REGRESYON VE KORELASYON ANALİZİ

Benzer belgeler
Regresyon ve Korelasyon Analizi. Regresyon Analizi

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

Yayılma (Değişkenlik) Ölçüleri

) ( k = 0,1,2,... ) iterasyon formülü kullanılarak sabit

İki veri setinin yapısının karşılaştırılması

6. Uygulama. dx < olduğunda ( )

Korelasyon ve Regresyon

ÖRNEKLEME YÖNTEMLERİ ve ÖRNEKLEM GENİŞLİĞİ

Yığın Hacminin Tahmini İçin Bulanık Doğrusal Regresyon Modelinde Ters Tahmin Metodu

DEĞİŞKENLİK ÖLÇÜLERİ

Değişkenlik (Yayılım) Ölçüleri

Tanımlayıcı İstatistikler (Descriptive Statistics) Dr. Musa KILIÇ

Doç. Dr. Mehmet AKSARAYLI

Değişkenlik (Yayılım) Ölçüleri

Box ve Whisker Grafiği

Tanımlayıcı İstatistikler

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

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

Tanımlayıcı İstatistikler

MERKEZİ EĞİLİM ÖLÇÜLERİ

TALEP TAHMİNLERİ. Y.Doç.Dr. Alpagut YAVUZ

BEKLENEN DEĞER VE VARYANS

Örnek A. Benzer tipteki 40 güç kaynağının dayanma süreleri aşağıdaki gibidir. Genişletilmiş frekans tablosu oluşturunuz;

DEĞİŞKENLİK ÖLÇÜLERİ

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

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

Değişkenler Arasındaki İlişkiler Regresyon ve Korelasyon. Dr. Musa KILIÇ

Tek Yönlü Varyans Analizi (ANOVA)

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

Bölüm 3. Tanımlayıcı İstatistikler. Tanımlayıcı İstatistikler. Tanımlayıcı İstatistikler. Yer Ölçüleri

ÖLÇÜM, ÖLÇÜM HATALARI ve ANLAMLI RAKAMLAR

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

SİSTEMATİK ÖRNEKLEME. Prof.Dr.Levent ŞENYAY VII-1 Örnekleme Yöntemleri

DEĞİŞKENLİK ÖLÇÜLERİ

PARAMETRİK OLMAYAN HİPOTEZ TESTLERİ. χ 2 Kİ- KARE TESTLERİ. Doç.Dr. Ali Kemal ŞEHİRLİOĞLU Araş.Gör. Efe SARIBAY

DERS 7. En Küçük Kareler Yöntemi

DEĞİŞKENLİK ÖLÇÜLERİ

Temel elektrik ve manyetizma yasaları kullanılarak elde edilmiş olan 4 adet Maxwell denklemi bulunmaktadır.

Matematik olarak normal dağılım fonksiyonu. 1 exp X 2

MUTLAK SAPMALARIN ORTALAMASINI MİNUMUM YAPMA * (MİNMAD) REGRESYON ANALİZİ* Minimizing Mean Absolute Deviations (MINMAD) Regression Analysis*

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

Normal Dağılımlı Bir Yığın a İlişkin İstatistiksel Çıkarım

PARÇALI DOĞRUSAL REGRESYON

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

[ ]{} []{} []{} [ ]{} g

Nedensel Modeller Y X X X

Quality Planning and Control

NİÇİN ÖRNEKLEME YAPILIR?

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

Sayısal Türev Sayısal İntegrasyon İnterpolasyon Ekstrapolasyon. Bölüm Üç

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

Fark Denklemlerinin Çözümünde Parametrelerin Değişimi Yöntemi

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

BÖLÜM 3 YER ÖLÇÜLERİ. Doç.Dr. Suat ŞAHİNLER

TOBB Ekonomi ve Teknoloji Üniversitesi İKT351 Ekonometri I, Ara Sınavı

6.046J/18.401J DERS 9. Post mortem (süreç sonrası) Prof. Erik Demaine

ISF404 SERMAYE PİYASALARI VE MENKUL KIYMETYÖNETİMİ

HİPOTEZ TESTLERİ. İstatistikte hipotez testleri, karar teorisi olarak adlandırılır. Ortaya atılan doğru veya yanlış iddialara hipotez denir.

ü ü üü ş ş ş Ü ÜÜ ü ü üü ş ü ş ş ö ç ş ş ç ş ü ü ü ç ç ş ü ş ş ü ü ü ö ş ö ş ö ş ş ç ş ü ş ç ş Ç ç Ü öü ü ü üü ü ü üü ç ş ç ş ö ö ü ç ş ç ş ş ö ç ş ö

BİYOİSTATİSTİK İstatistiksel Tahminleme ve Hipotez Testlerine Giriş Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH

MAK 210 SAYISAL ANALİZ

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

Tanımlayıcı İstatistikler

ÇOKLU REGRESYON MODELİ. Bir bağımlı değişkene etki eden çok sayıda bağımsız değişkeni analize dahil ederek çoklu regresyon modeli uygulanabilir.

İstatistik ve Olasılık

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

Bölüm 3. Tanım. Tanımlayıcı İstatistikler. Tanımlayıcı İstatistikler. Tanımlayıcı İstatistikler. Yer Ölçüleri. 1) Aritmetik Ortalama

taşinmaz DEĞERLEME- DE İSTATİKSEL ANALİZ

3. TAHMİN En Küçük Kareler (EKK) Yöntemi 1

Bölüm 3. Tanımlayıcı İstatistikler. Tanımlayıcı İstatistikler. Tanımlayıcı İstatistikler. Yer Ölçüleri

D( 4 6 % ) "5 2 ( 0* % 09 ) "5 2

ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI

ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI

0 1 2 n 1. Doğu Akdeniz Üniversitesi Matematik Bölümü Mate 322

ARAŞTIRMA MAKALESİ /RESEARCH ARTICLE

İSTATİSTİK DERS NOTLARI

Zaman Skalasında Box-Cox Regresyon Yöntemi

ı ı ı ğ ş ı ı ıı ıı ıı ı ı ıı ıı ıı ıı ııı

«ç ç Ç ş ö ş ç ş ş ş ö ş ö ç ç Ç ö Ç ç ç ö ş ç ş

ÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ

İSTATİSTİK-II. Korelasyon ve Regresyon

Parametrik Olmayan İstatistik Çözümlü Sorular - 2

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

Tahmin Edicilerin ve Test Đstatistiklerinin Simülasyon ile Karşılaştırılması

Ridge Regresyonda M Tahmin Edicilerinin Kullanımı Üzerine Bir Uygulama 1

İstatistik ve Olasılık

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

Tanımlayıcı İstatistikler

BÖLÜM 1 ADĐ DĐFERANSĐYEL DENKLEMLERĐN SAYISAL ÇÖZÜMÜ

İÇİNDEKİLER. Ön Söz Polinomlar II. ve III. Dereceden Denklemler Parabol II. Dereceden Eşitsizlikler...

BÖLÜM 4 ADİ DİFERANSİYEL DENKLEMLERİN SAYISAL ÇÖZÜMÜ

ÖRNEKLEME KURAMINDA AĞIRLIKLANDIRMA. Aylin ALKAYA DOKTORA TEZİ İSTATİSTİK GAZİ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ HAZİRAN 2009 ANKARA

İSTATİSTİKSEL TAHMİNLEME VE HİPOTEZ TESTİ

Ele Alınacak Ana Konular. Hafta 3: Doğrusal ve Zamanla Değişmeyen Sistemler (Linear Time Invariant, LTI)

MIT Açık Ders Malzemeleri Bu materyallerden alıntı yapmak veya Kullanım Koşulları hakkında bilgi almak için

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

ĐÇI DEKILER 1. TEMEL ĐSTATĐSTĐK KAVRAMLAR VE OTASYO LAR 1

TABAKALI ŞANS ÖRNEKLEME

Tanımlayıcı İstatistikler

Ara Değer Hesabı (İnterpolasyon)

Transkript:

REGRESYON VE KORELASYON ANALİZİ.. Doğrusal İlşler.. Yalı (ast) Regreso... E Küçü Kareler Metodu a) Normal Delemler Çözümü ) Determat metodu c) Orj Kadırma... Regresou Stadart Sapması..3. Regresou Duarlılığı..4. Regreso le Tahm..5. Belrleme Katsaısı.3. Korelaso.4. Çolu Regreso Modeller Prof Dr. Levet ŞENYAY I - İstatst II

.. Doğrusal İlşler:,,..., f ( ) şelde elrtle herhag r modelde ler ağımlı (depedet) ve ler se ağımsız (depedet) değşe olara adladırılır. Böle r modelde, ve se parametrelerdr.değşeler arasıda lşler ço çeştl olalr. İlşler doğrusal a da doğrusal olmamasıa göre aa aşlı altıda toplama erde olur. Değşeler açısıda doğrusal r lşde değşeler toplamsal halde ulumalıdır. As, çarpım a da ölüm halde ulua modellere doğrusal olmaa model der.öreğ; vea modeller doğrusaldır. model se değşeler açısıda doğrusal değldr. Bu lşlerde aşaları; ) Eğrsel lş = + g ) ) v) Logartmalı lş =log Katlı orta doğrusal (multcolleart) lş = + + z Gecmş (lag) lş t = + t- şelde elrleelr. Bu doğrusal olmaa modeller azıları r taım trasformasolar aracılığı le doğrusal hale getrlelr, azıları se doğrusal hale getrlemezler. Böle r lşde ler rer şas değşe değldr. Bağımlı değşe ler se rer şas değşedr. Aca ağımsız değşeler ed aralarıda da rrlerde tamame ağımsız olmaalrler.öreğ; Prof Dr. Levet ŞENYAY I - İstatst II

ve dre olara le lşl olalr ve açılamaı çalışırlar aca ve ed aralarıda da r lş çersde olalr. Bu durum aslıda stemee r haldr.çüü açılamada ve arasıda lşde dolaı daha az lg verrler. Bağımsız değşe aze esl de olalr.hatta te r ağımsız değşe dah esl olalr... YALIN (BASİT) REGRESYON Yalı regreso le açılamaa çalışıla ast doğrusal lşdr.ve; = + + model le elrler.bu modelde hata termdr ve r şas değşedr. Sadece etler ve le hçr lgs otur. Bu lgler ışığı altıda Regreso u taımı: Değşeler ararsıda ağıtıı doğasıı elrler. Regresoda apıla ş ağımsız değşe değşm çme uulara ağımlı değşe öcede elrlemş r hata paı çde tahmlemetr. (o) = + + ˆ (Ağırlı) Prof Dr. Levet ŞENYAY I - 3 İstatst II

dom a otası -5 a c osatras o Gerçe lş doğrusal olmadığı halde a ve aralığı çde lş doğrusal r şelde müemmelce fade edlelr aca aı doğru le g r otaı açılamaa çalışma üü r hatadır. üretm mtarı ıllar (-) a O O g r otaı orumu hatalı olacatır. Prof Dr. Levet ŞENYAY I - 4 İstatst II

= + + rm Populasola lgldr. Geellle lmez, ulumaa çalışılır. Prof Dr. Levet ŞENYAY I - 5 İstatst II

ˆ tg = c Örele lgldr. Üzerde çalışıla model, populaso modele aı olması ster. tg (eğm) 9 se + 9 se - le arasıda poztf r lş, egatf r lş vardır. = Bağımsız değşe rm değştğ zama ağımlı değşede değşme mtarı(eğm) Regresou Özelller )Bu doğru,ağımlı değşe ( dağılımıı) e temsl ede doğrudur. )Regreso doğrusuda düşe sapmaları toplamı sıfırdır. ( ) c )Regreso doğrusuda düşe sapmaları areler toplamları mmumdur. ( ) m c Prof Dr. Levet ŞENYAY I - 6 İstatst II

... REGRESYON PARAMETRE TAHMİNİNDE EN KÜÇÜK KARELER METODU Regreso doğrusuu elrlemesde E.K.K. (Least Square Estmator, LSE) metoduu seçlme ede;u doğru elrlere apılaca hataları mmum ılma arzusuda aalaır.buu;hataları toplamlarıı vea mutla toplamlarıı mmum apmala aşlaara araştırma gerer. A * + * - B * +3-4 + * - * ) ( ) ) 4 3) 6 ) ( ) 8 3) 6 e * C +4 * * ) 4 3) 9 e 4 A,B ve C de görüldüğü g toplamları a da mutla toplamları sıfır vea mmum ola sosuz saıda doğru sama mümü aca hata areler toplamları mmum apa sadece ve sadece r doğru vardır ve u da e sdr. Prof Dr. Levet ŞENYAY I - 7 İstatst II

Y,..., ( gözlem saısı) Y S ( Y ) S ( Y ) S ( Y ) Bu ısm türevler alıması r aalt geometr ötemdr. Mmum ve masmum otalarıı ulumasıda ullaılır. ) ( ) Y Y ) ( ) Normal eştller ˆ o ˆ =,,... () () Y Y Y Y Y Y Y Y a) ve ç ormal delemler çözümü: () Y () Y Y () Y Y () Y Prof Dr. Levet ŞENYAY I - 8 İstatst II

() Y Y Y Y Şelde ve hesaplaır ve urada elde edle değerler modelde ere oaca olursa: Y regreso delem elde edlr. ) DETERMİNANT METODU ve hesaplama ç alteratf r ol Y Normal Eştller Y o Y Y Y Y ( ) Y Y Y ( ) Y Prof Dr. Levet ŞENYAY I - 9 İstatst II

Şelde ve hesaplaalr ve urada elde edle değerler modelde ere oulaca olursa ; regreso delem elde edlmş olur. c) ORJİN KAYDIRMA YÖNTEMİ Daha öcede, () Y delem elde edlmşt. Regreso delem tahm se: Y tr. Bu delem eraerce çözülürse; Y Y ( ) elde edlr.urada hala delemdedr.aca orj aması ede le gzlemştr. Y Y ve le gösterlrse uarıda model hale gelr. Burada hata areler mmum apma ç aşağıda ol zler. S ( ) ds ( ) d Bu şelde olaca elde edlr. Aca orj adırsa ta adırmasa ta doğruu eğm değşmeeceğde sterse modele terar ı eleelrz. Prof Dr. Levet ŞENYAY I - İstatst II

Daha öce ç aşağıda eştlğ elde etmşt. Y Y Orj adırma olacağıda a sadece alıara ve Y ae ıraılara Y Y Y Y olur vea şelde fade edlr ve u değerler modelde ere oulaca olursa; Y regreso delem elde edlr. Öre: Frmaı 993-999 ılları arasıda ıllı satışları aşağıda verldğ gdr. Bu verlere daaara regreso (alı regreso) delem tahmlemes stemetedr.(satışlar r olara) 99 =7 a Yıllar Satışlar (Y) Y 993 5 5 994 8 36 4 995 5 3 75 9 996 3 4 6 997 4 5 5 998 6 6 36 36 999 8 7 574 49 7 8 38 4 Yuarıda verler = + modele uum sağlaması steor. I.YOL Paremetreler E.K.K.tahmler elde etme ç Prof Dr. Levet ŞENYAY I - İstatst II

() Y () Y 7 7 8 38 8 4 8 8 38 8 4.7 4. Y = - 4. +.7 II.YOL Y (8)(7) Y 38 7.7 ( ) (8) 4 7 7 8 Y (.7) 4. 7 7 Y = - 4. +.7 şelde regreso delem elde edlr. III.YOL Determat metodu le parametre tahmler hesaplaması se ; Y Y 7(4) 8(38) 3 4. ( ) 7(4) (8) 7 Y Y 7(38) 8(7) 75.7 ( ) 7(4) (8) 7 3 75 Y 4..7 şelde elde edlr. 7 7 IV. YOL E ısa ol ola orj adırma le parametre tahm se; Prof Dr. Levet ŞENYAY I - İstatst II

Y ve Y formüller le olmatadır.aca urada orj adırmaı apalme ç =- farlarıı alma geremetedr. Orj adırma ötemde r farlı alaşım olması edele ()... Y ()... Y ormal eştller () olu delemde ve () olu delemde = Y Y olacatır. 8 4 7 Yıllar Y 4 Y Y 993 5-3 -45 9 5 994 8 - -36 4 34 3 995 5 - -5 65 4 996 3 9 5 997 4 4 6 6 998 6 4 36 7 999 8 3 46 9 674 TOPLAM 7 3 8 3998 Y 7 Y 38.5 7 Y 3 75.7 8 7 Y = 38.5 +.7 şelde elde edlr. Prof Dr. Levet ŞENYAY I - 3 İstatst II

Y Y Y=-4.+.7 Y=38,5+,7 38.5 3 4 5 6-4. - - = tg = =.7 Bu şelde elde edle modelde apılaca tahmler aşağıda şelde olacatır. İl olara Y 3 75 7 7 model de apılaca tahmler ele alıaca olursa, a) ılı satışları e olacatır? Y=-4.+.7(9)=9. ) Hag ıl rm satar? = -4. +.7 ıl a = 9.7.7 ıl a =8.4 a ılı 8 c aı ortalarıda. vea ezer şelde Y=38.5+.7 model de apılaca aı tahmler de aı soucu verecetr. a) ılı satışları e olacatır? Y=38.5+.7(5)=9 r. ) Hag ıl rm satar? =38.5+.7 Prof Dr. Levet ŞENYAY I - 4 İstatst II

=5.7 ( ılı 8 c aı ortaları) Not: Eğer orj adırma ötemde ıl saısı () çft se, ler şu şelde hesaplaır. ıllar 97..97 ---------- -.5 97 -.6.97 ------ ullaılmaz 97..97 ---------- +.5 97... Regresou Stadart Sapması Y Y Y Y Yˆ Y Ŷ Yˆ Y Y Y Y ( Y Yˆ ) ( Y Y ) S ˆ ˆ Prof Dr. Levet ŞENYAY I - 5 İstatst II

= ˆ Y Y Y Y () eğm stadart hatası ˆ ˆ ˆ ( ) ( ) Y Y ( ) ( ) H H : : t ˆ ˆ güve aralığı t /, ˆ..3. REGRESYONUN DUYARLILIĞI Tahmlee regreso model değşeler arasıda lş açılama dereces regresou duarlılığıdır. Bua daalı tahmler de hassaset celemş olur. Bu amaçla gözlee değerler () le, uları regreso doğrusu ullaılara elde edle tahmler ( ˆ) arasıda far celer. Prof Dr. Levet ŞENYAY I - 6 İstatst II

Y Yˆ ( ) Y Yˆ HKT Yˆ GKT Yˆ ( ) RKT Y Y Y Yˆ Y Yˆ Y Y ( Y Y ) ( Yˆ Y ) ˆ ˆ ( Y Y) ( Y Y ) ( Y Y ) ( Y Y ) ( Yˆ Y ) ( Y Yˆ) GKT RKT HKT G.K.T. :Ortalama etrafıda areler toplamı H.K.T. : Regresoda sapmalar areler toplamı Y Y H. K. T. GKT RKT HKT=GKT-RKT Bast Doğrusal Regreso Model ç Varas Aalz Talosu Prof Dr. Levet ŞENYAY I - 7 İstatst II

Varaso Kaağı s.d K. T. K. O. KT / sd F Regreso p RKT RKO RKT RKO HKO Hata ( p) HKT HKO HKT S Geel GKT H H : : F,, p H H : : t S S S S ( ) H H : : t t S S Not :,,, F t S, S ( )..4. REGRESYON İLE TAHMİNİ Bell Br Değer İç Y Değer Ortalamasıı Tahm: Y ˆ Bu tahm varası ; ˆ ( ) V ( Y ) ˆ S S Y ( ) otasıda Y ˆ ç %(- ) lı Güve Aralığı: Yˆ t S( Yˆ ), Y PYˆ t S Yˆ Yˆ t S Yˆ,, Prof Dr. Levet ŞENYAY I - 8 İstatst II

Y Yˆ ts Yˆ ŷ Yˆ ts Yˆ ell r değer ç, te r değer tahm (u otada te r gözlem tahm) : Y ˆ Bu tahm varası: S Y ( ) ( ) otasıda ç %(- ) lı Güve Aralığı: ˆ t Y,..5. Belrleme Katsaısı R. K. T r r G. K. T. Modelde ulua Y ler degşelğ % açıı ler tarafıda açılaaldğ gösterr. Prof Dr. Levet ŞENYAY I - 9 İstatst II

Gözlemler heps regreso doğrusu üzerde olursa H. K. T. olur. O zama R. K. T. G. K. T. olur ve r çıar. Regreso model e derece olduğuu (uumu lğ) gösterr..3. KORELASYON İ değşe arasıda doğrusal lş dereces ve öüü gösterr. Öre orelaso atsaısı : r Populaso orelaso saısı : r r Cov(, Y) Var( ) Var( Y) r Y Y Y Y Prof Dr. Levet ŞENYAY I - İstatst II

Prof Dr. Levet ŞENYAY I - İstatst II r > r < r r = r =- r r

Prof Dr. Levet ŞENYAY I - İstatst II a) : : H H o r r r t S r, t r S r ) : : H H o r değer ormal dağılış göstere r değşee trasforme edlr. ( Frher tarafıda öerle) r r V,5l ), ( ~ v v N V,5l v 3 v v v v z test statstğ le test edlr.(daha öce hpotez testlerde alatıldığı g.).4. Çolu Regreso Modeller e p p...... Normal Eştller p p o... p p o.......... p p p p o p Varas Aalz Talosu

Varasou Kaağı serestl dereces Kareler toplamı Regreso P ˆ Hata -p- ŷ Geel - H... p H,... p (e az r sıfırda farlı.) Prof Dr. Levet ŞENYAY I - 3 İstatst II