Urba Studes, 14(1), p McCluskey, W.J. & Borst, R.A A Evaluato of MRA, Comparable Sales Aalyss ad ANNs for the Mass Apprasal of Resdetal Property Norther Irelad, Assessmet Joural, 4(1), p Muellbauer, J., 1974, Household Producto Theory, Qualty ad the Hedoc Techque, The Amerca Ecoomc Revew, 64 (6), p Nguye, N. & Crpps, A Predctg Housg Value: A Comparso of Multple Regresso Aalyss ad Artfcal Neural Network, Joural of Real Estate Research, 22 (3), p Pagourtz, E., Assmakopoulos, V., Hatzchrstos, T., & Frech, N Real Estate Apprasal: A Revew of Valuato Methods, Joural of Property Ivestmet & Face, 21(4), p Rose, S., Hedoc Prces ad Implct Markets: Product Dfferetato Pure Competto, Joural of Poltcal Ecoomy, 82, Rumelhart, D. E., Hto, G., & Wllams, R Learg Represetato by Back-Propagatg Errors, Nature, 323 (9), p Schulz, R., & Werwatz, A A State Space Model for Berl House Prces: Estmato ad Ecoomc Iterpretato, Joural of Real Estate Face ad Ecoomcs, 28(1), p Selm, S., Determats of house prces Turkey: A hedoc regresso model, Doğuş Üverstes Dergs, 9 (1), s Selm, H., Determats of House Prces Turkey: Hedoc Regresso versus Artfcal Neural Network, Expert Systems wth Applcatos, 36, p Sg, T.-F., Tsa, I.-C., Che, M.-C., Prce Dyamcs Publc ad Prvate Housg Markets Sgapore, Joural of Housg Ecoomcs, 15, p Stadelma, D., Whch Factors Captalze to House Prces? A Bayesa Averagg Approach, Joural of Housg Ecoomcs, 19, p Tay, D.P.H. & Ho, D.K.K Artfcal Itellgece ad the Mass Apprasal of Resdetal Apartmets, Joural of Property Valuato ad Ivestmet, 10 (2), p TÜİK, Kout satış statstkler, Ülükara, T., Lüks Koutlarda Satış Fyatıı Etkleye Faktörler Icelemes: İstabul Öreğ, İstabul Tekk Üverstes Fe Blmler Esttüsü, Yüksek Lsas Tez, İstabul. Vst, L., Chrstopher, G. & Lee, M House Prce Predcato: Hedoc Prce Model vs. Artfcal Neural Network, Amerca Joural of Appled Scece, 3, p Watso, M., House Prce Keyesasm ad the Cotradctos of the Moder Ivestor Subject, Housg Studes, 25 (3), Worzala, E., Lek, M., & Slva, A A Explorato of Neural Networks ad Its Applcato to Real Estate Valuato, Joural of Real Estate Research, 10 (2), p
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,
Detaylıİki veri setinin yapısının karşılaştırılması
İk ver set yapısıı karşılaştırılması Dağılım: 6,6,6 Ortalama: 6 Medya: 6 Mod: 6 td. apma: 0 Dağılım: 0,6,1 Ortalama: 6 Medya: 6 Mod: çoklu mod td: apma: 6 Amaç: Görüe Ötese Bakablmek Verler değşkelk durumuu
DetaylıRegresyon ve Korelasyon Analizi. Regresyon Analizi
Regresyo ve Korelasyo Aalz Regresyo Aalz Regresyo Aalz Regresyo aalz, aralarıda sebep-souç lşks bulua k veya daha fazla değşke arasıdak lşky belrlemek ve bu lşky kullaarak o kou le lgl tahmler (estmato)
DetaylıÖRNEKLEME YÖNTEMLERİ ve ÖRNEKLEM GENİŞLİĞİ
03.05.013 ÖRNEKLEME YÖNTEMLERİ ve ÖRNEKLEM GENİŞLİĞİ 1 Nede Örekleme? Öreklemde çalışmak ktlede çalışmakta daha kolaydır. Ktle üzerde çalışmak çok daha masraflı olablr. Çoğu durumda tüm ktleye ulaşmak
DetaylıTanımlayıcı İstatistikler
Taımlayıcı İstatstkler Taımlayıcı İstatstkler br değerler dzs statstksel olarak geel özellkler taımlaya ölçülerdr Taımlayıcı İstatstkler Yer Göstere Ölçüler Yaygılık Ölçüler Yer Göstere Ölçüler Br dağılımı
DetaylıÖLÇÜM, ÖLÇÜM HATALARI ve ANLAMLI RAKAMLAR
ÖLÇÜM, ÖLÇÜM HATALARI ve ANLAMLI RAKAMLAR Ölçme, her deeysel blm temel oluşturur. Fzk blmde de teorler sıaması ç çeştl deeyler tasarlaır ve bu deeyler sırasıda çok çeştl ölçümler yapılır. Br fzksel celğ
DetaylıKuruluş Yeri Seçiminde Bulanık TOPSIS Yöntemi ve Bankacılık Sektöründe Bir Uygulama
KMÜ Sosyal ve Ekoomk Araştırmalar Dergs (8): 37-45, 00 ISSN: 309-93, wwwkmuedutr Kuruluş Yer Seçmde Bulaık TOPSIS Yötem ve Bakacılık Sektörüde Br Uygulama Nha Tırmıkçıoğlu Çıar Yıldız Tekk Üverstes, Kmya-Metalür
DetaylıQuality Planning and Control
Qualty Plag ad Cotrol END 3618 KALİTE PLANLAMA VE KONTROL Prof. Dr. Mehmet ÇAKMAKÇI Dokuz Eylül Üverstes Edüstr Mühedslğ Aablm Dalı 1 Qualty Maagemet İstatstksel Proses Kotrol Kotrol Kartları 2 END 3618
DetaylıOlabilirlik Oranı Yöntemine Dayalı, Yapısal Homojen Olmayan Varyans Testlerinin Piyasa Modeli İçin Karşılaştırılması
Dokuz Eylül Üverstes İktsad ve İdar Blmler Fakültes Dergs, Clt:6, Sayı:, Yıl:011, ss.135-144 Olablrlk Oraı Yöteme Dayalı, Yaısal Homoje Olmaya Varyas Testler Pyasa Model İç Karşılaştırılması Flz KARDİYEN
DetaylıTahmin Edicilerin ve Test Đstatistiklerinin Simülasyon ile Karşılaştırılması
. Ders ĐSTATĐSTĐKTE SĐMÜLASYON Tahm Edcler ve Test Đstatstkler Smülasyo le Karşılaştırılması Đstatstk rasgelelk olgusu çere olay süreç ve sstemler modellemesde özellkle bu modellerde souç çıkarmada ve
DetaylıBEKLENEN DEĞER VE VARYANS
BEKLEE DEĞER VE VARYAS.1. İadel ve adesz öreklemede tüm mümkü örekler.. Beklee değer.3. Varyas.4. İk değşke ortak dağılımı.5. İstatstksel bağımsızlık.6. Tesadüf değşkeler doğrusal kombasyolarıı beklee
DetaylıTÜRKİYE ŞEKERPANCARI ÜRETİMİNDE FAKTÖR TALEP ANALİZİ ( ) (TRANSLOG MALİYET FONKSİYONU UYGULAMASI) Yaşar AKÇAY 1 Kemal ESENGÜN 2
l Ta rr ım ı Ekooms Kog rres 6-8 - Eylül l 2000 Tek rrdağ TÜRKİYE ŞEKERPANCARI ÜRETİMİNDE FAKTÖR TALEP ANALİZİ (980-998) (TRANLOG MALİYET FONKİYONU UYGULAMAI) Yaşar AKÇAY Kemal EENGÜN 2. GİRİŞ Türkye tarımı
DetaylıMERKEZİ EĞİLİM ÖLÇÜLERİ
MERKEZİ EĞİLİM ÖLÇÜLERİ Gözlee ver düzeleerek çzelgelerle, graklerle suulması çoğu kez yeterl olmaz. Geel durumu yasıtacak br takım ölçülere gereksm vardır. Bu ölçüler verler yalızca özlü br bçmde belrtmekle
DetaylıETKİN SINIR VE BETA KATSAYI KISITLI PORTFÖY SEÇİM MODELİ ÜZERİNE BİR UYGULAMA
İstabul Tcaret Üverstes Fe Blmler Dergs Yıl: 11 Sayı: Güz 01 s. 19-35 ETKİN SINIR VE BETA KATSAYI KISITLI PORTFÖY SEÇİM MODELİ ÜZERİNE BİR UYGULAMA Cası KAYA 1, Oza KOCADAĞLI Gelş: 30.05.01 Kabul: 14.1.01
DetaylıGenelleştirilmiş Ortalama Fonksiyonu ve Bazı Önemli Eşitsizliklerin Öğretimi Üzerine
Geelleşrlmş Oralama Foksyou ve Bazı Öeml Eşszlkler Öğrem Üzere Gabl ADİLOV, Gülek TINAZTEPE & Serap KEALİ * Öze Armek oralama, Geomerk oralama, Harmok oralama, Kuvadrak oralama ve bular arasıdak lşk vere
DetaylıZaman Skalasında Box-Cox Regresyon Yöntemi
Dokuz Eylül Üverstes İktsad ve İdar Blmler Fakültes Dergs, Clt:7, Sayı:, Yıl:0, ss.57-70. Zama Skalasıda Bo-Co Regresyo Yötem Atlla Özur İŞÇİ Sbel PAŞALI GÖKTAŞ ATMACA 3 M. Nyaz ÇANKAYA 4 Özet Hata term
DetaylıBAYRAKTUTAN'dan Bursa Osmangazi II. Bölge Panayır'da 5.390 m2 Arazi
BAYRAKTUTAN'dan Bursa Osmangazi II. Bölge Panayır'da 5.390 m2 Arazi Binadaki Kat Sayısı. : Krediye Uygun : İç Özellikler 1 Mutfak ( Laminant ) 1 Otopark 1 ADSL 2 Parke Zemin 2 Site İçerisinde 2 Ankastre
DetaylıARAŞTIRMA MAKALESİ / RESEARCH ARTICLE
ANADOLU ÜNİVERSİTESİ BİLİM VE TEKNOLOJİ DERGİSİ A Uygulamalı Blmler ve Mühedslk ANADOLU UNIVERSITY JOURNAL OF SCIENCE AND TECHNOLOGY A Appled Sceces ad Egeerg Clt/Vol.: 3-Sayı/No: : 5-63 (202 ARAŞTIRMA
DetaylıGiriş. Değişkenlik Ölçüleri İSTATİSTİK I. Ders 5 Değişkenlik ve Asimetri Ölçüleri. Değişkenlik. X i ve Y i aşağıdaki gibi iki seri verilmiş olsun:
Grş İSTATİSTİK I Ders Değşkelk ve Asmetr Ölçüler Ortalamalar, serler karşılaştırılmasıda her zama yeterl ölçüler değldr. Ayı ortalamayı sahp serler arklı dağılım göstereblrler. Bu edele serler karşılaştırılmasıda,
DetaylıPolinom İnterpolasyonu
Polom İterpolasyou (Ara Değer Bulma Br foksyou solu sayıdak, K, R oktalarıda aldığı f (, f (,, f ( değerler bls (foksyou keds blmyor. Bu oktalarda geçe. derecede br tek, P a + a + a + + a (... polumu vardır
DetaylıEMEKLİLİK YATIRIM FONLARI DEĞERLENDİRMESİ AÇIKLAMA NOTLARI VE VARSAYIMLAR
EMEKLİLİK YATIRIM FONLARI DEĞERLENDİRMESİ AÇIKLAMA NOTLARI VE VARSAYIMLAR 2013 yılı fo getrs 02/01/2013-02/01/2014 tarhl brm pay değerler kullaılması le hesaplamıştır. 2013 yılı karşılaştırma ölçütü getrs
DetaylıTALEP TAHMİNLERİ. Y.Doç.Dr. Alpagut YAVUZ
TALEP TAHMİNLERİ Y.Doç.Dr. Alpagut YAVUZ Yöetm e temel foksyolarıda br ola plalama, e kaba taımıyla, şletme geleceğe yöelk alıa kararları br bleşkesdr. Geleceğe yöelk alıa kararları başarısı yöetcler yaptıkları
DetaylıDoç. Dr. Mehmet AKSARAYLI
Doç. Dr. Mehmet AKSARALI www.mehmetaksarayl İstatstksel araştırmalarda k yada daha çok değşke arasıdak lşk celemes ç e çok kullaıla yötemlerde brs regresyo aalzdr. Değşkeler arasıdak lşk matematksel br
Detaylı= k. Aritmetik Ortalama. Tanımlayıcı İstatistikler TANIMLAYICI İSTATİSTİKLER. Sınıflanmış Seriler İçin Aritmetik Ortalama
TANIMLAYICI İSTATİSTİKLER Taımlayıcı İstatstkler MERKEZİ EĞİLİM ÖLÇÜLERİ Dr. Mehmet AKSARAYLI D.E.Ü. İ.İ.B.F..B.F. EKONOMETRİ BÖLÜMÜ mehmet.aksarayl aksarayl@deu.edu.tr Yer Ölçüler (Merkez Eğlm Ölçüler)
DetaylıDeğişkenler Arasındaki İlişkiler Regresyon ve Korelasyon. Dr. Musa KILIÇ
Değşkeler Arasıdak İlşkler Regresyo ve Korelasyo Dr. Musa KILIÇ http://ks.deu.edu.tr/musa.klc 1. Grş Buda öcek bölümlerde celedğmz koular, br tek değşke ç yorumlamalar yapmaya yöelk statstk yötemler üzerde
DetaylıPORTFÖY OPTİMİZASYONUNDA ORTALAMA MUTLAK SAPMA MODELİ VE MARKOWITZ MODELİNİN KULLANIMI VE İMKB VERİLERİNE UYGULANMASI
Süleyma Demrel Üverstes İktsad ve İdar Blmler Fakültes Dergs Y.2008, C.3, S.2 s.335-350. Suleyma Demrel Uversty The Joural of Faculty of Ecoomcs ad Admstratve Sceces Y.2008, vol.3, No.2 pp.335-350. PORTFÖY
DetaylıCHAID Algoritması ile Balık Eti Tüketimini Etkileyen Faktörlerin İncelenmesi
Gazosmapaşa Üverstes Zraat Fakültes Dergs Joural of AgrculturalFaculty of GazosmapasaUversty http://zraatderg.gop.edu.tr/ Araştırma Makales/ResearchArtcle JAFAG ISSN: 1300-910 E-ISSN: 147-8848 (018) 35
DetaylıWEİBULL DAĞILIMININ ÖLÇEK VE BİÇİM PARAMETRELERİ İÇİN İSTATİSTİKSEL TAHMİN YÖNTEMLERİNİN KARŞILAŞTIRILMASI
İstabul Tcaret Üverstes Sosal Blmler Dergs Yıl:8 Saı:5 Bahar 2009 s.73-87 WEİBULL DAĞILIMII ÖLÇEK VE BİÇİM PARAMETRELERİ İÇİ İSTATİSTİKSEL TAHMİ YÖTEMLERİİ KARŞILAŞTIRILMASI Flz ÇAKIR ZEYTİOĞLU* ÖZET Güümüzde
DetaylıTuğba SARAÇ Yük. Endüstri Mühendisi TAI, Ankara tsarac@tai.com.tr. Özet. 1. Giriş. 2. Gözden Geçirmeler. Abstract
YKGS2008: Yazılım Kaltes ve Yazılım Gelştrme Araçları 2008 (9-0 ekm 2008, İstabul) Yazılım Ürü Gözde Geçrmeler Öem, Hazırlık Sürec ve Br Uygulama Öreğ The Importace of the Software Product Revews, Preparato
DetaylıİŞLETMELERDE DAĞITIM SİSTEMİ MALİYETLERİ MİNİMİZASYONU İÇİN ÇÖZÜM MODELİ: BİR FİRMA UYGULAMASI
İŞLETMELERDE DAĞITIM SİSTEMİ MALİYETLERİ MİNİMİZASYONU İÇİN ÇÖZÜM MODELİ: BİR FİRMA UYGULAMASI Ahmet ERGÜLEN * Halm KAZAN ** Muhtt KAPLAN *** ÖZET Arta rekabet şartları çersde karlılıklarıı korumak ve
DetaylıBağıl Değerlendirme Sisteminin Simülasyon Yöntemi ile Test Edilmesi: Kilis 7 Aralık Üniversitesi Örneği
Akademk Blşm 11 - III. Akademk Blşm Koferası Bldrler 2-4 Şubat 2011 İöü Üverstes, Malatya Bağıl Değerledrme Sstem Smülasyo Yötem le Test Edlmes: Kls 7 Aralık Üverstes Öreğ Kls 7 Aralık Üverstes, Blgsayar
Detaylı1. GAZLARIN DAVRANI I
. GZLRIN DRNI I İdeal Gazlar ç: lm 0 RT İdeal gazlar ç: RT Hacm() basıçla() değşk sıcaklıklarda değşm ekl.. de gösterlmştr. T >T 8 T T T 3 asıç T 4 T T 5 T 7 T 8 Molar Hacm ekl.. Gerçek br gazı değşk sıcaklıklardak
DetaylıBir 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,
DetaylıAES S Kutusuna Benzer S Kutuları Üreten Simulatör
AES S Kutusua Bezer S Kutuları Ürete Smulatör M.Tolga SAKALLI Trakya Üverstes Blgsayar Mühedslğ tolga@trakya.edu.tr Erca BULUŞ Trakya Üverstes Blgsayar Mühedslğ ercab@trakya.edu.tr Adaç ŞAHİN Trakya Üverstes
DetaylıBir KANUN ve Bir TEOREM. Büyük Sayılar Kanunu
Br KANUN ve Br TEOREM Büyük Türkçe Sözlük kau Đg. law Doğa olaylarıı oluş edeler ortaya koya ve gelecektek olayları öcede kestrme olaağı vere bağıtı; Newto kauu, Kepler kauları. (BSTS / Gökblm Termler
DetaylıDEÜ MÜHENDİSLİK FAKÜLTESİ FEN BİLİMLERİ DERGİSİ
DEÜ MÜHENDİSLİK FAKÜLTESİ FEN BİLİMLERİ DERGİSİ Clt: 2 Sayı: 3 sh 87-02 Ekm 200 VOLTERRA SERİLERİ METODU İLE DOĞRUSAL OLMAYAN SİSTEMLERİN FREKANS BOYUTUNDA ANALİZİ İÇİN NET TABANLI ARAYÜZ TASARIMI (DESIGN
DetaylıDEÜ 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*,
DetaylıSayısal Türev Sayısal İntegrasyon İnterpolasyon Ekstrapolasyon. Bölüm Üç
Sayısal Türev Sayısal İtegrasyo İterpolasyo Ekstrapolasyo Bölüm Üç Bölüm III 8 III-. Pvot Noktaları Br ( ) oksyouu değer, geellkle ekse üzerdek ayrık oktalarda belrler. Bu oktalara pvot oktaları der. Bu
DetaylıYapay Sinir Ağlarını Kullanarak Türkiye İçin Kara Yüzey Sıcaklığının Modellenmesi
Fırat Üv. Müh. Bl. Dergs Scece ad Eg. J of Fırat Uv. 8 (), 143-147, 016 8 (), 143-147, 016 Yapay Sr Ağlarıı Kullaarak Türkye İç Kara Yüzey Sıcaklığıı Modellemes Özet Oza Şekal Çukurova Üverstes, Blgsayar
DetaylıParametrik Olmayan İstatistik Çözümlü Sorular - 2
Parametrk Olmaya İstatstk Çözümlü Sorular - Soru Böbrek hastalarıa at Kreat (KRT) değerlere lşk br araştırma yapılmak stemektedr. Buu ç rasgele seçle hastaya at Kreat değerler aşağıdak gb elde edlmştr
Detaylıİstatistik 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
DetaylıYüksek 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,
DetaylıServis Yönlendirmeli Sistemlerde Güven Yayılımı
Servs Yöledrmel Sstemlerde Güve Yayılımı Mahr Kutay, S Zafer Dcle, M Ufuk Çağlaya Dokuz Eylül Üverstes, Elektrk-Elektrok Mühedslğ Bölümü, İzmr Boğazç Üverstes Blgsayar Mühedslğ Bölümü, İstabul Dokuz Eylül
DetaylıTEDARİKÇİ SEÇİMİ İÇİN BİR KARAR DESTEK SİSTEMİ A DECISION SUPPORT SYSTEMS FOR SUPPLIER SELECTION
Süleyma Demrel Üverstes Mühedslk Blmler ve Tasarım Dergs 3(2), 9-04, 205 ISSN: 308-6693 Araştırma Makales Suleyma Demrel Uversty Joural of Egeerg Sceces ad Desg 3(2), 9-04, 205 ISSN: 308-6693 Research
DetaylıBETONARME YAPILARIN DEPREM PERFORMANSININ DEĞERLENDİRİLMESİ. M.Emin ÖNCÜ 1, Yusuf CALAYIR 2
BETONARME YAPILARIN DEPREM PERFORMANSININ DEĞERLENDİRİLMESİ M.Em ÖNCÜ, Yusuf CALAYIR ocume@dcle.edu.tr, ycalayr@frat.edu.tr Öz: Çalışmada, betoarme yapıları Türk Deprem Yöetmelğde (ABYYHY,998) verle talep
DetaylıGamma ve Weibull Dağılımları Arasında Kullback-Leibler Uzaklığına Dayalı Ayrım
Afyo Kocatepe Üverstes Fe ve Mühedslk Blmler Dergs Afyo Kocatepe Uversty Joural of Scece ad Egeerg AKÜ FEMÜBİD 7 (27) 234 (5-55) AKU J. Sc.Eg.7 (27) 234 (5-55) DOI:.5578/fmbd.6774 Gamma ve Webull Dağılımları
DetaylıOperasyonel Risk İleri Ölçüm Modelleri
Bakacılar Dergs, Sayı 58, 006 Grş Operasyoel Rsk İler Ölçüm Modeller Çalışma k bölümde oluşmaktadır. İlk bölümde operasyoel rskler ölçülmes kapsamıda hag ler ölçüm modeller kullaılması gerektğ, söz kousu
DetaylıYÖNEYLEM ARAŞTIRMASI III. Dinamik Programlama. Örnek 3: Tıbbi Müdahale Ekiplerinin Ülkelere Dağıtımı
YÖNEYLEM ARAŞTIRMASI III Hafta Determstk Damk Programlama (devam) Damk Programlama Geçe derste küçük ölçekl problemler damk programlamayla yelemel olarak asıl çözüldüğüü gördük. Bu derste, öreklere devam
DetaylıREGRESYON ANALİZİNDE KULLANILAN EN KÜÇÜK KARELER VE EN KÜÇÜK MEDYAN KARELER YÖNTEMLERİNİN KARŞILAŞTIRILMASI
FEN DEGİSİ (E-DEGİ). 8, 3() 9-9 EGESYON ANALİZİNDE KULLANILAN EN KÜÇÜK KAELE VE EN KÜÇÜK MEDYAN KAELE YÖNTEMLEİNİN KAŞILAŞTIILMASI Özlem GÜÜNLÜ ALMA, Özgül VUPA Dokuz Eylül Üverstes, Fe-Edebyat Fakültes,
DetaylıOrkun COŞKUNTUNCEL a Mersin Üniversitesi
Kuram ve Uygulamada Eğtm Blmler Educatoal Sceces: Theory & Practce - 3(4) 39-58 03 Eğtm Daışmalığı ve Araştırmaları İletşm Hzmetler Tc. Ltd. Şt. www.edam.com.tr/kuyeb DOI: 0.738/estp.03.4.867 Sosyal Blmlerde
DetaylıYILLIK ÜCRETLİ İZİN YÖNETMELİĞİ (03.03.2004 tarihli ve 25391 sayılı Resmi Gazete'de yayımlanmıştır.) BİRİNCİ BÖLÜM Amaç, Kapsam ve Dayanak
YILLIK ÜCRETLİ İZİN YÖNETMELİĞİ (03.03.2004 tarhl ve 25391 sayılı Resm Gazete'de yayımlamıştır.) Amaç BİRİNCİ BÖLÜM Amaç, Kapsam ve Dayaak Madde 1 Bu Yöetmelğ amacı, 4857 sayılı İş Kauuu 53 ücü maddes
Detaylıİstatistik 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
DetaylıĐÇI DEKILER 1. TEMEL ĐSTATĐSTĐK KAVRAMLAR VE OTASYO LAR 1
ĐÇI DEKILER Sayfa. TEMEL ĐSTATĐSTĐK KAVRAMLAR VE OTASYO LAR.. Grş.. Đstatstk.3. Populasyo.4. Örek.5. Brm.6. Parametre.7. Değşke 3.8. Ver ve Ver Tpler 3.9. Toplama Sembolü 4 ÇALIŞMA PROBLEMLERĐ 6. VERĐLERĐ
DetaylıTanımlayıcı İstatistikler
Taımlayıcı İstatstkler Br veya brde fazla dağılışı karşılaştırmak ç kullaıla veya ayrıca örek verlerde hareketle frekas dağılışlarıı sayısal olarak düzeleye değerlere taımlayıcı statstkler der. Aalzlede
DetaylıTÜRKİYE NİN TİCARİ HİZMETLER ENDÜSTRİ İÇİ TİCARETİ
Clt 2, Sayı 2, 2010 ISSN: 1309-8020 (Ole) TÜRKİYE NİN TİCARİ HİZMETLER ENDÜSTRİ İÇİ TİCARETİ Ahmet AYDIN Balıkesr Üverstes Badırma İ.İ.B.F. Kampüsü, Çaakkale Yolu 2.Km. Badırma/Balıkesr E-posta: ahmetayd10@gmal.com
DetaylıTanımlayıcı İstatistikler (Descriptive Statistics) Dr. Musa KILIÇ
Taımlayıcı İstatstkler (Descrptve Statstcs) Dr. Musa KILIÇ TANIMLAYICI ÖRNEK İSTATİSTİKLERİ YER ÖLÇÜLERİ (Frekas dağılışıı abss eksedek durumuu belrtr.) DEĞİŞİM ÖLÇÜLERİ ( Frekas dağılışıı şekl belrtr.).
DetaylıLojistik Regresyonda Meydana Gelen Aşırı Yayılımın İncelenmesi
Yüzücü Yıl Üverstes, Zraat Fakültes, Tarım Blmler Dergs (J. Agrc. Sc.), 008, 18(1): 1-5 Araştırma Makales/Artcle Gelş Tarh: 10.06.007 Kabul Tarh: 7.1.007 Lojstk Regresyoda Meydaa Gele Aşırı Yayılımı İcelemes
DetaylıAnalitik Hiyerarşi Süreci Kullanılarak Kişi Takip Cihazı Seçimi. Person Tracking Device Selection Using Analytic Hierarchy Process
BİLİŞİM TKNOLOJİLRİ DRGİSİ, CİLT: 8, SAYI: 1, OCAK 2015 20 Aaltk Hyerarş Sürec Kullaılarak Kş Takp Chazı Seçm Bedredd Al AKÇA 1, Ahmet DOĞAN 2, Uğur ÖZCAN 3 1 Yöetm Blşm Sstemler, Blşm sttüsü, Gaz Üverstes,
DetaylıKorelasyon ve Regresyon
Korelasyon ve Regresyon 1 Korelasyon Analz İk değşken arasında lşk olup olmadığını belrlemek çn yapılan analze korelasyon analz denr. Korelasyon; doğrusal yada doğrusal olmayan dye kye ayrılır. Korelasyon
DetaylıÇOKLU REGRESYON MODELİ, ANOVA TABLOSU, MATRİSLERLE REGRESYON ÇÖZÜMLEMESİ,REGRES-YON KATSAYILARININ YORUMU
6.07.0 ÇOKLU REGRESON MODELİ, ANOVA TABLOSU, MATRİSLERLE REGRESON ÇÖZÜMLEMESİ,REGRES-ON KATSAILARININ ORUMU ÇOKLU REGRESON MODELİ Ekonom ve şletmeclk alanlarında herhang br bağımlı değşken tek br bağımsız
DetaylıPamukkale Üniversitesi Mühendislik Bilimleri Dergisi Pamukkale University Journal of Engineering Sciences
Pamukkale Üverstes Mühedslk Blmler Dergs Pamukkale Uversty Joural of Egeerg Sceces Kabul Edlmş Araştırma Makales (Düzelememş Sürüm) Accepted Research Artcle (Ucorrected Verso) Makale Başlığı / Ttle Karayolu
DetaylıİSTATİSTİK 2. Tahmin Teorisi 07/03/2012 AYŞE S. ÇAĞLI. aysecagli@beykent.edu.tr
İSTATİSTİK 2 Tahmi Teorisi 07/03/2012 AYŞE S. ÇAĞLI aysecagli@beyket.edu.tr İstatistik yötemler İstatistik yötemler Betimsel istatistik Çıkarımsal istatistik Tahmi Hipotez testleri Nokta tahmii Aralık
DetaylıTanımlayıcı İstatistikler
Taımlayıcı İstatstkler Br veya brde azla dağılışı karşılaştırmak ç kullaıla ve ayrıca örek verlerde hareket le rekas dağılışlarıı sayısal olarak özetleye değerlere taımlayıcı statstkler der. Aalzlerde
DetaylıBiyoistatistik (Ders 9: Korelasyon ve Regresyon Analizi)
KORELASYON ve REGRESYON ANALİZLERİ Yrd. Doç. Dr. Üal ERKORKMAZ Sakarya Üverstes Tıp Fakültes Byostatstk Aablm Dalı uerkorkmaz@sakarya.edu.tr SİSTEM, ALT SİSTEM ve SİSTEM DİNAMİKLERİ Doğa br aa sstemdr.
DetaylıMühendislikte Olasılık, İstatistik, Risk ve Güvenilirlik Altay Gündüz. Mühendisler için İstatistik Prof. Dr. Mehmetçik Bayazıt, Prof. Dr.
İSTATİSTİK DERSİ (BAÜ Müh-Mm Fakültes Dr. Bau Yağcı KAYNAKLAR Mühedslkte Olasılık, İstatstk, Rsk ve Güvelrlk Altay Güdüz Blgsayar (Ecel Destekl Uygulamalı İstatstk Pro. Dr. Mustaa Akkurt Mühedsler ç İstatstk
DetaylıTOBB Ekonomi ve Teknoloji Üniversitesi İKT351 Ekonometri I, Ara Sınavı
TOBB Ekoom ve Tekoloj Üverstes İKT351 Ekoometr I, Ara Sıavı Öğr.Gör.: Yrd. Doç. Dr. A. Talha YALTA Ad, Soyad: Açıklamalar: Bu sıav toplam 100 pua değerde 4 soruda oluşmaktadır. Sıav süres 90 dakkadır ve
DetaylıTarihli Mühendislik ekonomisi final sınavı. Sınav süresince görevlilere soru sormayın. Başarılar dilerim.
6..27 Tarhl Mühedslk ekooms fal sıavı Süre 9 dakka Sıav Saat: Sıav süresce görevllere soru sormayı. Başarılar dlerm. D: SOYD: ÖĞRENCİ NO: İMZ: Tek ödemel akümüle değer faktörü Tek ödemel gücel değer faktörü
DetaylıTEZ ONAYI Nur ÇELİK tarafıda hazırlaa ANOVA Modellerde Çarpık Dağılımlar Kullaılarak Dayaıklı İstatstksel Souç Çıkarımı ve Uygulamaları adlı tez çalış
ANKARA ÜNİVERSİTESİ EN BİLİERİ ENSTİTÜSÜ DOKTORA TEZİ ANOVA MODELLERİNDE ÇARPIK DAĞILIAR KULLANILARAK DAYANIKLI İSTATİSTİKSEL SONUÇ ÇIKARIMI VE UYGULAMALARI Nur ÇELİK İSTATİSTİK ANABİLİM DALI ANKARA 0
DetaylıBÖLÜM 3 YER ÖLÇÜLERİ. Doç.Dr. Suat ŞAHİNLER
BÖLÜM 3 YER ÖLÇÜLERİ İkici bölümde verileri frekas tablolarıı hazırlaması ve grafikleri çizilmesideki esas amaç; gözlemleri doğal olarak ait oldukları populasyo dağılışıı belirlemek ve dağılışı geel özelliklerii
DetaylıEğitimle İlgili Sapan Değer İçeren Veri Kümelerinde En Küçük Kareler ve Robust M Tahmin Edicilerin Karşılaştırılması
Eğtmle İlgl Sapa Değer İçere Ver Kümelerde E Küçük Kareler ve Robust M Tahm Edcler Karşılaştırılması Orku COŞKUNTUNCEL * Özet Eğtm araştırmalarıda regresyo katsayılarıı tahm etmek ç e çok kullaıla yötem
DetaylıBakırköy İNCİRLİ'de İşyerine Kiralık sıfır Müstakil ev Bina
Bakırköy İNCİRLİ'de İşyerine Kiralık sıfır Müstakil ev Bina Kiralık - Komple Bina 18,000 TL 450 m2 İstanbul / Bakırköy Oda / Bölme : 14 Açık Alan (m²) : 100 Kapalı alan (m²) : 450 Yapının Şekli : Fourlex
DetaylıGRİ MARKOV KESTİRİM MODELİ KULLANILARAK DÖVİZ KURU TAHMİNİ
Joural of Ecoomcs, Face ad Accoutg (JEFA), ISSN: 48-6697 Year: 4 Volume: Issue: 3 CURRENCY EXCHANGE RATE ESTIMATION USING THE GREY MARKOV PREDICTION MODEL Omer Oala¹ ¹Marmara Uversty. omeroala@marmara.edu.tr
DetaylıEMEKLİLİK YATIRIM FONLARI DEĞERLENDİRMESİ AÇIKLAMA NOTLARI VE VARSAYIMLAR
EMEKLİLİK YATIRIM FONLARI DEĞERLENDİRMESİ AÇIKLAMA NOTLARI VE VARSAYIMLAR 2015 yılı fo getrs 02/01/2015-04/01/2016 tarhl brm pay değerler kullaılması le hesaplamıştır. 2015 yılı karşılaştırma ölçütü getrs
DetaylıFİNANSAL YÖNETİM. Finansal Yönetim Örnek Sorular Güz 2015. Yrd. Doç. Dr. Rüstem Barış Yeşilay 1. Örnek. Örnek. Örnek. Örnek. Örnek
Fasal Yöetm Örek lar Güz 2015 Güz 2015 Fasal Yöetm Örek lar 2 Örek FİNNSL YÖNETİM ÖRNEKLER 1000 TL %10 fazde kaç yıl süreyle yatırıldığıda 1600 TL olur? =1000 TL, FV=1600 TL, =0.1 FV (1 ) FV 1600 (1 )
DetaylıTABAKALI ŞANS ÖRNEKLEME
6 TABAKAI ŞA ÖREKEME 6.. Populasyo ortalaması ve populasyo toplamıı tam 6.. Populasyo ortalamasıı ve toplamıı varyası 6... Populasyo ortalamasıı varyası 6... Populasyo toplamıı varyası 6..3. Ortalama ve
DetaylıErgonomik Ürün Tasarımına Bütünleşik Bir Yaklaşım
Sakarya Üverstes Fe Blmler Esttüsü Dergs, Vol(No): pp, year SAKARYA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ DERGİSİ SAKARYA UNIVERSITY JOURNAL OF SCIENCE e-issn: 2147-835X Derg sayfası: http://dergpark.gov.tr/saufeblder
DetaylıKi- kare Bağımsızlık Testi
PARAMETRİK OLMAYAN İSTATİSTİKSEL TEKNİKLER Prof. Dr. Ali ŞEN Ki- kare Bağımsızlık Testi Daha öceki bölümlerde ölçümler arasıdaki ilişkileri asıl iceleeceğii gördük. Acak sıklıkla ilgileile veriler ölçüm
DetaylıANFIS VE ARMA MODELLERİ İLE ELEKTRİK ENERJİSİ YÜK TAHMİNİ
Gaz Üv. Müh. Mm. Fak. Der. J. Fac. Eg. Arch. Gaz Uv. Clt 5, No 3, 60-60, 00 Vol 5, No 3, 60-60, 00 ANFIS VE ARMA MODELLERİ İLE ELEKTRİK ENERJİSİ YÜK TAHMİNİ Özka DEMİREL, Ada KAKİLLİ ve Mehmet TEKTAŞ Elektrk
DetaylıISF404 SERMAYE PİYASALARI VE MENKUL KIYMETYÖNETİMİ
8. HAFTA ISF404 SERMAYE PİYASALARI VE MENKUL KIYMETYÖNETİMİ PORTFÖY YÖNETİMİ II Doç.Dr. Murat YILDIRIM muratyildirim@karabuk.edu.tr Geleeksel Portföy Yaklaşımı, Bu yaklaşıma göre portföy bir bilim değil,
DetaylıAkdeniz Bölgesine Ait Meteorolojik Veriler Kullanılarak Yapay Sinir Ağları Yardımıyla Güneş Enerjisinin Tahmini
SDU Joural of Scece (E-Joural), 2016, 11 (1): 61-71 Akdez Bölgese At Meteorolojk Verler Kullaılarak Yapay Sr Ağları Yardımıyla Güeş Eerjs Tahm Muhtt Şaha 1,* Yüksel Okur 1 Osmaye Korkut Ata Üverstes, Fe
DetaylıTanımlayıcı İstatistikler
Taımlayıcı İstatstkler Br veya brde azla dağılışı karşılaştırmak ç kullaıla ve ayrıca örek verlerde hareket le rekas dağılışlarıı sayısal olarak özetleye değerlere taımlayıcı statstkler der. Aalzlerde
DetaylıAntalya Konyaaltı Liman Mahallesinde Residence Sitede Satılık Muhtelif Ölçülerde 2+1 Daireler Antalya / Konyaaltı
Antalya Konyaaltı Liman Mahallesinde Residence Sitede Satılık Muhtelif Ölçülerde 2+1 Daireler Antalya / Konyaaltı Satılık - Residans 78,500 74 m2 Antalya / Konyaaltı Oda Sayısı : 2 Salon Sayısı : 1 Banyo
DetaylıRasgele sayıda bağımlı aktüeryal risklerin beklenen değeri için alt ve üst sınırlar
www.saskcler.org İsaskçler Dergs (8) 64-74 İsaskçler Dergs Rasgele sayıda bağımlı aküeryal rskler beklee değer ç al ve üs sıırlar Fah Tak Kırıkkale Üverses Fe-Edebya Faküles, İsask Bölümü 7-ahşha,Kırıkkale,
DetaylıX = 11433, Y = 45237,
A.Ü. SBF, IV Malye EKONOMETRİ I ARA SINAVI 4..006 Süre 90 dakkadır..,. ve 3. sorular 0 ar, 4. ve 5. sorular 30 ar pua, ödev 0 pua değerdedr. Tüm formüller ve şlemlerz açıkça gösterz. ) Y = Xβ + u doğrusal
Detaylıdenklemini sağlayan tüm x kompleks sayılarını bulunuz. denklemini x = 64 = 2 i şeklinde yazabiliriz. Bu son kompleks sayıları için x = 2iy
Ders Sorumlusu: Doç. Dr. Necp ŞİMŞEK Problem. deklem sağlaya tüm kompleks sayılarıı buluu. Çöüm deklem şeklde yaablr. Bu so y kompleks sayıları ç y yaalım. Bu taktrde deklemde, baı y ( ) y elde edlr. Burada
DetaylıHIZLI EVRİMSEL ENİYİLEME İÇİN YAPAY SİNİR AĞI KULLANILMASI
Hızlı Evrmsel Eyleme İç Yapay Sr Ağı Kullaılması HAVACILIK VE UZAY TEKNOLOJİLERİ DERGİSİ OCAK 006 CİLT SAYI 3 (-8) HIZLI EVRİMSEL ENİYİLEME İÇİN YAPAY SİNİR AĞI KULLANILMASI Abdurrahma HHO Dekalığı Havacılık
DetaylıPoliteknik 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
DetaylıAntalya Konyaaltı Liman Mahallesinde Residence Sitede Eşyalı Kiralık Daireler
Antalya Konyaaltı Liman Mahallesinde Residence Sitede Eşyalı Kiralık Daireler Günlük-Kiralık - Residans 470 109 m2 Antalya / Konyaaltı Oda Sayısı : 2 Salon Sayısı : 1 Banyo Sayısı : 1 Yapının Şekli : Apartman
Detaylıİşletme İstatistiği. [Type the document subtitle] Ege Yazgan ve Yüce Zerey 10/21/2003
ISTANBUL BİLGİ UNİVERSİTY İşletme İstatstğ [Type the documet subttle] Ege Yazga ve Yüce Zerey 1/1/3 [Type the abstract of the documet here. The abstract s typcally a short summary of the cotets of the
DetaylıBÖLÜM 4 KLASİK OPTİMİZASYON TEKNİKLERİ (KISITLI OPTİMİZASYON)
BÖÜM 4 KASİK OPTİMİZASYON TEKNİKERİ KISITI OPTİMİZASYON 4. GİRİŞ Öcek bölülerde de belrtldğ b optzaso probleler çoğuluğu kısıtlaıcı oksolar çerektedr. Kısıtlaasız optzaso problelerde optu değer ede oksou
DetaylıKIRMIZI, TAVUK VE BEYAZ ET TALEBİNİN TAM TALEP SİSTEMİ YAKLAŞIMIYLA ANALİZİ
Süleyman Demrel Ünverstes Sosyal Blmler Ensttüsü Dergs Yıl: 2007/2, Sayı: 6 Journal of Suleyman Demrel Unversty Insttue of Socal Scences Year: 2007/2, Number: 6 KIRMIZI, TAVUK VE BEYAZ ET TALEBİNİN TAM
DetaylıTanımlayıcı 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
DetaylıKONTROL KARTLARI 1)DEĞİŞKENLER İÇİN KONTROL KARTLARI
1 KONTOL KATLAI 1)DEĞİŞKENLE İÇİN KONTOL KATLAI Ölçe,gözle veya deey yolu le elde edle verler değşke(ölçüleblr-sürekl) ve özellk (sayılablr-keskl) olak üzere başlıca k gruba ayrılır. Değşke verler belrl
DetaylıARAŞTIRMA MAKALESİ /RESEARCH ARTICLE
ANADOLU ÜNİVERSİTESİ BİLİM VE TEKNOLOJİ DERGİSİ ANADOLU UNIVERSITY JOURNAL OF SCIENCE AND TECHNOLOGY Clt/Vol.:0-Sayı/No: : 455-465 (009) ARAŞTIRMA MAKALESİ /RESEARCH ARTICLE İKİ PARAMETRELİ WEIBULL DAĞILIMINDA
DetaylıFarklı Varyans. Var(u i X i ) = Var(u i ) = E(u i2 ) = σ i2. Eşit Varyans. Hata. Zaman
Farklı Varyans Var(u X ) = Var(u ) = E(u ) = σ Eşt Varyans Y X Farklı Varyans Hata Var(u X ) = Var(u ) = E(u ) = σ Farklı Varyans Zaman Farklı Varyans le Karşılaşılan Durumlar Kest Verlernde. Kar dağıtım
Detaylı4/16/2013. 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
Detaylı6. Uygulama. dx < olduğunda ( )
. Uygulama Hatırlatma: Rasgele Değşelerde Belee Değer Kavramı br rasgele değşe ve g : R R br osyo olma üzere, ) esl ve g ) ) < olduğuda D ) sürel ve g ) ) d < olduğuda g belee değer der. c R ve br doğal
DetaylıPopulasyon Hacminin Yakalama-Tekrar Yakalama Yöntemi Kullanılarak Ters Tahmin Yöntemi ile Tahmini (1)
Yüzücü Yıl Üverstes, Zraat Fakültes, Tarım Blmler Dergs (J. Agrc. Sc., 003, 3(: 3-8 Gelş Tarh :.0.003 Populasyo Hacm Yakalama-Tekrar Yakalama Yötem Kullaılarak Ters Tahm Yötem le Tahm ( Hamt MİRTAGHIZADEH
Detaylıˆp 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
DetaylıUYGULAMA 2. Bağımlı Kukla Değişkenli Modeller
UYGULAMA 2 Bağımlı Kukla Değşkenl Modeller Br araştırmacı Amerka da yüksek lsans ve doktora programlarını kabul ednlmey etkleyen faktörler ncelemek stemektedr. Bu doğrultuda aşağıdak değşkenler ele almaktadır.
Detaylı