TOBB Ekonomi ve Teknoloji Üniversitesi İKT351 Ekonometri I, Ara Sınavı

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

SEK Tahmincilerinin Arzulanan Özellikleri. SEK Tahmincilerinin Arzulanan Özellikleri. Ekonometri 1 Konu 9 Sürüm 2,0 (Ekim 2011)

Regresyon ve Korelasyon Analizi. Regresyon Analizi

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

İki veri setinin yapısının karşılaştırılması

MERKEZİ EĞİLİM ÖLÇÜLERİ

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

TOBB Ekonomi ve Teknoloji Üniversitesi İKT351 Ekonometri I, Ara Sınavı

6. Uygulama. dx < olduğunda ( )

Normallik Varsayımı ve Ençok Olabilirlik Yöntemi

TOBB Ekonomi ve Teknoloji Üniversitesi İKT351 Ekonometri I, Dönem Sonu Sınavı

Doç. Dr. Mehmet AKSARAYLI

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

Tahmin Edicilerin ve Test Đstatistiklerinin Simülasyon ile Karşılaştırılması

Parametrik Olmayan İstatistik Çözümlü Sorular - 2

Bağımsızlık özelliğinden hareketle Ortak olasılık fonksiyonu (sürekli ise

Değişkenler Arasındaki İlişkiler Regresyon ve Korelasyon. Dr. Musa KILIÇ

X = 11433, Y = 45237,

SEK Yönteminin Güvenilirliği Sayısal Bir Örnek. Ekonometri 1 Konu 11 Sürüm 2,0 (Ekim 2011)

TOBB Ekonomi ve Teknoloji Üniversitesi İKT352 Ekonometri II, Dönem Sonu Sınavı

BEKLENEN DEĞER VE VARYANS

Tanımlayıcı İstatistikler

Doğrusal Bağlanım Modeline Dizey Yaklaşımı

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

Sayısal Türev Sayısal İntegrasyon İnterpolasyon Ekstrapolasyon. Bölüm Üç

Korelasyon ve Regresyon

İstatistik ve Olasılık

AKT201 MATEMATİKSEL İSTATİSTİK I ÖDEV 6 ÇÖZÜMLERİ

İstatistik ve Olasılık

Tanımlayıcı İstatistikler (Descriptive Statistics) Dr. Musa KILIÇ

ÖLÇÜM, ÖLÇÜM HATALARI ve ANLAMLI RAKAMLAR

Normallik Varsayımı ve Ençok Olabilirlik Yöntemi

ĐÇI DEKILER 1. TEMEL ĐSTATĐSTĐK KAVRAMLAR VE OTASYO LAR 1

Đst201 Đstatistik Teorisi I

TOBB Ekonomi ve Teknoloji Üniversitesi İKT351 Ekonometri I, Dönem Sonu Sınavı

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

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

İki Değişkenli Bağlanım Modelinin Uzantıları

= İÇİNDEKİLER. E(X) = k Pascal (Negatif Binom) Dağılımı Hipergeometrik Dağılım N y=

Tanımlayıcı İstatistikler

Farklı Varyans. Var(u i X i ) = Var(u i ) = E(u i2 ) = σ i2. Eşit Varyans. Hata. Zaman

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

ISF404 SERMAYE PİYASALARI VE MENKUL KIYMETYÖNETİMİ

FİNANSAL YÖNETİM. Finansal Yönetim Örnek Sorular Güz Yrd. Doç. Dr. Rüstem Barış Yeşilay 1. Örnek. Örnek. Örnek. Örnek. Örnek

Tanımlayıcı İstatistikler

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

Polinom İnterpolasyonu

İstatistiksel Kavramların Gözden Geçirilmesi

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

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

ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI

ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI

ÖNSÖZ. 2) Evde yapabileceklerinizi yapıp, laboratuar kılavuzundaki yerleri doldurun (!!! işaretli yerler).

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

dir. Bir başka deyişle bir olayın olasılığı, uygun sonuçların sayısının örnek uzaydaki tüm sonuçların sayısına oranıdır.

İSTATİSTİK DERS NOTLARI

YÖNEYLEM ARAŞTIRMASI III. Dinamik Programlama. Örnek 3: Tıbbi Müdahale Ekiplerinin Ülkelere Dağıtımı

TABAKALI ŞANS ÖRNEKLEME

Bir KANUN ve Bir TEOREM. Büyük Sayılar Kanunu

BÖLÜM 5 İKİ VEYA DAHA YÜKSEK BOYUTLU RASGELE DEĞİŞKENLER İki Boyutlu Rasgele Değişkenler

Kİ-KARE TESTLERİ. şeklinde karesi alındığında, Z i. değerlerinin dağılımı ki-kare dağılımına dönüşür.

Appendix B: Olasılık ve Dağılım Teorisi

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları

Bir Rasgele Değişkenin Fonksiyonunun Olasılık Dağılımı

Kuyruk Teorisi Ders Notları: Bazı Kuyruk Modelleri

Bir tahmin edicinin sapması, beklenen değeriyle gerçek parametre arasındaki fark olarak tanımlanır.

Kİ-KARE TESTLERİ A) Kİ-KARE DAĞILIMI VE ÖZELLİKLERİ

Asimetri ve Basıklık Ölçüleri Ortalamalara dayanan (Pearson) Kartillere dayanan (Bowley) Momentlere dayanan asimetri ve basıklık ölçüleri

Bölüm 4. Tahmin Sorunu. 4.1 Sıradan En Küçük Kareler Yöntemi. Sıradan En Küçük Kareler Yöntemi

KONTROL KARTLARI 1)DEĞİŞKENLER İÇİN KONTROL KARTLARI

PARÇALI DOĞRUSAL REGRESYON

5.1 Olasılık Tarihi Temel Olasılık Kavramları

Tanımlayıcı İstatistikler

Matris Cebiriyle Çoklu Regresyon Modeli

Kİ KARE ANALİZİ. Doç. Dr. Mehmet AKSARAYLI Ki-Kare Analizleri

BÖLÜM 3 YER ÖLÇÜLERİ. Doç.Dr. Suat ŞAHİNLER

Sürekli Olasılık Dağılım (Birikimli- Kümülatif)Fonksiyonu. Yrd. Doç. Dr. Tijen ÖVER ÖZÇELİK

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

9. Ders. Đstatistikte Monte Carlo Çalışmaları

NOT: BU DERS NOTLARI TEMEL EKONOMETRİ-GUJARATİ KİTABINDAN DERLENMİŞTİR. HAFTA 1 İST 418 EKONOMETRİ

12. Ders Büyük Sayılar Kanunları. Konuya geçmeden önce DeMoivre-Stirling formülünü ve DeMoivre-Laplace teoremini hatırlayalım. DeMoivre, genel terimi,

Kümülatif Dağılım Fonksiyonları. F X (x) = P (X x) = P X (x) = P (X x) = p X (x ) f X (x) = df X(x) dx

Çoklu Bağlanım Çözümlemesi

4/4/2013. Ders 8: Verilerin Düzenlenmesi ve Analizi. Betimsel İstatistik Merkezsel Eğilim Ölçüleri Dağılım Ölçüleri Grafiksel Gösterimler

UYUM ĐYĐLĐĞĐ TESTĐ. 2 -n olup. nin dağılımı χ dir ve sd = (k-1-p) dir. Burada k = sınıf sayısı, p = tahmin edilen parametre sayısıdır.

İSTATİSTİK. Doç. Dr. Suat ŞAHİNLER Arş.Gör. Özkan GÖRGÜLÜ

İÇİNDEKİLER. Ön Söz Saymanın Temel Kuralları Permütasyon (Sıralama) Kombinasyon (Gruplama) Binom Açılımı...

Ki- kare Bağımsızlık Testi

Yatırım Analizi ve Portföy Yönetimi 6. Hafta

Tüm formülleri ve işlemlerinizi açıkça gösteriniz.

EME 3117 SİSTEM SIMÜLASYONU. Girdi Analizi. Özet İstatistikler ve Histogram (Minitab)(1) Örnek: Eczane İçin Servis Süreleri

Quality Planning and Control

Öğrenci Numarası İmzası: Not Adı ve Soyadı

HAFTA 13. kadın profesörlerin ortalama maaşı E( Y D 1) erkek profesörlerin ortalama maaşı. Kestirim denklemi D : t :

Herhangi bir rastgele değişken için kümülatif dağılım fonksiyonu/cumulative distribution function (KDF/CDF) şu şekilde tanımlanır.

Örnek 2.1 YÖNEYLEM ARAŞTIRMASI III. Markov Süreçleri Ders 7. Koşulsuz Durum Olasılıkları. Örnek 2.1

İSTATİSTİK DERS NOTLARI

POISSON REGRESYON ANALİZİ

İSTATİSTİK 2. Tahmin Teorisi 07/03/2012 AYŞE S. ÇAĞLI.

Transkript:

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 tüm soruları yaıtlaması gerekldr. Soruları yaıtlamada kullaılablecek bazı formül ve/veya taımlar sorulara ek olarak verlmştr. Tüm şlemler bu sıav kağıdı üzerde yapılacaktır. Kopya çekme ve çektrme grşmde bulualar hakkıda üverste dspl kuralları çerçevesde şlem yapılacaktır. Sıav süresce sıav çerğ le lgl soru sormak yasaktır. Sorular 1. (5 pua) Sırada E küçük Kareler (SEK) yaklaşımı ede u hatalarıı toplamı yere hata kareler toplamıı eazlama yoluu zler? Açıklayıız. Yaıt: Bağlaım doğrusu sabt X değerlere karşılık gele Y değerler ortalamalarıda geçer. Bu edele, eğer hatalar toplamı eazlaacak olursa artı ve eks değerl hatalar brbr götürür ve souç sıfır çıkar. Bu durumu egellemek ç mutlak uzaklığı br ölçüsü olarak karelerde yararlaılır.. Üç farklı aleye at evcl hayva sayısı Y ve ortalama aylık gelr X (1000 TL) varsayımsal verler aşağıdak çzelgede verlmştr. Top. Ort. Y X X y y Y Ŷ ŷ ŷ 0 1 0 3 3 5 û (a) (10 pua) Çzelge soldak 8 sütuluk bölümüdek boş alaları dolduruuz. Yaıt: Y X X y y Y Ŷ ŷ ŷ 0 1 1 1 1 4 0 0,5-1,5,5 0,5 0 3 9 1 1 0 0 0 1 0 0 1 3 5 5 4 4 6,5 1,5,5 0,5 Top. 3 9 35 0 6 0 8 6 3 0 4,5 0 Ort. 1 3 35/3 0 0 8/3 1 0 1,5 0 û Sayfa 1 \ 5 Sorak sayfaya geçz...

TOBB - Ekoom ve Tekoloj Üverstes İKT351 Ekoometr I, Ara Sıavı (b) (10 pua) Y X açıklayıcı değşkee göre kl bağlaımıa lşk ˆβ 1 sabt term ve ˆβ eğm katsayısıı hesaplayıız ve tahm edle bağlaım doğrusuu yazıız. Yaıt: ˆβ = Y = 6 8 = 0,75 ˆβ 1 = Ȳ ˆβ X = 1 (0,75 3) = 1,5 Ŷ = 1,5 + 0,75X (c) (10 pua) Çzelge sağdak so dört sütuluk bölümüü dolduruuz ve belrleme katsayısı r y hesaplayıız. Yaıt: (So dört sütuu doldurmak ç öcek soruda bulmuş olduğumuz bağlaım doğrusuda yararlaıyoruz. Çzelge tamamı yukarıda dolu olarak verlmşt.) r ŷ = = 4,5 y 6 = 0,75 (d) (10 pua) Yukarıda elde ettğz ˆβ 1, ˆβ ve r değerler kullaarak bağlaım souçlarıı dkkatlce yorumlayıız. Yaıt: ˆβ 1 = 1,5 olarak tahm edle sabt term, modele katılmamakla brlkte evcl hayva sayısıda etkl ola tüm etmeler ortalama etks gösterr. Aylık gelr sıfır kabul edldğde evcl hayva sayısıı da -1,5 olması beklets vardır. Acak, böyle br mekak yorum bu örekte ktsad açıda alamlı değldr. ˆβ = 0,75 katsayısı, kl bağlaım doğrusuu eğm olarak blr. Aylık gelrde 1333 TL lk br artış olduğuda evcl hayva sayısıı da ortalama 1 artacağıı göstermektedr. r statstğ, bağımlı değşkedek değşm e ölçüde açıklayıcı değşkedek değşmde kayakladığıı ölçüsüdür. Hesaplaa r = 0,75 değer evcl hayva sayısıdak değşm yüzde 75 oraıda aylık gelrdek değşm le açıklaabldğ alatır. 3. (5 pua) ˆβ SEK tahmcs Y bağımlı değşke doğrusal br tahmcs olduğu blgse dayaarak, ˆβ 1 SEK tahmcs de doğrusal olduğuu gösterz. Yaıt: ˆβ 1 = Ȳ ˆβ X olduğuu aımsayalım. Formülde yer ala Ȳ ve X ortalamaları sabt brer sayıdırlar. Bu durumda, ˆβ Y doğrusal şlev olduğu ç ˆβ 1 de Y doğrusal şlevdr. Sayfa \ 5 Sorak sayfaya geçz...

TOBB - Ekoom ve Tekoloj Üverstes İKT351 Ekoometr I, Ara Sıavı 4. (5 pua) var(y ) = var(u ) = σ ve var( ˆβ ) = σ / eştlkler kullaarak, ˆβ SEK tahmcs β tüm doğrusal tahmcler çersde eaz varyaslı tahmc olduğuu kaıtlayıız. Her adımda e yaptığıızı veya ey gösterdğz tek br tümce le açıklayıız. Yaıt: β e küçük kareler tahmcsde yola çıkalım: ˆβ = k Y. β ç başka br doğrusal tahmc taımlayalım: β = w Y. Yukarıdak k yaıı beklee değer alalım: β = w E(Y ) = w (β 1 + β X ) = β 1 w + β w X var( ˆβ ) var( β ) savıı kaıtlamak ç β ı varyasıı ele alalım: var( β ) = var( w Y ) = w var(y ) = σ w = σ ( w + ) = σ ( w ) + σ ( ) + σ ( w ) ( ) = σ ( w ) ( ) 1 + σ Yukarıda e sağdak term w de bağımsız olduğu ç var( β ) yı eazlayablmek lk terme bağlıdır ve lk term sıfırlaya w değer de şudur: w = = k w eaz olduğu zama aşağıdak eştlk geçerldr: var( β ) = σ = var( ˆβ ) Demek k w ağırlıkları k ağırlıklarıa eşt olduğu zama β ı varyası eazlaarak ˆβ ı varyasıa eştlemektedr. Bua dayaarak, e küçük kareler tahmcs ˆβ ı tüm yasız ve doğrusal tahmcler çde eaz varyaslı tahmc olduğuu söyleyeblrz. Sayfa 3 \ 5 Sorak sayfaya geçz...

TOBB - Ekoom ve Tekoloj Üverstes İKT351 Ekoometr I, Ara Sıavı 5. (5 pua) X NBD(µ, σ ) ormal dağılımıa uya X sürekl rastsal değşkede alıa büyüklüğüdek rastsal örekleme at µ ve σ EO tahmcler dkkatlce türetz. Her adımda e yaptığıızı veya ey gösterdğz tek br tümce le açıklayıız. Yaıt: 1,,..., ç ortak olasılık yoğuluk şlev şöyle gösterelm: f( 1,,..., µ, σ ) Ortak olasılık yoğuluk şlev sayıda tekl yoğuluk şlev çarpımı olarak yazalım: f( 1,,..., µ, σ ) = f( 1 µ, σ )f( µ, σ )... f( µ, σ ) Normal dağılıma uya br rastsal değşke olasılık yoğuluk şlev formülü şudur: { f() = 1 σ π ep 1 ( µ) σ Her br ç, yukarıdak kc formülü brcde yere koyarak olablrlk şlev elde edelm: { Oİ(µ, σ 1 ) = σ ( π) ep 1 ( µ) σ Her k tarafı logartmasıı alarak log-olablrlk şlev bulalım: l Oİ = l σ l(π) 1 = l σ l(π) 1 ( µ) σ ( µ) Yukarıdak şlev eçoklaya µ ve σ değerler bulablmek ç türev almalıyız. µ ü EO tahmcs ç: σ l Oİ µ = 1 σ ( µ) = 0 = µ σ EO tahmcs ç: µ = l Oİ σ = σ + 1 σ 4 ( µ) = 0 σ = 1 σ 4 ( µ) σ = 1 ( µ) Sayfa 4 \ 5 Sorak sayfaya geçz...

TOBB - Ekoom ve Tekoloj Üverstes İKT351 Ekoometr I, Ara Sıavı Formüller Olasılık dağılımları Keskl brer rd ola X ve Y ç: E(X) = f() E(XY ) = y XY f(, y) var(x) = σ = (X µ) f(x) = σ = E(X ) [E(X)] cov(x, Y ) = y (X µ )(Y µ y )f(, y) = E(XY ) µ µ y Çarpıklık S = [E(X µ)3 ] [E(X µ) ] 3 Basıklık K = E(X µ)4 [E(X µ) ] İlt katsayısı ρ = cov(x,y ) var(x)var(y ) X N(µ, σ ) ç: Z = X µ σ Olasılık yoğuluk şlevler Normal dağılım: N( µ, σ ) = { 1 σ ep 1 ( µ) π σ İkterml dağılım (sırası belrl): B(k, p) = ( ) k p k (1 p) k Posso dağılımı: P o( λ) = e λ λ! Bağlaım çözümlemes İkl bağlaım Y = ˆβ 1 + ˆβ X + û ç: ˆβ = P Y P = ( k Y, k = ˆβ 1 = Ȳ ˆβ X σ = var(û ) = var( ˆβ 1 ) = var( ˆβ ) = P û P X P σ σ P cov( ˆβ 1, ˆβ ) = Xvar( ˆβ ) û = Y Ŷ Hata ve uyum ölçütler ) ( P ) TKT = y BKT = ˆβ KKT = û = y ˆβ öh( ˆβ 1 ) = P X P σ öh( ˆβ ) = σ P r = BKT = 1 KKT TKT TKT = P ŷ P y = P (Ŷ Ȳ P ) (Y Ȳ ) = ˆβ ( P ) P y = (P y ) P P y r = ± r Sayfa 5 \ 5 Sıav sou.