Sorunun varlığı durumunda hata terimi varyans-kovaryans matrisi Var, Cov(u) = E(uu') = σ 2 I n şeklinde yazılamıyor fakat
|
|
- Gonca Zeybek
- 7 yıl önce
- İzleme sayısı:
Transkript
1 8. DEĞİŞEN VARYANS SORUNU (HETEROSCEDASTICITY) 8.. Değşen Varyans Sorunu Nedr? Matrslerle yan Y = β u Y = β β β 3 3 β k k u, = n genel doğrusal modeln ele alalım. Hata term çn yapılan varsayımlardan brs E(uu') = u I = I (hata termlernn varyansı sabttr ve aralarındak kovaryans sıfırdır) varsayımıdır: E(uuuu ) = Değşen varyans sorunu se hata termlernn varyansları brbrnden farklı olduğu durumda vardır: Var(u ) = E(u ) Sorunun varlığı durumunda hata term varyans-kovaryans matrs Var, Cov(u) = E(uu') = I n şeklnde yazılamıyor fakat Var, Cov(u) = E(uu') = Ω = n olarak yazılablyor se değşen varyans sorunu var demektr. Her br hata term çn E(u ) = =,,, n dr ve her br hata term varyansı farklıdır. 8-
2 Değşen varyans sorunu genellkle yatay kest verleryle tahmn yapıldığında ortaya çıkar. Hata termlernn varyanslarının değşken olmasının bazı nedenler aşağıdak gbdr. ) Hataların öğrenldğ durumlar: nsanlar öğrendkler çn hataları zaman çnde azalır. Ör. Klavye kullanımı arttıkça yazım hataları sayısı azalır. ) Gelr arttıkça nsanların gelrn harcamak çn daha fazla seçm alanı olur. Örneğn bağımlı değşken gıda harcamaları olsun ve açıklayıcı değşkenler br sabt ve harcanablr gelr olsun. Gıda çn Engel eğrsnn poztf eğml olması beklenr. Yan ortalamada daha yüksek gelrllern gıda harcamalarının daha yüksek olması beklenr. Aynı zamanda yüksek gelrl haneler arasında harcama farklılıklarının düşük gelrller arasında olduğundan daha yüksek olması beklenr. Dolayısıyla hata termnn (u ) varyansı gelrle brlkte artar. C Y Gerçekleşen tüketm değerleryle tahmn edlen (çzg üzerndek) tüketm değerler arasındak fark, hata term tahmnn vermektedr ve gelr arttıkça bunlar da büyümektedr. Bu durumda hata termnn varyansı da gderek artmaktadır. Benzer bçmde frmaların karları veya frma büyüklüğü (çalışan sayısı) arttıkça kar payı da ğıtımı gb kararlarında daha fazla değşkenlk gösterrler. ) Ver toplama teknkler gelştkçe hata varyansları azalır. Ör. Daha gelşmş ver şleme teknkler olan bankaların müşterler le lgl verdkler blgler daha az hata çerr. v) Aşırı uçlar (outlers): örneklemdek dğer gözlemlere göre çok farklı olan gözlemler değşen varyansa neden olablr. v) Spesfkasyon hataları olması durumunda, özellkle dışlanan değşken varsa değşen varyans sorunu ortaya çıkablr. 8-
3 v) ARCH : Otoregresf koşullu değşen varyans (Autoregressve Condtonal Heteroscedastcty) Değşen varyans sorunu zaman serleryle yapılan tahmnlerde de ortaya çıkablr. Özellkle enflasyon, hsse sened fyatları, dövz kurları gb volatltenn zaman çnde değştğ verlerde gözlenmektedr. Hata term varyansları hem geçmş dönemlern hata termler le lşkldr hem de dalgalanmalar gösterr. Hata termlernn t dönemndek koşullu varyansı: E(u t u t-, u t-,, u t-p ) = t = α α u t- α u t- α p u t-p (8.) Bu modelnn makul olması çn (8.) nn poztf olması, bunun çn de tüm katsayıların poztf olması gerekr. Çünkü varyans negatf değer alamaz. (8.) dek genel model ARCH(p) sürecn yansıtır. Bu durumda örneğn ARCH() t = α α u t- dr. 8-3
4 8.. Değşen Varyans Sorunu EKK Tahmn Edclern Nasıl Etkler?. E(u) = ve E('u) = varsayımları geçerl olmayı sürdürdükler çn sapmasızlık özelllğn korunur.. EKK tahmn edcs etknlk özelllğn kaybeder. Çünkü Var,Cov (ββ) = E{[ββ-E(ββ)][ ββ-e(ββ)]'} = E{[(') - 'u -E((') - 'u))][(') - 'u -E((') - 'u))]'} = E{[(') - 'u][(') - 'u]'} = E{(') - 'uu'(') - } = (') - ' E(uu')(') - = (') - ' Ω(') - = (') - 'Ω(') - Bu durumda değşen varyans sorunu daha büyük varyansa neden olur ve daha küçük varyansa sahp tahmn edcler vardır. (E(uu') = I n olsaydı Var,Cov (ββ) = (') - 'I(') - = (') - olurdu) 3. EKK tahmn edcsnn hesaplanan varyans ve standart hataları yanlış br fadeye dayanacak, dolayısıyla t ve F statstkler sapmalı olacak, testler güvenlr olmaktan çıkacaktır: Hata termlernn varyansının ( uu ) tahmn edcs uu nn kk Var(ββ jj ) aşağı doğru, t statstkler yukarı doğru sapmalı olur. aşağı doğru sapmalı olur. Dolayısıyla Dğer yandan R ve F statstğ de yukarı doğru sapmalıdır. 8-4
5 8.3. Değşen Varyans Sorununun Varlığı Saptanablr m? Bçmsel Olmayan Yöntemler Elmzdek çalışmanın ntelğ br pucu vereblr: Daha öncek çalışmalar göstermştr k tüketmn gelrle açıklandığı tahmnlerde değşen varyans sorunu vardır. Bu nedenle tüketm denklem tahmnnde bu sorunun olmasını beklerz. Kest verler tahmnlernde heterojen brmler varsa bu sorun sözkonusu olacaktır: örneğn yatırımların bağımlı çıktı, faz vs. nn açıklayıcı değşken olduğu denklemde küçük, orta ve büyük ölçekl şletmeler aynı örneklemde yer alıyorsa bu sorundan şüphelenmelyz. Grafk yöntem: Değşen varyansla lgl önceden elmzde blg yoksa hata tahmn karelernn grafğ ncelenerek sstematk br şekl verp vermedğne bakılablr. Hata tahmnler hata termler le aynı değldr fakat özellkle örneklem büyüklüğü yeternce genşse y br tahmnn verr. Dkey eksende hata tahmn kareler, yatay eksende Y nn tahmn değerler varken: Brnc grafkte Ŷ le û arasında sstematk br lşk görünmemektedr. Ama dğerlernde vardır: örneğn 3. de doğrusal br lşk 4. ve 5. de karesel br lşk vardır. Grafk özellkle. grafkte olduğu gb br lşk göstermyorsa yatay eksende açıklayıcı değşkenlerden brnn olduğu grafk de kullanılablr. 8-5
6 8.3.. Bçmsel Yöntemler. Goldfeld-Quandt Test Hata term varyansındak değşmeler açıklayıcı değşkenlerden brs le lşklendrleblyorsa bu test uygulanablr. Y = β β β 3 3 β k k u, 8-6 = n modelnde Var(u) dyelm k değşken (veya örneğn kares) le lşkldr. Test brkaç aşamada uygulanır: - Önce bu değşken küçükten büyüğe doğru sıralanmalıdır. Sonra, bağımlı değşken ve dğer açıklayıcı değşken verler de değşkennn sıralanmış verlerne karşılık gelecek şeklde yenden düzenlenmeldr. - Yen sıralanmış verlern ortasındak c adet ver atılmalıdır ve c n/6 olmalıdır. Kalan n-c gözlem k eşt sayıda (=(n-c)/) olmalıdır. Ör. n = 4 se n/6 6 dersek 4-6=34 kye bölüneblr: n = n = Yukarıda verlen denklem n ve n ver le k kez tahmn edlmeldr. n adet ver le yapılan tahmnde KKT = Σ û n adet ver le yapılan tahmnde KKT = Σ û bulunmalıdır. Burada KKT düşük varyanslı grup, KKT yüksek varyanslı gruptur. 4- Burada test edlecek hpotez aşağıdak gbdr: H : = H : Kullanılacak statstk F h RSS/(n = RSS /(n k) k) Eğer u normal dağılmışsa ve sabt varyans varsayımı geçerl se F h F tab = F(n -k, n -k) tablo değer le karşılaştırılmalıdır. F h > F tab se H reddedlr, varyansın sabt olmadığına karar verlr. Bu testn gücü c değerne bağlıdır: c büyük olursa yardımcı denklemlern serbestlk dereces azalır; küçük olursa gözlemler arasındak farklılığı belrlemek zordur. Goldfeld-Quandt testnn olumsuz yönü, hata term varyansının br açıklayıcı değşkenle lşklendrlmesdr. Özellkle çok açıklayıcı değşken olması durumunda bu lşklendrme kolay olmayablr.
7 . Whte Test Whte test br LM testdr ve dğer LM testlernde olduğu gb asıl denkleme ek olarak br yardımcı denklem tahmn gerektrr. Testn arkasındak temel düşünce şudur: Eğer sabt varyans varsa E(u ) = dır ve ler veya lern fonksyonu olan değşkenler u y açıklamaz. Bu nedenle sol taraf değşkennn u, sağ taraf değşkenlernn lern br fonksyonu olduğu br yardımcı denklem tahmn edlr. Değşen varyans sorunundan şüphelenlyor ama formu hakkında br fkrmz yoksa Whte test uygun br testtr. Asıl denklem aşağıdak gb olsun Y = β β β 3 3 β k k u, = n - Asıl denklem tahmn edlerek hata tahmn kareler bulunur: - Aşağıdak yardımcı denklem tahmn edlr: û û = α α α k k α k α k k α k 3 v Yan asıl denklemn hata tahmn karelernn bağımlı, açıklayıcı değşkenlern kendler, kareler ve çarpımlarının açıklayıcı değşken olduğu denklem tahmn edlr. Açıklayıcı değşkenlern daha yüksek dereceler de kullanılablr. Asıl denklemde sabt term olsa da olmasa da yardımcı denklemde vardır. Bu yardımcı denklem çn R hesaplanır. Buna R Y dyelm. 3- Boş hpotez değşen varyans olmadığı şeklndedr: H : α = α 3 = = α k = H : α, α 3,, α k R Y nn n le çarpımı asmptotk olarak k-kare dağılımına sahptr ve serbestlk dereces yardımcı denklemde yer alan sabt dışındak açıklayıcı değşken sayısıdır. nr Y χ (kf-) (burada f asıl denklemde bulunmayıp yardımcı denklemde bulunan değşken sayısıdır) 4- Eğer hesaplanan χ değer tablo değernden büyükse H reddedlr. Yan değşen varyans sorunu var demektr. Eğer büyük değlse değşen varyans sorunu yoktur. 8-7
8 Test edlen hpotez bakımından düşünülürse Whte test Goldfeld-Quandt testnden daha geneldr. Olumsuz tarafı: çok sayıda açıklayıcı değşken olduğunda yardımcı denklemde serbestlk dereces hızla düşer. Test statstğnn anlamlı bulunduğu durumlarda bunun neden değşen varyans olmak zorunda değldr, tanımlama hataları da olablr veya ks brden olablr. Hangsnn olduğunu blmek se zordur. 3. ARCH-LM Test Engle ARCH sorununun varlığını test etmek çn br LM test önermştr. Dğer LM testlernde olduğu gb ARCH çn yapılan LM testnde de asıl denkleme ek olarak br yardımcı denklem tahmn edlr. Asıl denklem ve yardımcı denklem sırasıyla şöyledr: Y t = β β t β 3 t3 β k tk u t, t = n û = a c û c û c p e t t t- t- û t-p Yardımcı denklemdek geckme sayısı p araştırmacıya kalmıştır ancak üç aylık verler kullanılıyorsa geckme sayısı 4 e çıkablr. Whte testnde olduğu gb test statstğ olarak χ dağılımlı değşkenler kullanılablr: χ (p) nr Y H : c, c,, c p = H : c, c,, c p Hesaplanan değer tablo değernden büyükse H reddedlr ve modelde ARCH vardır sonucuna ulaşılır. 8-8
9 8.4. Değşen Varyans Sorununun Çözümü Var mıdır? Değşen varyans sorununu nasıl çözeceğmz, değşen varyansın formunu belrleyp belrleyemedğmze bağlıdır. Değşen varyans sorununun nasıl çözüleceğne geçmeden önce daha önce belrttğmz br şey tekrarlayalım: değşen varyans model spesfkasyonunun yanlış olmasından kaynaklanablr. Vernn logartmasının alınması değşen varyans sorununun azalmasını veya ortadan kalkmasını sağlayablr. Bu nedenle ele alacağımız metodları uygulamadan önce spesfkasyonun doğru olduğundan emn olmak gerekr. Değşen varyansın formu tam olarak blnyorsa GEKK yöntem kullanılır. Değşen varyansın formunu blmyorsak veya tahmn edemyorsak Whte standart hatalar kullanılır u değerler blnyorsa: Genelleştrlmş EKK (GEKK) Yöntem (Generalzed Least Squares - GLS) Değşen varyans sorununda hata term varyans-kovaryans matrsnn Var, Cov(u) = E(uu') = I n yerne Var, Cov(u) = E(uu') = Ω = n geçmektedr. GEKK yöntem asıl denklemden br dönüştürülmüş denklem elde edp bu dönüştürülmüş denklem EKK le tahmn etmek anlamına gelmektedr. Bu durumda dönüştürülmüş denklem aşağıdak gbdr. Y = β β,... β k k, e Dönüştürülmüş denklemn hata term e = u / dr ve e nn varyansı : Var(e ) = E(e ) = E(u / ) = (/ )E(u ) = (/ ) = dr ve sabttr. 8-9
10 8- Dönüştürülmüş denklemn EKK le tahmn edlmes, asıl denklemn GEKK le tahmn edlmes anlamına gelmektedr. Buradak dönüştürülmüş denklemn EKK uygulanması Ağırlıklı EKK (weghted least squares) olarak adlandırılır. Çünkü her br gözlem hata term varyansının ters le ağırlıklandırılmıştır. Ağırlıklı EKK, daha genel br yöntem olan GEKK n özel br durumudur. Daha sonrak bölümlerde GEKK n farklı özel durumlarını da ele alacağız. Ağırlıklı EKK da ağırlıkların kullanılması şu anlama gelr: yüksek varyansa sahp gözlemler tahmnde daha düşük ağırlığa sahptr. Daha genel olarak şu söyleneblr: en yüksek kaltedek gözlemlere en yüksek ağırlık verlr, en düşük kaltedek gözlemlere en düşük ağırlık verlr. Bazı durumlarda Var, Cov(u) = E(uu') = Ω = = n n Olduğu varsayılır. Yan her br hata term çn E(u ) = dr. Yan her br varyansın gb sabt br kısmı vardır fakat nedenyle her br varyans brbrnden farklıdır: Var(u ) =, Var(u ) =, Var(u n ) = n Bu durumda dönüştürülmüş denklem şöyle fade edeblrz: k, k, u β... β β Y = veya k, k, e β... β β Y = dönüştürülmüş denklemn hata term e = u / e nn varyansı : Var(e ) = E(e ) = E(u / ) = (/ )E(u ) = / = dr ve sabttr.
11 8.4.. u değerler blnmyorsa: GEKK yöntemnn bu şeklde uygulanablmes çn Ω değerlernn blnmes gerekr. Bu değerlern blnmemes durumunda üç yöntem uygulanablr. - Değşen varyans le lgl varsayım Ω genellkle blnmedğ çn hata term varyansının açıklayıcı değşkenlerden brs le lşkl olarak değştğ varsayımı yapılır: Örneğn a- Hata termler varyansı le orantılıdır: Var(u ) = ( = ) Bu durumda Ω matrs şu şeklde tanımlanmış olmaktadır: Ω=,,,n Sonuç olarak dönüştürülmüş model şu şekldedr: Y, k, = β β... β k e e = u /,,, e nn varyansı : Var(e ) = E(e ) = E(u /, ) = (/, )E(u ) = /, = dr (sabt) b- Hata termler varyansı le orantılıdır: Var(u ) =, ( = ) dönüştürülmüş model: Y, = β, β,... β k k,, e e = u /, 8-
12 - Whte değşen varyansla tutarlı varyansları (Whte s heteroscedastcty-consstent varances and Standard errors) Whte göstermştr k büyük örneklemlerde gerçek parametre değerler le lgl statstk çıkarımlarda bulunulablr. Bu yöntemde katsayı varyans kovaryans matrsnn hesaplanmasında, yerne onun tahmn olarak (Whte cov matrs: (') - [Σ = n u x x ']( ) - ) û kullanılır. Pek çok ekonometr paket Whte değşen varyansla tutarlı varyansları ve standart hataları vermektedr. Bu değerler EKK değerlernden büyük veya küçük olablr. Bu yöntemn uygulanablmes çn büyük örneklem olması gerekr. 8-
Korelasyon 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
DetaylıSabit Varyans. Var(u i X i ) = Var(u i ) = E(u i2 ) = s 2
X Sabt Varyans Y Var(u X ) = Var(u ) = E(u ) = s Eşt Varyans EKKY nn varsayımlarından br anakütle regresyon fonksyonu u lern eşt varyanslı olmasıdır Her hata term varyansı bağımsız değşkenlern verlen değerlerne
DetaylıFarklı Varyans. Var(u i X i ) = Var(u i ) = E(u i2 ) = σ i2. Eşit Varyans. Hata. Zaman
Farklı Varyans Var(u X ) = Var(u ) = E(u ) = σ Eşt Varyans Y X Farklı Varyans Hata Var(u X ) = Var(u ) = E(u ) = σ Farklı Varyans Zaman Farklı Varyans le Karşılaşılan Durumlar Kest Verlernde. Kar dağıtım
DetaylıPARÇALI DOĞRUSAL REGRESYON
HAFTA 4 PARÇALI DOĞRUSAL REGRESYO Gölge değşkenn br başka kullanımını açıklamak çn varsayımsal br şrketn satış temslclerne nasıl ödeme yaptığı ele alınsın. Satış prmleryle satış hacm Arasındak varsayımsal
DetaylıKİ-KARE TESTLERİ A) Kİ-KARE DAĞILIMI VE ÖZELLİKLERİ
Kİ-KAR TSTLRİ A) Kİ-KAR DAĞILIMI V ÖZLLİKLRİ Örnekleme yoluyla elde edlen rakamların, anakütle rakamlarına uygun olup olmadığı; br başka fadeyle gözlenen değerlern teork( beklenen) değerlere uygunluk gösterp
DetaylıKİ-KARE TESTLERİ. şeklinde karesi alındığında, Z i. değerlerinin dağılımı ki-kare dağılımına dönüşür.
Kİ-KARE TESTLERİ A) Kİ-KARE DAĞILIMI VE ÖZELLİKLERİ Örnekleme yoluyla elde edlen rakamların, anakütle rakamlarına uygun olup olmadığı; br başka fadeyle gözlenen değerlern teork( beklenen) değerlere uygunluk
DetaylıFarklı Varyans. Var(u i X i ) = Var(u i ) = E(u i2 ) = s 2 Eşit Varyans
Farklı Varyans Var(u X ) = Var(u ) = E(u ) = s Eşt Varyans Y X 1 Farklı Varyans Hata Var(u X ) = Var(u ) = E(u ) = s Farklı Varyans Zaman EKKY nn varsayımlarından br anakütle regresyon fonksyonu u lern
DetaylıHAFTA 13. kadın profesörlerin ortalama maaşı E( Y D 1) erkek profesörlerin ortalama maaşı. Kestirim denklemi D : t :
HAFTA 13 GÖLGE EĞİŞKENLERLE REGRESYON (UMMY VARIABLES) Gölge veya kukla (dummy) değşkenler denen ntel değşkenler, cnsyet, dn, ten reng gb hemen sayısallaştırılamayan ama açıklanan değşkenn davranışını
DetaylıKİ KARE ANALİZİ. Doç. Dr. Mehmet AKSARAYLI Ki-Kare Analizleri
Kİ KAR ANALİZİ 1 Doç. Dr. Mehmet AKSARAYLI www.mehmetaksarayl K-Kare Analzler OLAY 1: Genelde br statstk sınıfında, öğrenclern %60 ının devamlı, %30 unun bazen, %10 unun se çok az derse geldkler düşünülmektedr.
DetaylıSEK Yönteminin Güvenilirliği Sayısal Bir Örnek. Ekonometri 1 Konu 11 Sürüm 2,0 (Ekim 2011)
İk Değşkenl Bağlanım Model SEK Yöntemnn Güvenlrlğ Ekonometr 1 Konu 11 Sürüm,0 (Ekm 011) UADMK Açık Lsans Blgs İşbu belge, Creatve Commons Attrbuton-Non-Commercal ShareAlke 3.0 Unported (CC BY-NC-SA 3.0)
DetaylıUYUM ĐYĐLĐĞĐ TESTĐ. 2 -n olup. nin dağılımı χ dir ve sd = (k-1-p) dir. Burada k = sınıf sayısı, p = tahmin edilen parametre sayısıdır.
UYUM ĐYĐLĐĞĐ TESTĐ Posson: H o: Ver Posson dağılıma sahp br ktleden gelmektedr. H a : Ver Posson dağılıma sahp br ktleden gelmemektedr. Böyle br hpotez test edeblmek çn, önce Posson dağılım parametres
DetaylıİKİ DEĞİŞKENLİ BASİT DOĞRUSAL REGRESYON MODELİ
İKİ DEĞİŞKENLİ BASİT DOĞRUSAL REGRESON MODELİ Regresyon le ( ler) arasındak ortalama lşknn matematk fonksyonla fadesdr. f ( ) b b Bu lşk eğrselde olablr. Ortalama lşk aşağıdak gb fade edlr: E( ) f ( )
DetaylıSıklık Tabloları ve Tek Değişkenli Grafikler
Sıklık Tabloları ve Tek Değşkenl Grafkler Sıklık Tablosu Ver dzsnde yer alan değerlern tekrarlama sayılarını çeren tabloya sıklık tablosu denr. Sıklık Tabloları tek değşken çn marjnal tablo olarak adlandırılır.
DetaylıSEK Tahmincilerinin Arzulanan Özellikleri. SEK Tahmincilerinin Arzulanan Özellikleri. Ekonometri 1 Konu 9 Sürüm 2,0 (Ekim 2011)
SEK Tahmnclernn Arzulanan Özellkler İk Değşkenl Bağlanım Model SEK Tahmnclernn Arzulanan Özellkler Ekonometr 1 Konu 9 Sürüm 2,0 (Ekm 2011) http://www.ackders.org.tr SEK Tahmnclernn Arzulanan Özellkler
DetaylıDoğrusal Korelasyon ve Regresyon
Doğrusal Korelasyon ve Regresyon En az k değşken arasındak lşknn ncelenmesne korelasyon denr. Kşlern boyları le ağırlıkları, gelr le gder, öğrenclern çalıştıkları süre le aldıkları not, tarlaya atılan
DetaylıPARAMETRİK OLMAYAN HİPOTEZ TESTLERİ Kİ-KARE TESTLERİ
PARAMETRİK OLMAYAN HİPOTEZ TESTLERİ Kİ-KARE TESTLERİ 1 Populasyonun nceledğmz br özellğnn dağılışı blenen dağılışlardan brsne, Normal Dağılış, t Dağılışı, F Dağılışı, gb br dağılışa uygun olduğu durumlarda
DetaylıA EKONOMETRİ KPSS/1-AB-PÖ/2006
. 6. SOULI ŞĞIDKİ BİLGİLEE GÖE CEVPLYINIZ. Y =β +β X +... +β kxk + u denklem, n adet örnek ver ve k adet katsayı çn matrs ve vektörlerle Y = Xβ+ u şeklnde fade edlmştr. Burada ( kx ), X ( nxk ) ve u (
DetaylıNİTEL TERCİH MODELLERİ
NİTEL TERCİH MODELLERİ 2300 gözlem sayısı le verlen değşkenler aşağıdak gbdr: calsma: çocuk çalışıyorsa 1, çalışmıyorsa 0 (bağımlı değşken) Anne_egts: Anne eğtm sevyes Baba_egts: Baba eğtm sevyes Kent:
DetaylıBÖLÜM 5 İKİ VEYA DAHA YÜKSEK BOYUTLU RASGELE DEĞİŞKENLER İki Boyutlu Rasgele Değişkenler
BÖLÜM 5 İKİ VEYA DAHA YÜKSEK BOYUTLU RASGELE DEĞİŞKENLER 5.. İk Boyutlu Rasgele Değşkenler Br deney yapıldığında, aynı deneyle lgl brçok rasgele değşkenn aynı andak durumunu düşünmek gerekeblr. Böyle durumlarda
DetaylıTek Yönlü Varyans Analizi
Tek Yönlü Varyan Analz Nedr ve hang durumlarda kullanılır? den fazla grupların karşılaştırılmaı öz konuu e, çok ayıda t-tet nn kullanılmaı, Tp I hatanın artmaına yol açar; Örneğn, eğer 5 grubu kşerl olarak
DetaylıÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ ÇOKLU İÇ İLİŞKİ VE EKOLOJİK REGRESYON İSTATİSTİK ANABİLİM DALI
ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ Berrn GÜLTAY YÜKSEK LİSANS TEZİ ÇOKLU İÇ İLİŞKİ VE EKOLOJİK REGRESYON İSTATİSTİK ANABİLİM DALI ADANA, 9 ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ ÇOKLU
DetaylıSansürlenmiş ve Kesikli Regresyon Modelleri
TOBİT MODEL 1 Sansürlenmş ve Keskl Regresyon Modeller Sınırlı bağımlı değşkenler: sansürlenmş (censored) ve keskl (truncated) regresyon modeller şeklnde k gruba ayrılır. 2 Sansürlenmş ve Keskl Regresyon
DetaylıX, R, p, np, c, u ve diğer kontrol diyagramları istatistiksel kalite kontrol diyagramlarının
1 DİĞER ÖZEL İSTATİSTİKSEL KALİTE KONTROL DİYAGRAMLARI X, R, p, np, c, u ve dğer kontrol dyagramları statstksel kalte kontrol dyagramlarının temel teknkler olup en çok kullanılanlarıdır. Bu teknkler ell
Detaylı3. TAHMİN En Küçük Kareler (EKK) Yöntemi 1
3. TAHMİN 3.1. En Küçük Kareler (EKK) Yöntemi 1 En Küçük Kareler (EKK) yöntemi, regresyon çözümlemesinde en yaygın olarak kullanılan, daha sonra ele alınacak bazı varsayımlar altında çok aranan istatistiki
DetaylıENDÜSTRİNİN DEĞİŞİK İŞ KOLLARINDA İHTİYAÇ DUYULAN ELEMANLARIN YÜKSEK TEKNİK EĞİTİM MEZUNLARINDAN SAĞLANMASINDAKİ BEKLENTİLERİN SINANMASI
V. Ulusal Üretm Araştırmaları Sempozyumu, İstanbul Tcaret Ünverstes, 5-7 Kasım 5 ENDÜSTRİNİN DEĞİŞİK İŞ KOLLARINDA İHTİYAÇ DUYULAN ELEMANLARIN YÜKSEK TEKNİK EĞİTİM MEZUNLARINDAN SAĞLANMASINDAKİ BEKLENTİLERİN
DetaylıEKONOMETRİYE GİRİŞ II ÖDEV 4 ÇÖZÜM
EKONOMETRİYE GİRİŞ II ÖDEV 4 ÇÖZÜM (Örgün e İknc Öğretm çn) 1. 754 hanehalkına at DOMerset sml Excel dosyasında yer alan erler kullanarak tahmnlenen DOM sonuçları: Dependent Varable: CALISANKADIN Sample:
Detaylıdir. Bir başka deyişle bir olayın olasılığı, uygun sonuçların sayısının örnek uzaydaki tüm sonuçların sayısına oranıdır.
BÖLÜM 3 OLASILIK HESABI 3.. Br Olayın Olasılığı Tanım 3... Br olayın brbrnden ayrık ve ortaya çıkma şansı eşt n mümkün sonucundan m tanes br A olayına uygun se, A olayının P(A) le gösterlen olasılığı P(A)
DetaylıMal Piyasasının dengesi Toplam Talep tüketim, yatırım ve kamu harcamalarının toplamına eşitti.
B.E.A. Mal Hzmet Pyasaları le Fnans Pyasalarının Ortak Denges Mal Pyasası Denges: (IS-LM) Model Mal Pyasasının denges Toplam Talep tüketm, yatırım ve kamu harcamalarının toplamına eştt. = C(-V)+I+G atırımlar
DetaylıA İSTATİSTİK. 4. X kesikli rasgele (random) değişkenin moment çıkaran. C) 4 9 Buna göre, X in beklenen değeri kaçtır?
. Br torbada 6 syah, 4 beyaz top vardır. Bu torbadan yerne koyarak top seçlyor. A İSTATİSTİK KPSS/-AB-PÖ/006. Normal dağılıma sahp br rasgele (random) değşkenn varyansı 00 dür. Seçlen topların ksnn de
DetaylıREGRESYON ANALİZİ BÖLÜM 5-6
REGRESYON ANALİZİ BÖLÜM 5-6 Yayın Tarh: 03-11-2007 Revzyon No:0 1 5. E.K.K. REGRESYONUNDA KARŞILAŞILAN PROBLEMLER VE BAZI KONU BAŞLIKLARI 2 1 EN KÜÇÜK KARELERDE KARŞILAŞILAN PROBLEMLER EKK da karşılaşılan
Detaylı14 Ekim Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge. 1 Yıldız Teknik Üniversitesi
DEĞİŞEN VARYANS Hüseyin Taştan 1 1 Yıldız Teknik Üniversitesi İktisat Bölümü Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge 14 Ekim 2012 Ekonometri I: Değişen Varyans
DetaylıBÖLÜM 1 1.GİRİŞ: İSTATİSTİKSEL DOĞRUSAL MODELLER
BÖLÜM 1 1.GİRİŞ: İSTATİSTİKSEL DOĞRUSAL MODELLER Blmn amaçlarından br yaşanılan doğa olaylarını tanımlamak ve olayları önceden tahmnlemektr. Bu amacı başarmanın yollarından br olaylar üzernde etkl olduğu
DetaylıKİ-KARE VE KOLMOGOROV SMİRNOV UYGUNLUK TESTLERİNİN SİMULASYON İLE ELDE EDİLEN VERİLER ÜZERİNDE KARŞILAŞTIRILMASI
C.Ü. İktsad ve İdar Blmler Dergs, Clt 4, Sayı 1, 3 6 Kİ-KARE VE KOLMOGOROV SMİRNOV UYGUNLUK TESTLERİNİN SİMULASYON İLE ELDE EDİLEN VERİLER ÜZERİNDE KARŞILAŞTIRILMASI H. BİRCAN, Y. KARAGÖZ ve Y. KASAPOĞLU
DetaylıÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ
ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ Gülesen ÜSTÜNDAĞ BAZI PARAMETRİK OLMAYAN İSTATİSTİKSEL YÖNTEMLERİN İNCELENMESİ İSTATİSTİK ANABİLİM DALI ADANA, 005 ÇUKUROVA ÜNİVERSİTESİ
DetaylıYAŞAM ÇÖZÜMLEMESİNDE AYKIRI DEĞERLER OUTLIERS IN SURVIVAL ANALYSIS
YAŞAM ÇÖZÜMLEMESİNDE AYKIRI DEĞERLER OUTLIERS IN SURVIVAL ANALYSIS NURAY TUNCER PROF. DR. DURDU KARASOY Tez Danışmanı Hacettepe Ünverstes Lsansüstü Eğtm-Öğretm Yönetmelğnn İstatstk Anablm Dalı İçn Öngördüğü
DetaylıBilgisayarla Görüye Giriş
Blgsayarla Görüye Grş Ders 8 Görüntü Eşleme Alp Ertürk alp.erturk@kocael.edu.tr Panorama Oluşturma Görüntüler eşlememz / çakıştırmamız gerekmektedr Panorama Oluşturma İk görüntüden özntelkler çıkar Panorama
DetaylıBölüm 3. Tanımlayıcı İstatistikler
Bölüm 3 Tanımlayıcı İstatstkler Tanımlayıcı İstatstkler Br ver setn tanımak veya brden fazla ver setn karşılaştırmak çn kullanılan ve ayrıca örnek verlernden hareket le frekans dağılışlarını sayısal olarak
DetaylıPARAMETRİK OLMAYAN HİPOTEZ TESTLERİ. χ 2 Kİ- KARE TESTLERİ. Doç.Dr. Ali Kemal ŞEHİRLİOĞLU Araş.Gör. Efe SARIBAY
PARAMETRİK OLMAYAN HİPOTEZ TESTLERİ Kİ- KARE TESTLERİ Doç.Dr. Al Kemal ŞEHİRLİOĞLU Araş.Gör. Efe SARIAY Populasyonun nceledğmz br özellğnn dağılışı blenen dağılışlardan brsne, Normal Dağılış, t Dağılışı,
Detaylı9. ARDIŞIK BAĞIMLILIK SORUNU (AUTOCORRELATION) 9.1. Ardışık Bağımlılık Sorunu Nedir?
9. ARDIŞIK BAĞIMLILIK SORUNU (AUTOCORRELATION) 9.1. Ardışık Bağımlılık Sorunu Nedir? Ardışık bağımlılık sorunu, hata terimleri arasında ilişki olmadığı (E(u i,u j ) = 0, i j) varsayımının geçerli olmamasıdır.
DetaylıRasgele Değişken Üretme Teknikleri
Rasgele Değşken Üretme Teknkler Amaç Smülasyon modelnn grdlern oluşturacak örneklern üretlmes Yaygın olarak kullanılan ayrık veya sürekl dağılımların örneklenmes sürecn anlamak Yaygın olarak kullanılan
DetaylıBölüm 3. Tanımlayıcı İstatistikler
Bölüm 3 Tanımlayıcı İstatstkler Tanımlayıcı İstatstkler Br ver setn tanımak veya brden fazla ver setn karşılaştırmak çn kullanılan ve örnek verlernden hareket le frekans dağılışlarını sayısal olarak özetleyen
Detaylı1. KEYNESÇİ PARA TALEBİ TEORİSİ
DERS NOTU 07 KEYNESÇİ PARA TALEBİ TEORİSİ, LM EĞRİSİ VE PARA TALEBİ FAİZ ESNEKLİĞİ Bugünk dersn çerğ: 1. KEYNESÇİ PARA TALEBİ TEORİSİ... 1 1.1 İŞLEMLER (MUAMELELER) TALEBİ... 2 1.2 ÖNLEM (İHTİYAT) TALEBİ...
DetaylıMatris Cebiriyle Çoklu Regresyon Modeli
Matris Cebiriyle Çoklu Regresyon Modeli Hüseyin Taştan Mart 00 Klasik Regresyon Modeli k açıklayıcı değişkenden oluşan regresyon modelini her gözlem i için aşağıdaki gibi yazabiliriz: y i β + β x i + β
DetaylıMIT Açık Ders Malzemeleri Bu materyallerden alıntı yapmak veya Kullanım Koşulları hakkında bilgi almak için
MIT Açık Ders Malzemeler http://ocm.mt.edu Bu materyallerden alıntı yapmak veya Kullanım Koşulları hakkında blg almak çn http://ocm.mt.edu/terms veya http://tuba.açık ders.org.tr adresn zyaret ednz. 18.102
DetaylıREGRESYON ANALİZİ BÖLÜM 1-2
REGRESYON ANALİZİ BÖLÜM 1- Yayın Tarh: 17-08-008 REGRESYON ANALİZİ NEDİR? MODELLEME 1. GİRİŞ İstatstk blmnn temel lg alanlarından br: br şans değşkennn davranışının br model kullanılarak tahmnlenmesdr.
DetaylıStandart Model (SM) Lagrange Yoğunluğu. u, d, c, s, t, b. e,, Şimdilik nötrinoları kütlesiz Kabul edeceğiz. Kuark çiftlerini gösterelim.
SM de yer alacak fermyonlar Standart Model (SM) agrange Yoğunluğu u s t d c b u, d, c, s, t, b e e e,, Şmdlk nötrnoları kütlesz Kabul edeceğz. Kuark çftlern gösterelm. u, c ve t y u (=1,,) olarak gösterelm.
DetaylıSürekli Olasılık Dağılım (Birikimli- Kümülatif)Fonksiyonu. Yrd. Doç. Dr. Tijen ÖVER ÖZÇELİK
Sürekl Olasılık Dağılım Brkml- KümülatFonksyonu Yrd. Doç. Dr. Tjen ÖVER ÖZÇELİK tover@sakarya.edu.tr Sürekl olasılık onksyonları X değşken - ;+ aralığında tanımlanmış br sürekl rassal değşken olsun. Aşağıdak
DetaylıElektrik Akımı. Test 1 in Çözümleri. voltmetresi K-M arasına bağlı olduğu için bu noktalar arasındaki potansiyel farkını ölçer. V 1. = i R KM 1.
5 Elektrk kımı 1 Test 1 n Çözümler 1. 4 Ω Ω voltmetre oltmetrenn ç drenc sonsuz büyük kabul edlr. Bu nedenle voltmetrenn bulunduğu koldan akım geçmez. an voltmetrenn olduğu koldak drenç dkkate alınmaz.
DetaylıÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ
ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ Savaş OKUR PARAMETRİK VE PARAMETRİK OLMAYAN BASİT DOĞRUSAL REGRESYON ANALİZ YÖNTEMLERİNİN KARŞILAŞTIRMALI OLARAK İNCELENMESİ ZOOTEKNİ ANABİLİM
Detaylıkadar ( i. kaynağın gölge fiyatı kadar) olmalıdır.
KONU : DUAL MODELİN EKONOMİK YORUMU Br prmal-dual model lşks P : max Z cx D: mn Z bv AX b AV c X 0 V 0 bçmnde tanımlı olsun. Prmal modeln en y temel B ve buna lşkn fyat vektörü c B olsun. Z B B BB c X
DetaylıREGRESYONDA ETKİLİ GÖZLEMLERİ BELİRLEME YÖNTEMLERİ VE KARŞILAŞTIRMALARI. Can DARICA YÜKSEK LİSANS TEZİ İSTATİSTİK
REGRESYONDA ETKİLİ GÖZLEMLERİ BELİRLEME YÖNTEMLERİ VE KARŞILAŞTIRMALARI Can DARICA YÜKSEK LİSANS TEZİ İSTATİSTİK GAZİ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ ŞUBAT 014 ANKARA Can DARICA tarafından hazırlanan
DetaylıSayfa 1. GİRİŞ TEMEL KAVRAMLAR... 2
. ĠÇĠNDEKĠLER Sayfa. GİRİŞ.... TEMEL KAVRAMLAR.... Olasılık.... Rasgele Değşken..... Keskl Rasgele Değşken... 3.. Sürekl Rasgele Değşken... 4.3 Olasılık Fonksyonu... 4.3. Keskl Rasgele Değşkenn Olasılık
Detaylıbir yol oluşturmaktadır. Yine i 2 , de bir yol oluşturmaktadır. Şekil.DT.1. Temel terimlerin incelenmesi için örnek devre
Devre Analz Teknkler DEE AAĐZ TEKĐKEĐ Bu zamana kadar kullandığımız Krchoffun kanunları ve Ohm kanunu devre problemlern çözmek çn gerekl ve yeterl olan eştlkler sağladılar. Fakat bu kanunları kullanarak
DetaylıT.C. SELÇUK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ
T.C. SELÇUK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ QUANTILE REGRESYON ve BİR UYGULAMA İlkay ALTINDAĞ YÜKSEK LİSANS TEZİ İSTATİSTİK ANABİLİM DALI Ağustos-1 KONYA Her Hakkı Saklıdır ÖZET YÜKSEK LİSANS TEZİ
DetaylıMerkezi Eğilim (Yer) Ölçüleri
Merkez Eğlm (Yer) Ölçüler Ver setn tanımlamak üzere kullanılan ve genellkle tüm elemanları dkkate alarak ver setn özetlemek çn kullanılan ölçülerdr. Ver setndek tüm elemanları temsl edeblecek merkez noktasına
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)
DetaylıOLASILIĞA GİRİŞ. Biyoistatistik (Ders 7: Olasılık) OLASILIK, TIP ve GÜNLÜK YAŞAMDA KULLANIMI
OLASILIĞA GİRİŞ Yrd. Doç. Dr. Ünal ERKORKMAZ Sakarya Ünverstes Tıp Fakültes Byostatstk Anablm Dalı uerkorkmaz@sakarya.edu.tr OLASILIK, TIP ve GÜNLÜK YAŞAMDA KULLANIMI Br olayındoğal koşullar altında toplumda
DetaylıÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ
ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS EN KÜÇÜK KARELER, RİDGE REGRESYON VE ROBUST REGRESYON YÖNTEMLERİNDE ANALİZ SONUÇLARINA AYKIRI DEĞERLERİN ETKİLERİNİN BELİRLENMESİ ZOOTEKNİ ANABİLİM
DetaylıHİSSE SENETLERİNİN BEKLENEN GETİRİ VE RİSKLERİNİN TAHMİNİNDE ALTERNATİF MODELLER
İstanbul Ünverstes İktsat Fakültes Malye Araştırma Merkez Konferansları 47. Ser / Yıl 005 Prof. Dr. Türkan Öncel e Armağan HİSSE SENETLERİNİN BEKLENEN GETİRİ VE RİSKLERİNİN TAHMİNİNDE ALTERNATİF MODELLER
DetaylıDENEY 4: SERİ VE PARALEL DEVRELER,VOLTAJ VE AKIM BÖLÜCÜ KURALLARI, KIRCHOFF KANUNLARI
A. DNYİN AMACI : Bast ser ve bast paralel drenç devrelern analz edp kavramak. Voltaj ve akım bölücü kurallarını kavramak. Krchoff kanunlarını deneysel olarak uygulamak. B. KULLANILACAK AAÇ V MALZML : 1.
DetaylıTek Yönlü Varyans Analizi (ANOVA)
VARYANS ANALİZİ İ örne ortalaması arasında farın önem ontrolü, örne büyülüğüne göre z veya testlernden bryle yapılır. Bu testlerle, den fazla örne ortalamasını brlte test etme ve aralarında farın önem
DetaylıDeğişen Varyans (Heteroscedasticity) Sabit Varyans (Homoscedasticity) Varsayımı Altında Basit Regresyon Modeli
1 2 Değişen Varyans (Heteroscedasticity) DEĞİŞEN VARYANS Hüseyin Taştan 1 1 Yıldız Teknik Üniversitesi İktisat Bölümü Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge 14
DetaylıHisse Senedi Fiyatları ve Fiyat/Kazanç Oranı Đlişkisi: Panel Verilerle Sektörel Bir Analiz *
Busness and Economcs Research Journal Volume. umber. 0 pp. 65-84 ISS: 309-448 www.berjournal.com Hsse Sened Fyatları ve Fyat/Kazanç Oranı Đlşks: Panel Verlerle Sektörel Br Analz * Mehmet argelecekenler
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= P 1.Q 1 + P 2.Q P n.q n (Ürün Değeri Yaklaşımı)
A.1. Mll Gelr Hesaplamaları ve Bazı Temel Kavramlar 1 Gayr Saf Yurtç Hâsıla (GSYİH GDP): Br ekonomde belrl br dönemde yerleşklern o ülkede ekonomk faalyetler sonucunda elde ettkler gelrlern toplamıdır.
Detaylı2006 DÜNYA KUPASI FUTBOL TAKIMLARININ STOKASTİK SINIR ANALİZİ İLE PERFORMANS DEĞERLENDİRMESİ. Serdar YARLIKAŞ YÜKSEK LİSANS TEZİ İSTATİSTİK
2006 DÜNYA KUPASI FUTBOL TAKIMLARININ STOKASTİK SINIR ANALİZİ İLE PERFORMANS DEĞERLENDİRMESİ Serdar YARLIKAŞ YÜKSEK LİSANS TEZİ İSTATİSTİK GAZİ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ TEMMUZ 2007 ANKARA Serdar
Detaylı4. TAHMİN SONUÇLARININ DEĞERLENDİRİLMESİ Katsayıların Yorumu
4. TAHMİN SONUÇLARININ DEĞERLENDİRİLMESİ 4.1. Katsayıların Yorumu Y i = β 0 + β 1 X 1i + β X i + + β k X ki + u i gibi çok açıklayıcı değişkene sahip bir modelde, anakütle regresyon fonksiyonu, E(Y i X
DetaylıMakine Öğrenmesi 10. hafta
Makne Öğrenmes 0. hafta Lagrange Optmzasonu Destek Vektör Maknes (SVM) Karesel (Quadratc) Programlama Optmzason Blmsel term olarak dlmze geçmş olsa da bazen en leme termle karşılık bulur. Matematktek en
DetaylıÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ
ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ DOKTORA TEZİ Seval SÜZÜLMÜŞ FAKTÖR ANALİZİ MODELLERİNİN BELİRLENEBİLİRLİĞİ VE GENELLEŞTİRİLMİŞ İNVERSLERİN KULLANIMI İSTATİSTİK ANABİLİM DALI ADANA, 5 ÖZ DOKTORA
DetaylıAdi Diferansiyel Denklemler NÜMERİK ANALİZ. Adi Diferansiyel Denklemler. Adi Diferansiyel Denklemler
6.4.7 NÜMERİK ANALİZ Yrd. Doç. Dr. Hatce ÇITAKOĞLU 6 Müendslk sstemlernn analznde ve ugulamalı dsplnlerde türev çeren dferansel denklemlern analtk çözümü büük öneme saptr. Sınır değer ve/vea başlangıç
DetaylıFizik 101: Ders 15 Ajanda
zk 101: Ders 15 Ajanda İk boyutta elastk çarpışma Örnekler (nükleer saçılma, blardo) Impulse ve ortalama kuvvet İk boyutta csmn elastk çarpışması Önces Sonrası m 1 v 1, m 1 v 1, KM KM V KM V KM m v, m
DetaylıSistemde kullanılan baralar, klasik anlamda üç ana grupta toplanabilir :
5 9. BÖLÜM YÜK AKIŞI (GÜÇ AKIŞI) 9.. Grş İletm sstemlernn analzlernde, bara sayısı arttıkça artan karmaşıklıkları yenmek çn sstemn matematksel modellenmesnde kolaylık getrc bazı yöntemler gelştrlmştr.
DetaylıBağımlı Kukla Değişkenler
Bağımlı Kukla Değşkenler Bağımlı değşken özünde k değer alablyorsa yan br özellğn varlığı ya da yokluğu söz konusu se bu durumda bağımlı kukla değşkenler söz konusudur. Bu durumdak modeller tahmn etmek
DetaylıGM-220 MÜH. ÇALIŞ. İSTATİSTİKSEL. Frekans Dağılımı Oluşturma Adımları VERİLERİN SUNUMU. Verilerin Özetlenmesi ve Grafikle Gösterilmesi
VERİLERİN SUNUMU GM-0 MÜH. ÇALIŞ. İSTATİSTİKSEL YÖNTEMLER Br çalışadan elde edlen verler ha ver ntelğndedr. Ha verlerden blg ednek zor ve zaan alıcıdır. Ha verler çok karaşık durudadır. Verlern düzenlenes
DetaylıCebir Notları. Karmaşık Sayılar Testi z = 1 2i karmaşık sayısının çarpmaya göre tersinin eşleniğinin sanal kısmı kaçtır?
Cebr Ntları Karmaşık Sayılar Test. + se Re() + Im()?. ( x y) + + ( x+ y ) se x + y tplamı kaçtır?. x + y ( x ) ve se y kaçtır?. ve se y x kaçtır?. sayısı kaça eşttr?. sayısı kaça eşttr? 7. x+ + ( y ) y
DetaylıDOĞRUSAL OLMAYAN PROGRAMLAMA -III- Çok değişkenli doğrusal olmayan karar modelinin çözümü
DOĞRUSAL OLMAYAN PROGRAMLAMA -III- Çok değşkenl doğrusal olmayan karar modelnn çözümü Hazırlayan Doç. Dr. Nl ARAS Anadolu Ünverstes, Endüstr Mühendslğ Bölümü İST8 Yöneylem Araştırması Ders - Öğretm Yılı
DetaylıJFM316 Elektrik Yöntemler ( Doğru Akım Özdirenç Yöntemi)
JFM316 Elektrk Yöntemler ( Doğru Akım Özdrenç Yöntem) yeryüzünde oluşturacağı gerlm değerler hesaplanablr. Daha sonra aşağıdak formül kullanılarak görünür özdrenç hesaplanır. a K I K 2 1 1 1 1 AM BM AN
DetaylıYARIPARAMETRİK KISMİ DOĞRUSAL PANEL VERİ MODELLERİYLE ULUSLAR ARASI GÖÇ
Özet YARIPARAMETRİK KISMİ DOĞRUSAL PANEL VERİ MODELLERİYLE ULUSLAR ARASI GÖÇ Atıf EVREN *1 Elf TUNA ** Yarı parametrk panel ver modeller parametrk ve parametrk olmayan modeller br araya getren; br kısmı
DetaylıElektrik ve Manyetizma
0. Sınıf Soru tabı. Ünte Elektrk ve anyetzma. onu Elektrk Akımı, Potansyel Fark ve Drenç Test Çözümler Jeneratör otor . Ünte Elektrk ve anyetzma Test n Çözümü. Üzernden t sürede q yükü geçen br letkendek
DetaylıElektrik Akımı. Test 1 in Çözümleri
Elektrk kımı Test n Çözümler. Ω Ω 8Ω 8Ω. Uzunluğu O, kest alanı S olan letkenn drenc 6 Ω se, uzunluğu O kest alanı S olan letkenn drenc 8 Ω olur. Bu k drenç aşağıdak gb brbrne bağlıdır. 8Ω 8Ω 9Ω 8Ω luk
DetaylıALTERNATİF AKIM DEVRE YÖNTEM VE TEOREMLER İLE ÇÖZÜMÜ
BÖLÜM 6 ALTERNATİF AKIM DEVRE ÖNTEM VE TEOREMLER İLE ÇÖZÜMÜ 6. ÇEVRE AKIMLAR ÖNTEMİ 6. SÜPERPOZİSON TEOREMİ 6. DÜĞÜM GERİLİMLER ÖNTEMİ 6.4 THEVENİN TEOREMİ 6.5 NORTON TEOREMİ Tpak GİRİŞ Alternatf akımın
Detaylı5.3. Tekne Yüzeylerinin Matematiksel Temsili
5.3. Tekne Yüzeylernn atematksel Temsl atematksel yüzey temslnde lk öneml çalışmalar Coons (53) tarafından gerçekleştrlmştr. Ferguson yüzeylernn gelştrlmş hal olan Coons yüzeylernde tüm sınır eğrler çn
DetaylıTÜRKYE'DE TRAFK KAZALARININ MODELLENMES K. Selçuk ÖÜT A. Faik YNAM ÖZET
TÜRKYE'DE TRAFK KAZALARININ MODELLENMES K. Selçuk ÖÜT A. Fak YNAM stanbul Teknk Ünverstes stanbul Teknk Ünverstes ÖZET Trafk kazaları, ülkemz gündemn sürekl olarak gal eden konularıdan brdr. Üzernde çok
DetaylıElektrik Akımı. Test 1 in Çözümleri 1. X. 18Ω luk iki direnç birbirine paralel bağlı olduğundan; = bulunur. Cevap C dir. R 2. = Cevap A dır.
Elektrk kımı Test n Çözümler. Ω 8Ω 4. Ω Ω 8Ω 8Ω luk k drenç brbrne paralel bağlı olduğundan; 8 9Ω bulunur. Ω Ω Ω. r yarıçaplı letkenn kest alanı πr S alınırsa, r yarıçaplı letkenn kest alanı π(r) 4S olur.
DetaylıCalculating the Index of Refraction of Air
Ankara Unversty Faculty o Engneerng Optcs Lab IV Sprng 2009 Calculatng the Index o Reracton o Ar Lab Group: 1 Teoman Soygül Snan Tarakçı Seval Cbcel Muhammed Karakaya March 3, 2009 Havanın Kırılma Đndsnn
DetaylıDOĞRUSAL HEDEF PROGRAMLAMA İLE BÜTÇELEME. Hazırlayan: Ozan Kocadağlı Danışman: Prof. Dr. Nalan Cinemre
1 DOĞRUSAL HEDEF PROGRAMLAMA İLE BÜTÇELEME Hazırlayan: Ozan Kocadağlı Danışman: Prof. Dr. Nalan Cnemre 2 BİRİNCİ BÖLÜM HEDEF PROGRAMLAMA 1.1 Grş Karar problemler amaç sayısına göre tek amaçlı ve çok amaçlı
DetaylıFinansal Riskten Korunma Muhasebesinde Etkinliğin Ölçülmesi
Fnansal Rskten Korunma Muhasebesnde Etknlğn Ölçülmes Dr. Fahreddn OKUDAN * Fath Ünverstes, İİBF. Özet Bu makalenn amacı, etknlk test yöntemlernn ncelenmesdr. TMS 39, rskten korunma muhasebes uygulanablmes
DetaylıPARAMETRİK OLMAYAN İSTATİSTİKSEL TEKNİKLER 8
PARAMETRİK OLMAYAN İSTATİSTİKSEL TEKNİKLER 8 Prof. Dr. Ali ŞEN İki Populasyonun Karşılaştırılması: Eşleştirilmiş Örnekler için Wilcoxon İşaretli Mertebe Testi -BÜYÜK ÖRNEK Bağımsız populasyonlara uygulanan
DetaylıİSTATİSTİK DERS NOTLARI
Balıkesr Ünverstes İnşaat Mühendslğ Bölüü uutokkan@balkesr.edu.tr İSTATİSTİK DERS OTLARI Yrd. Doç. Dr. Uut OKKA Hdrolk Anabl Dalı Balıkesr Ünverstes Balıkesr Ünverstes İnşaat Mühendslğ Bölüü İnşaat Mühendslğ
DetaylıKENTSEL ALANDA ET TALEP ANALİZİ: BATI AKDENİZ BÖLGESİ ÖRNEĞİ. Dr. Ali Rıza AKTAŞ 1 Dr. Selim Adem HATIRLI 2
Journal of Yasar Unversty 2010 3294-3319 KENTSEL ALANDA ET TALEP ANALİZİ: BATI AKDENİZ BÖLGESİ ÖRNEĞİ Dr. Al Rıza AKTAŞ 1 Dr. Selm Adem HATIRLI 2 ÖZET Bu çalışmada, Batı Akdenz Bölges kent merkezlernde
DetaylıALGILANAN HİZMET KALİTESİ VE LOJİSTİK REGRESYON ANALİZİ İLE HİZMET TERCİHİNE ETKİSİNİN BELİRLENMESİ. Özet
Dokuz Eylül Ünverstes Sosyal Blmler Ensttüsü Dergs Yayın Gelş Tarh: 18.02.2011 Clt: 13, Sayı: 1, Yıl: 2011, Sayfa: 21-37 Yayına Kabul Tarh: 17.03.2011 ISSN: 1302-3284 ALGILANAN HİZMET KALİTESİ VE LOJİSTİK
DetaylıMuhasebe ve Finansman Dergisi
Muhasebe ve Fnansman Dergs Ocak/2012 Farklı Muhasebe Düzenlemelerne Göre Hazırlanan Mal Tablolardan Elde Edlen Fnansal Oranlar İle Şrketlern Hsse Sened Getrler Ve Pyasa Değerler Arasındak İlşk Ahmet BÜYÜKŞALVARCI
Detaylı11. z = 1 2i karmaşık sayısının çarpmaya göre tersinin eşleniğinin sanal kısmı kaçtır? 14. eşitliğini sağlayan z karmaşık sayısı kaçtır? 15.
GD. + se Re() + Im()? www.gkhandemr.rg, 007 Cebr Ntları Gökhan DEMĐR, gdemr@yah.cm.tr Karmaşık sayılar 9. + + sayısı kaça eşttr? 7 890. ( x y) + + ( x + y) se x + y tplamı kaçtır?. x + y ( x) ve se y kaçtır?.
DetaylıAsimetri ve Basıklık Ölçüleri Ortalamalara dayanan (Pearson) Kartillere dayanan (Bowley) Momentlere dayanan asimetri ve basıklık ölçüleri
Asmetr ve Basıklık Ölçüler Ortalamalara dayanan (Pearson) Kartllere dayanan (Bowley) omentlere dayanan asmetr ve basıklık ölçüler Yrd. Doç. Dr. Tjen ÖVER ÖZÇELİK tover@sakarya.edu.tr III. Asmetr ve Basıklık
DetaylıYER ÖLÇÜLERİ. Yer ölçüleri, verilerin merkezini veya yığılma noktasını belirleyen istatistiklerdir.
YER ÖLÇÜLERİ Yer ölçüler, verler merkez veya yığılma oktasıı belrleye statstklerdr. Grafkler bze verler yığılma oktaları hakkıda ö blg vermede yardımcı olurlar. Acak bu değerler gerçek değerler değldr,
DetaylıElektrik Akımı Test Çözümleri. Test 1'in Çözümleri 3. 4 Ω. 1. Kolay çözüm için şekli yeniden çizip harflendirelim.
Elektrk kımı Test Çözümler Test 'n Çözümler. 4 Ω voltmetre. olay çözüm çn şekl yenden çzp harflendrelm. 0 Ω Ω Ω 5 Ω Ω oltmetrenn ç drenc sonsuz büyük kabul edlr. u nedenle voltmetrenn bulunduğu koldan
Detaylı( ) 3.1 Özet ve Motivasyon. v = G v v Operasyonel Amplifikatör (Op-Amp) Deneyin Amacı. deney 3
Yıldız Teknk Ünverstes Elektrk Mühendslğ Bölümü Deneyn Amacı İşlemsel kuvvetlendrcnn çalışma prensbnn anlaşılması le çeştl OP AMP devrelernn uygulanması ve ncelenmes. Özet ve Motvasyon.. Operasyonel Amplfkatör
DetaylıTEKNOLOJİ, PİYASA REKABETİ VE REFAH
TEKNOLOJİ, PİYASA REKABETİ VE REFAH Dr Türkmen Göksel Ankara Ünverstes Syasal Blgler Fakültes Özet Bu makalede teknoloj sevyesnn pyasa rekabet ve refah sevyes üzerndek etkler matematksel br model le ncelenecektr
Detaylı