283
Archived Theses
0
DOIs Assigned
0%
DOI Rate
Discipline
Statistical analysis of the 5th and 8th grades of secondary school students attitudes and anxieties towards mathematics class: Bilecik and Şanliurfa examples
In this thesis, the relationship between the anxiety and attitudes of 5th and 8th grade secondary school students living in rural areas towards Mathematics course was examined. A comparison of education between rural areas o the east and west parts of our country was made. This research is based on 5th grade students as the first level and 8th grade as the last level of secondary school. Necessary scale studies were conducted to examine the attitudes and anxiety levels of secondary school students towards Mathematics course. The sample of the study consisted of secondary school students in Pazaryeri district of Bilecik province located in the west of our country and Haliliye district of Şanlıurfa province located in the east of our country. In order to collect data for the study, demographic questions developed by the researcher, Mathematics Attitude Scale and Mathematics Anxiety Scale were applied to 5th and 8th grade students of the secondary school students. As a result of applied statistical analysis; The attitude and anxiety levels towards Mathematics of 5th grade students in Bilecik and Şanlıurfa provinces and of 8th grade students in Bilecik and Şanlıurfa provinces were examined. For the 5th grade students, it was determined that the students in Bilecik province were more anxious about Mathematics course than in Şanlıurfa province and the students in Şanlıurfa province had a negative attitude towards Mathematics. For the 8th grade students, it was observed that the students in Bilecik province had a negative attitude towards Mathematics, while the students in Şanlıurfa province did not have anxiety and negative attitude towards Mathematics.
Bulut temelli bir mühendislik portalında etkin veri girişi için makine öğrenmesi algoritmaları
Teknolojinin gelişmesi ile hayatımızın ayrılmaz bir parçası haline gelen makine ve sistemlerde yer alan en önemli bileşen, yapay zekâ kavramı ile ortaya çıkan makine öğrenmesi algoritmalarıdır. Bu çalışmada, bulut hesaplama mimarisi kullanılarak tasarlanan bir mühendislik portalının, kullanıcı deneyimini artırmak üzere makine öğrenmesi temelli çalışmalar gerçekleştirilmiştir. Sistemdeki arayüzde yer alan parametreler için veri girişleri yapılırken, kullanıcının girdiği parametreleri değerlendirerek eksik kalan parametrelerin ne olacağını belirleyen bir tahmin yapmak için makine öğreniminden yararlanılmıştır. Bu amaçla, doğrusal, destek vektör, karar ağaçları, rassal orman ve k en yakın komşu olmak üzere beş farklı regresyon yaklaşımı kullanılarak modeller oluşturulmuş ve karşılaştırmalı analizler yapılmıştır. Bu analizler sonucunda seçilen rassal orman yaklaşımı ile elde edilen tahmin modeli sisteme entegre edilmiştir.
Görüntü sınıflandırmada derin konvolüsyonel sinir ağları ile istatistiksel yöntemlerin karşılaştırılması
Yapay sinir ağları makine öğrenmesi alanında birçok problem için kullanılmıştır. 2000'lerin başına kadar çok üzerinde durulmamış fakat 2000'lerde tekrar göz önüne gelmiştir. Bilgisayar sistemlerinin gelişimiyle beraber derin ağlara geçilmiştir. Görüntü işlemeden, medikal uygulamalara kadar birçok alanda yeri mevcuttur. Özellikle görüntü işlemede birçok yardımcı algoritma ile kullanılmaktadır. Makine öğrenmesi alanında yapay sinir ağları birçok problemin çözümünde sıklıkla kullanılmıştır. Aynı şekilde ortaya çıkan ve gelişime açık istatistiksel yöntemler de görüntü sınıflandırma da yer alır. Özellikle regresyon analizi yöntemleri yaygın olarak kullanılmaktadır. Bu çalışmada, konvolüsyonel sinir ağlarının tarihçesi, görüntü sınıflandırmadaki yeri, istatistiksel görüntü sınıflandırma yöntemleri ve konvolüsyonel sinir ağları ile istatistiksel sınıflandırma yöntemleri yapılan uygulama sayesinde karşılaştırılmıştır. Bu uygulamanın amacı hangi yöntemin daha etkili olabileceğiyle ilgilidir.
Kategorik değişken için makine öğrenmesi algoritmalarının performanslarının incelenmesi
Makine öğrenmesi yöntemleri ve buna bağlı çalışmalar son yıllarda yaygın bir şekilde kullanım alanı bulmuş buna bağlı olarak gelişime açık bir hale gelmiştir. Bu tez çalışmasında, sınıflandırma problemlerinde karşılaşılan dengesizlik durumları incelenecektir. Buna göre, ikili sınıf dengesizliği problemi ele alınarak farklı oranlarda dengesizlik içeren sınıflara bir benzetim çalışmasıyla, sınıf dengesizliği problemini çözmek için çeşitli yeniden örnekleme yöntemleri kullanılarak, boosting topluluk öğrenmesi yöntemlerinden Adaptive boosting, Gradient Boosting Machines ve Extreme Gradient Boosting yöntemlerinin başarı performansları ve süre karşılaştırılması yapılacaktır.
The applied high-order spatial weight matrix gstarimax with principal component analysis for google trends data on gold price
This study aims to forecast gold prices with missing values in several G20 countries based on the best GSTARIMA model. Missing values have been handled by imputing last observation carried forward (LOCF) and moving average smoothing (MA). The results of the imputation then combined with the GSTARIMA model, principal component analysis (PCA), and dummy variables derived from Google Trends data to model and forecast gold prices in each country so 16 different models are considered in thesis study. In addition, Google Trends data also has been used to build a high-order spatial weight matrix on the GSTARIMA model. The eighth order is the highest order which is formed from the distance between countries. Based on the smallest MAPE value, the GSTARIMA model (1,0,0) with PCA and LOCF imputation is recommended for forecasting the next 1 month, the GSTARIMA model (1,0,0) with MA imputation for forecasting the next 1 year, and the GSTARIMA model (1,0,0) with PCA and MA imputation to forecast the next 2 years. The three best models explain that the gold prices in the future is relatively increasing.
Bulanık dalgacık çekirdek tabanlı aşırı öğrenme makineleri yaklaşımı ile sınıflandırma analizi
Sınıflandırma problemleri, günlük hayatta farklı veri tiplerinde sıklıkla karşılaşılan problemlerden biridir. Son zamanlarda bu tarz problemlerin giderilmesi için çeşitli makine öğrenmesi algoritmaları önerilmiştir ve bu algoritmaların kendine özgü bazı avantajları bulunmaktadır. Dalgacıkların zaman-frekans yerelleştirme özellikleri, yapay sinir ağının öğrenme yetenekleri, bulanık çıkarım sisteminin yaklaşık muhakeme özelliği ve aşırı öğrenme makinesi algoritmasının son derece yüksek öğrenme hızında tek geçişli öğrenme ve iyi genelleme performansı gibi avantajları sınıflandırma problemlerinde etkili bir çözüm ortaya koyacak özellikleri sergileyebilmektedir. Bu bağlamda, bu tez çalışması bu avantajları birleştirerek bulanık dalgacık çekirdek tabanlı aşırı öğrenme makinesi (FWKELM) adı verilen yeni bir yapı sunmaktadır. FWKELM'nin ana hedefleri, doğrusal öğrenme parametrelerinin sayısını azaltarak ağ karmaşıklığını önemli ölçüde azaltmak ve kabul edilebilir doğruluk ve genelleme performansları korumaktır. Önerilen yapıda, her bulanık kural bir alt dalgacık sinir ağına karşılık gelmektedir ve farklı genişleme ve ötelemelere sahip dalgacıklardan oluşmaktadır. Çalışma kapsamında, öncelikle bir Mexican Hat dalgacığının kabul edilebilir bir aşırı öğrenme makinesi algoritması (ELM) çekirdeği olduğu gösterilmiş ve daha sonra bir bulanık model ile çekirdek tabanlı aşırı öğrenme makinesine eşdeğerliği kanıtlanmıştır. FWKELM'nin sınıflandırma doğruluğunu değerlendirmek için farklı tip sınıflandırma problemleri üzerinde çeşitli popüler yöntemler ile karşılaştırılmıştır. Simülasyon sonuçları, önerilen yaklaşımın daha robust yapıda olduğu ve dikkate değer verimliliğini göstermiştir.
Normal dağılım için makine öğrenmesi algoritmasına dayalı geliştirilen uyum iyiliği prosedürü
İstatistiksel analizlerin doğruluğu ve güvenilirliği açısından normallik varsayımının sağlanıp sağlanmadığının kontrol edilmesi oldukça önemlidir. İstatistiksel analizlerde kullanılan bir veri setinin normal dağılıma sahip olup olmadığı temel olarak iki farklı yöntemle belirlenir. Bunlar, grafiksel yöntemler ve normal dağılım için uyum iyiliği testleridir. Ancak bu yöntemler tek başına kullanıldığı zaman tüm durumlar için normalliği belirlemek konusunda birbiriyle çelişen sonuçlar verebilmektedir. Bu çalışmada literatürde var olan yöntemlere alternatif olarak makine öğrenmesi algoritmasına dayalı bir veri setinin normal dağılıma uygun olup olmadığını belirleyen bir prosedür geliştirilmiştir. Makine öğrenmesi algoritmasına dayalı olarak geliştirilen bu prosedürün I. Tip hata oranı ve gücü literatürde kabul görmüş ve yaygın olarak kullanılan normal dağılım için uyum iyiliği testleri ile simetrik ve asimetrik dağılımlar altında kapsamlı bir simülasyon çalışmasıyla karşılaştırılmıştır. Ayrıca geliştirilen prosedürün performansı doğruluk, kesinlik, duyarlılık ve F1 skoru kriterlerine göre de incelenmiştir. Yapılan kapsamlı karşılaştırmalar sonucunda, literatüre ilk kez sunulan normal dağılım için makine öğrenmesi algoritmasına dayalı uyum iyiliği prosüdürünün bu çalışmada ele alınan normallik testlerinden hemen hemen tüm durumlar için daha güçlü kararlar verdiği gözlemlenmiştir.
Veri madenciliği algoritmaları ile aile yapısı araştırması verilerinin sınıflandırılması
Madencilik terimi ile benzer anlam taşıyan veri madenciliği, sorunların çözülmesine, eğilimlerin tahmin edilmesine, risklerin azaltılmasına ve yeni fırsatlar bulunmasına yardımcı olmak için muazzam miktarda bilgi ve veri setini analiz etme, yararlı zekayı keşfetme sürecidir. Aynı zamanda veri madenciliği ilişkilerin kurulmasını, sorunlarla başa çıkabilmek için korelasyonlar bulmayı ve süreçte eyleme geçirilebilir bilgiler oluşturmayı da içermektedir. Bu tez çalışmasında veri madenciliğinin muazzam yeteneklerinden faydalanarak Likert ölçekli veri tiplerinde bilgi keşfi yapılması amaçlanmıştır. Farklı veri madenciliği tekniklerinin Likert ölçekli veri türleri üzerinde sınıflandırma başarısını karşılaştırmak üzere veri seti olarak Türkiye İstatistik Kurumu (TUİK) Başkanlığı tarafından yürütülen Türkiye Aile Yapısı Araştırması (TAYA) seçilmiştir. İki aşamada gerçekleştirilen deneylerde ilk olarak öznitelik seçimi yapılmış ve Bilgi Kazancı kriteri ile 10 değerli öznitelik belirlenmiştir. Sınıflandırma aşamasında ilk olarak veri setindeki kategori sayısı değiştirilerek algoritmaların sınıflandırma başarısı ölçümlenmiştir. Ardından yapısı gereği dengesiz olan veri seti üzerinde sınıflar arası dengesizlik giderilmiş ve sınıflama analizine etkisi gözlemlenmiştir. Dengesizlik giderilmeden yapılan sınıflandırmada beşli kategoriye sahip olan veri setinde en başarılı sınıflandırma performansı CART algoritmasında, üçlü kategoriye sahip olan veri setinde RepTree algoritmasında görülmüştür. Sınıflar arası dengesizliği giderebilmek amacıyla yeniden örnekleme ve veri tamamlama yöntemi ile toplam örnek hacmi değiştirilerek üç farklı veri seti oluşturulmuştur. Oluşturulan veri setlerinde sınıflandırma başarısı en yüksek olan algoritmanın CART algoritması olduğu görülmüştür.
İmputasyon yöntemlerinin derin öğrenme modellerinin performansı üzerindeki etkisinin incelenmesi
Bu tez çalışmasında, Türk Hava Yolları, Lufthansa Hava Yolları, Delta Hava Yolları hisse fiyatları ve simülasyon yardımıyla sentetik veri setleri kullanılarak zaman serisi analizinde imputasyon yöntemlerinin kayıp verileri doldurma performansı ve derin öğrenme yöntemlerinin tahmin performansı incelenmiştir. Çalışmada LSTM, GRU, RNN ve Transformer modelleri kullanılarak analizler yapılmıştır. Veri setlerinde %5, %15 ve %25 oranında eksik veri oluşturulmuş ve bu eksik veriler lineer, spline, Stineman, ortalama ve rasgele imputasyon teknikleriyle doldurulmuştur. Elde edilen sonuçlar, her bir modelin performansının, kullanılan imputasyon tekniğine ve eksik veri oranına bağlı olarak değiştiğini göstermektedir. Özellikle derin öğrenme yöntemlerinin, eksik veri oranı arttıkça ve kullanılan imputasyon tekniğine bağlı olarak performanslarının farklılaştığı gözlemlenmiştir. Analiz yöntemlerinden Transformer modeli, genellikle diğer modellere göre daha iyi performans sergilemiş; imputasyon yöntemlerinden Stineman imptuasyon tekniği ani değişimler ve keskin dönüşlerin bulunduğu veri setlerinde daha başarılı sonuçlar vermiş ve Spline imputasyon tekniği ise doğrusal olmayan ilişkilerde üstün sonuçlar elde edilmesini sağlamıştır. Zaman serisi analizlerinde imputasyon yöntemlerinin ve derin öğrenme yöntemlerinin performansları böylece karşılaştırmalı ve kombinasyonlu incelenmiştir. Model performanslarını iyileştirmek için hangi yöntem ve yöntem çiftlerinin uygun olabileceği konusunda önemli bulgular sunulmuştur.
Tahmin modellerinde veri kaymalarının açıklanabilir yapay zekâ araçlarıyla tespit edilmesi
Kavram kayması, veri setlerinde zamanla meydana gelen ve tahmin modellerininperformansını olumsuz etkileyen değişikliklerdir. Bu tezde, kavram kaymasınıntespitinde kullanılan klasik istatistiksel yöntemlerin bazı durumlarda yetersiz kaldığı elealınmış ve bu eksiklikleri gidermek amacıyla Açıklanabilir Yapay Zeka (AYZ)yöntemlerinden biri olan Kısmi Bağımlılık Profili (PDP) baz alınarak yeni bir yöntemgeliştirilmiştir: Profil Kayması Tespiti (PDD – Profile Drift Detection). Bu yeni yöntem,PDP eğrileri arasındaki değişiklikleri profillerin öklidyen uzaklıkları, türevleri arasındakiöklidyen uzaklık ve Profile Disparity Index (PDI) metrikleri ile değerlendirir.Çalışmada, literatürde bu konuda sıkça kullanılan sentetik ve gerçek hayat verisetleri kullanılarak, farklı yığın (batch) sayılarında veriler bölüntülenerek istatistikseltestler ve PDD yöntemi karşılaştırılmıştır. PDD, genellikle daha az sayıda kavramkayması tespit etmesine rağmen, model performansı bakımından istatistiksel testlerlebenzer veya daha iyi sonuçlar göstermiş ve yığın sayısı değiştiğinde de tutarlı sonuçlarvermiştir. PDD, model ile veri arasındaki ilişkinin daha detaylı incelenmesine olanaktanır. Önerilen yöntemin performansı, farklı yığın büyüklükleri için sentetik ve gerçekhayat verileri üzerinde yapılan deneysel çalışmalarla araştırılmıştır. Elde edilen bulgularagöre yöntemin kullanılabilirliği tartışılmıştır.
Deney tasarımında karma etkiler modelinin üretim sektöründe uygulanması
Fabrikaların üretim hattında, hammaddeler çeşitli işlemlerden geçirilerek yarı mamul ve son ürün haline getirilmekte ve üretim esnasında, kalite kontrol ve denetim süreçleri ile ürünlerin standartlara uygunluğu amaçlanmaktadır. Üretimin her aşamasında müşteri memnuniyeti, kalite ve yüksek verimlilik hedeflenmektedir. Yüksek verimlilik için üretim hattındaki faktörler ve bu faktörlerin düzeyleri göz gönünde bulundurularak, üretim için en uygun koşul sağlanmaktadır. Üretim sürecinde uygun koşullar elde edilerek üretim yapılması, fabrikanın verimliliği ve ürün kalitesi açısından kritik öneme sahiptir. Yüksek verimlilik ile ürün kalitesinin sağlanması, ortamın sıcaklık, nem ve hijyen koşullarının kontrol edilmesi, makinelerin düzenli bakımı, kalibrasyonlarının yapılması, çalışanların iş sağlığı ve güvenliği kurallarına uyması ile sağlanmaktadır. Böylece, üretim sırasında herhangi bir aksaklık yaşanmadan, yüksek kaliteli ve standartlara uygun ürünlerin elde edilmektedir. Bu çalışmada, bir fabrikadaki çikolata üretim hattında yer alan kalıp ısıtma ve kalıp soğutma kabinlerindeki sıcaklık ve nem oranlarının üretimdeki ıskarta oranına etkileri araştırılmıştır. Veri toplama aracı olarak, sensörlerden elde edilen kalıp ısıtma ve kalıp soğutma kabinlerindeki ortam sıcaklığı ve nem verileri kullanılmıştır. Karma etkiler modeli istatistiksel analiz olarak kullanılmıştır. Bu araştırmanın amacı, üretim hattındaki nem ve sıcaklığın ıskarta oranı üzerine etkilerini belirlemektir. Anahtar Sözcükler: Deney tasarımı, Üretim, Çok faktörlü deneyler, Karma etkiler modeli
Belediyeden memnuniyet anket verisinin gtd ile analizi
Bu tezde; panel verilerin, vatandaşların belediye hizmetlerinden memnuniyet düzeyini etkileyen faktörlerin belirlenmesindeki önemi üzerinde durulmuştur. İl/ilçelerde yaşayan insanların yaşam koşullarının iyileştirilmesi belediyelerin benimsemesi gereken öncelikli politikalar arasındadır. Buna bağlı olarak; belediye hizmetlerinin niteliğinin yüksek olması, niceliğinin yüksek olmasından daha önemlidir. Belediye hizmetlerinin önemi bu kadar bilinirken, vatandaşların belediye hizmetlerinden memnuniyetini arttırıcı faktörlerin belirlenerek geliştirilmesine ihtiyaç vardır. Panel veriler gerek birim gerekse zaman boyutunu bir arada ele alabilmesi nedeniyle son yıllarda üzerinde en çok çalışılan hususların arasında gelmektedir. Bu özelliğinden dolayı panel veriler hem yatay kesit hem de zaman serisi verilerine göre daha fazla bilgi vermektedir. Bu çalışma, İstanbul'un herhangi bir ilçesinde yaşayan vatandaşlar arasından seçilen aynı örneklem grubuna belirli süre aralıklarında aynı anket çalışması uygulanarak elde edilen panel veriler ile yapılmıştır. Buna bağlı olarak, bu çalışmada öncelikle panel veri analizi kavramı üzerinde durulmuş, bu kavram hakkında literatür bilgisi verildikten sonra panel veriler üzerinde uygulanan genelleştirilmiş tahmin denklemleri (GTD) yöntemine yönelik ayrıntılı bilgiler verilmiştir. Yapılan analizler sonucunda vatandaşların belediye hizmetlerinden memnuniyet düzeyinin ne ölçüde olduğu, hizmet kalitesini belirleyen faktörlerin neler olduğu ve bu faktörlerin hizmetlerden memnuniyeti arttırıcı/azaltıcı etkileri elde edilmiştir.
Doğal dil işleme tabanlı duygu analizinin ve değişken seçim yöntemlerinin hisse senedi fiyat tahminine etkisi
Bu çalışmanın amacı, haber metinlerinin hisse senedi fiyat tahmini üzerindeki etkisini incelemektir. Ayrıca boyut indirgeme tekniklerinin ve regülarizasyon yöntemlerinin tahmin performansına etkisi araştırılmıştır. Bu amaçla boyut indirgeme teknikleri ve regülarizasyon yöntemlerinin yanı sıra ilgili tekniklerin hibrit varyasyonları kullanılmıştır. Haber metinlerinden dört farklı doğal dil işleme değişkeni hesaplanmış ve modellere dahil edilmiştir. Zaman Serisi değişkenlerine doğal dil işleme değişkenleri kombinasyonlar halinde eklenmiş ve etkileri ARIMAX, ANN, LSTM ve GRU yöntemlerinin tahmin performansıyla beraber karşılaştırmalı olarak analiz edilmiştir. Uygulamalar; simülasyon çalışmaları ve sekiz hisse senedi üzerinde gerçekleştirilmiştir. Boyut indirgeme teknikleri ile regülarizasyon yöntemleri ve doğal dil işleme değişkenlerinin modele dahil edilmesinin etkileri uygulamalarla analiz edilmiştir. Bulgular, sadece teknik göstergelerin değil, aynı zamanda haber metni analizinin de hisse senedi fiyat tahmin doğruluğuna olumlu katkı sağladığını göstermiştir. Boyut indirgeme tekniklerinin regülarizasyon yöntemleriyle bütünleştirilmesi, değişken karmaşıklığını yönetmede etkili olmuştur. Hibrit yaklaşım ve haber duygu analizinden yararlanılarak kapsamlı bir finansal piyasa tahmin çerçevesi sunulmuştur.
Büyüme eğrisi modellerinde Rao'nun basit kovaryans yapısı ve aykırı gözlemler
Bu çalışmanın amacı, Büyüme Eğrisi Modellerinde Rao 'nun Basit Kovaryans Yapısı 'nın incelenmesi ve aykırı değer bulma tekniğinin kullanılmasıdır. İlk olarak, Büyüme Eğrisi Modeli kullanılarak En Küçük Kareler ve En Çok Olabilirlik tahminlerinin hangi koşul altında daha iyi sonuçlar verdiği gösterilmiştir. İkinci olarak, Rao 'nun Basit Kovaryans Yapısı ve bu yapıdan türetilen bazı faydalı kovaryans yapılarına değinilmiştir. Son olarak, Basit Kovaryans Yapısına Sahip Olan Büyüme Eğrisi Modelleri 'nde Çoklu Uyumsuz Aykırı Değer Bulma probleminin çözümü bulunmaya çalışılmıştır. Teorik yapı verildikten sonra kapsamlı bir uygulama gerçekleştirilmiştir. Uygulama bölümünde, Gazi Üniversitesi Çocuk Sağlığı Hastalıkları Anabilim Dalı 'na ait üç farklı veri kümesi için hem kız hem de erkek bebeklerin büyüme süreçleri incelenmiştir. Bu veri kümelerinin Büyüme Eğrisi Modeli 'ne uygunluğuyla ilgilenilmiş ve böylece aykırı değerler belirlenmiştir. Bilim Kodu : 0303 Anahtar Kelimeler : Büyüme Eğrisi Modelleri, Rao 'nun Basit Kovaryans Yapısı, Uyumsuz Aykırı Değerler Sayfa Adedi : 110 Tez Yöneticisi : Prof. Dr. Müslim Ekni
Doğrusal olmayan hedef programlama ile portföy seçimi
Yöneylem araştırmasında karşılaşılan problemler içerdiği amaç sayısına göre tek amaçlı ve çok amaçlı olmak üzere iki şekilde incelenir. Tek amaçlı problemlerle ilgili modellerde sadece en büyüklemek ya da en küçüklemek şeklinde tek bir amaç söz konusudur. Ancak, gerçekte karşılaşılan problemlerle ilgili doğru kararlar alabilmek için bir çok kriterin aynı anda göz önünde bulundurulması gerekir. Bu durum, çok amaçlı modellerin yöneylem araştırmasında önemli bir yer almasını sağlar. Bununla birlikte, karşılaşılan problemlerin bir çoğu da gerek içerdiği kısıtlayıcılar gerekse amaç fonksiyonları açısından doğrusal olarak ifade edilemez. Bu çeşit problemlerin doğrusallık varsayımı altında tanımlanması ve çözmeye çalışılması sapmalı sonuçlar bulunmasına yol açar. Bu sebeple, bu tür problemlerin doğrusal olmayan yapıda amaç fonksiyonu ya da kısıtlayıcı fonksiyonları içeren yapıda modellenmesi ve doğrusal olmayan programlama çözüm teknikleri ile çözümlenmesi gerekir. Bu çalışmada, hem doğrusal olmayan yapıda kısıtlayıcı fonksiyon içeren hem de birden çok amaca sahip "portföy seçim modeli" oluşturulup bu model için "doğrusal olmayan hedef programlama" tekniği ile optimum çözüm bulunmaya çalışılmıştır. Bilim Kodu : 406. 01. 01 Anahtar Kelimeler : doğrusal olmayan hedef programlama, portföy seçimi
Anket araştırmalarında yanıtlamama ve çift örnekleme yöntemi
ANKET ARAŞTIRMALARINDA YANITLAMAMA VE ÇİFT ÖRNEKLEME YÖNTEMİ (Yüksek Lisans Tezi) Aylin ALKAYA GAZİ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ Mayıs 2003 ÖZET Anket araştırmalarında yanıtlamamadan dolayı oluşan kayıp verinin iki temel tür ayırımı yapılmıştır. Birinci türü, birim yanıtlamamadır; örneği oluşturan bazı birimlere ilişkin hiçbir veri yoktur. İkinci türü ise, soru yanıtlamamadır; örneği oluşturan birim veya birimlere ilişkin bir veya birden fazla soru veya değişken verisi yoktur. Bu çalışmada, birim yanıtlamama ve kaynakları, nedenleri, nelere yol açtığı incelenmeye çalışılmıştır. Yanıtlamama tahminlerin kalitesini ve güvenilirliğini azaltmaktadır. Yalnızca yanıtlayanlara dayalı yapılan parametre tahminleri, yanıtlamayanların yanıtlayanlardan farklı olması nedeniyle, yanlı olur. Araştırmalarda yanıtlamayan birimlerin varlığı, örnek çapının küçülmesine ve araştırma maliyetinin artmasına da neden olur. Bu nedenle, yanıtlamamanın ortaya çıkmaması için çalışmalar yürütülmeli ve varlığında tahminler üzerindeki etkilerinin minimum yapılması için düzeltmeler yapılmalıdır. Bu çalışmada, yanıtlamama yanlılığının giderilmesi ve yanıt oranının arttırılması için önerilen yöntemlerden biri olan çift örnekleme yöntemi pek çok araştırmaya ışık tutacak şekilde ele alınmıştır. Tezde, yanıtlamama için çift örnekleme yönteminde; yanıtlayanlar ve yanıtlamayanlar iki ayrı tabakaya sınıflandırılmış ve yanıtlamayanlar tabakasından bir tesadüfi altörnek seçilmiştir. Seçilen altörnekten, ilk örnektekine kıyasla, yanıtlamayan birimlerinden yanıt almak için yoğun çabanın harcandığı bir veri toplamayönteminin yanında, daha farklı yöntem veya yöntemler kullanılarak yanıt alınmaya çalışılır. Bilim Kodu : Anahtar Kelimeler : yanıtlamama, birim yanıtlamama, çift örnekleme Sayfa Adedi : 165 Tez Yöneticisi : Prof. Dr. A. Alptekin ESİN
Aykırı gözlemlerin gruplar halinde varlığının çok değişkenli çoklu regresyon analizinde Bayesgil yaklaşım ile irdelenmesi
aykiri gözlemlerin gruplar halinde varliginin çok değişkenli çoklu regresyon analizinde bayesgil yaklaşim ile irdelenmesi (Doktora Tezi) Ufuk EKİZ GAZİ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ Mayıs 2003 ÖZET Çok değişkenli-çoklu regresyon analizinde, tesadüfi örneğin herhangi bir gerçeklenişinin aykırı gözlem içerip içermediğine ilişkin pek çok yöntem literatürde yer almaktadır. Bu tür gözlemlerin belirlenmesini sağlayacak bayesgil yaklaşımlar kabaca üç başlık altında toplanmaktadır. Bu başlıklardan birine uygun olarak, gerçekleşmiş ancak gözlenemeyen hatanın karesel formunun sonsal dağılımı üzerinden aykırı gözlemlerin tek tek irdelenmesi fikrine yönelik bayesgil bir yaklaşım, Varbanov(1998) tarafından ortaya atılmıştır. Tesadüfi örneğin herhangi bir gerçeklenişinde yer alan gözlemlerin tek tek aykırı olup olmadıklarının irdelenmesi, gizleme ve yanılgıya düşürme problemlerinin incelenmesi açısından yeterli değildir. Bu problemlerin varlığını ortaya koyabilmek, gözlemlerin gruplar halinde aykırı olup olmadıklarının irdelenmesi ile mümkün olabilmektedir. Bu amaçla Varbanov tarafından ileri sürülen yöntem, gruplar halinde gözlemlerin aykırı olduklarını irdelememize imkan verecek şekilde genişletilmiştir. Bilim Kodu : 406.01.01 Anahtar Kelimeler : Gerçekleşmiş ancak gözlenemeyen hata, Gizleme ve Yanılgıya-Düşürme Problemleri, Aykırı Gözlem Sayfa Adedi : 85 Tez Yöneticisi : Prof.Dr.Müslim EKNİ
Konum ve dağılış parametrelerinin basit sıralı alternatifine karşı test yöntemleri
Bu çalışmanın giriş bölümünde basit sıralı alternatife karşı konum ve dağılış parametrelerinin eşitliğinin testi için bilinen yöntemler hakkında kısa bilgiler verilmiştir. İkinci bölümde basit sıralı alternatife karşı dağılış parametrelerinin homojenliği için Gill ve Dhawan (1999) tarafından önerilen tek yanlı bir test yöntemi tanıtılmıştır. Kritik değerlerinin bulunması, güven aralıkları ve bu testin diğer benzer testlerle güç kıyasından bahsedilmiştir. Üçüncü bölümde basit sıralı alternatife karşı konum parametrelerinin eşitliğinin testi için Hay ter (1990) tarafından önerilen tek yanlı bir Student Açıklık Testi tanıtılmıştır. Bu testin eşanlı tek yanlı güven aralıkları, kritik değerlerinin bulunması ve güç özelliklerinden bahsedilmiştir. Dördüncü bölümde üstel konum parametrelerinin sıralı ikili farkları için Dhawan ve Gill (1997) tarafından önerilen eşanlı tek yanlı güven aralıkları tanıtılmıştır. Beşinci bölümde ise, Gül ve Dhawan (1999) tarafından önerilen T testi ve Le (1993) tarafından önerilen Z testinin güç karşılaştırmasına ilişkin bir simülasyon çalışmasına yer verilmiştir. Bilim Kodu : 212 Anahtar Kelimeler : Kritik Değer Bulunması, Eşanlı Güven Aralıkları, İstatistiksel Simülasyon.
Regresyon modelinde kuvvet dönüşümlerinin Monte - Carlo değerlendirmesi
Klasik regresyon modelinde, hata terimlerinin birbirinden bağımsız, aynı ve normal dağıldığı varsayılır. Bu çalışmada hata terimlerinin aynı ve normal dağıldığı varsayımlarının sağlanmadığı durumlar modellenmiş ve böyle durumlarda uygulanan kuvvet dönüşümlerinin bu varsayımları sağlama başarımları Monte-Carlo sana! bir deneyle karşılaştırılmıştır. Sonuçlar, Tukey dönüşümünün normallikten ve Manly dönüşümünün de türdeşlikten ayrılma durumunda diğerlerine göre daha iyi olduklarını göstermiştir. Bilim Kodu Anahtar Kelimeler Sayfa Adedi Tez Yöneticisi 212 Regresyon; kuvvet dönüşümleri; Monte-Carlo tahmin 64 Yrd. Doç. Dr. Mustafa Yavuz ATA
Veri zarflama analizi ve orman yönetiminde bir uygulama
Ormanlar, yeryüzünün üçte birinden daha fazla bir aiana sahip olduğundan çevresel yönetimde ©rman yönetiminin çok önemli bir rolü vardır. Orman yönetim işi, orman arazisi işletmesi için iş metotlarının ve teknik ormancılık ilkelerinin uygulanmasını gerektirmektedir. Omaniann yönetiminde gelecek planlamasındaki ana hattı elde edebilmek için yönetim basanlarının göreceli etkinliği değerlendirilmelidir. Bir çok çıktının Pazar değeri mevcut olmadığından, çok kullanımlı bir ormanın etkin bir şeklide yönetilip yönetilmediğini değerlendirmekte oldukça zordur. Bu çalışmanın amacı, 1994-2002 yıllan arasında Orman Bölge Müdürlüklerinin ormanların yönetiminde ne kadar etkin olduklarını belirlemektir. Bu amaçla metot olarak Veri Zarflama Analizi kullanılarak Orman Bölge Müdürlüklerinin etkinlik değerlendirmesi yapılarak tablolar halinde sunularak sonuçlar değerlendirilmiştir. Anahtar Kelimeler: Veri Zarflama Analizi, Etkinlik, Orman Yönetimi
Zaman dizilerinde doğrusal olmayan setar modeli ve uygulamaları
Bu çalışmanın amacı ileriye dönük tahmin (kestirim) için, doğrusal modellerle doğrusal olmayan modelleri karşılaştırarak daha üstün tahmin kapasitesi olan modeller geliştirmektir. Burada doğrusal modeller için Box-Jenkins yaklaşımı, doğrusal olmayan diziler için ise SETAR (Kendinden uyarımlı eşiksel otoregressif) modellemesi kullanılmıştır. Konuyla ilgili kuramsal yapı verildikten sonra, geniş çaplı bir uygulama yapılmıştır. Uygulamada farklı eğilimler gösteren T.C. Merkez Bankası'nın günlük Mark kuru, T.C. Ziraat Bankası'nın zirai kredi rakamları, T.C. Merkez Bankası'nın / ons altının Dolar cinsinden fiyatları ve DİE'nin aylık sanayi endeks değerlerinin oluşturduğu dizilerin modellemesi yapılmıştır. İlk önce, ham veri için doğrusal ve doğrusal olmayan modeller belirlenerek kestirimi yapıldı. Daha sonra her bir modelin kestirimleri, "hata kareler ortalama" ölçütü (HKO) ile karşılaştırılarak en iyi model belirlendi. Bundan sonraki aşamada, her bir veri için gerekli dönüşümler yapılarak doğrusal ve doğrusal olmayan modellerinHKO'ları karşılaştırılmıştır. Buna göre her bir dizi için en iyi modeller belirlenmiştir.
Ortogonal düzenler üzerine bir araştırma
ORTOGONAL DÜZENLER ÜZERİNE BİR ARAŞTIRMA (Yüksek Lisans Tezi) Aslıhan ALHAN GAZİ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ Mayıs 2001 ÖZET Ortogonal düzenler, deney düzenlemelerinden oluşan istatistiksel bir tekniktir. Bu çalışmada, ortogonal düzenlerin kuruluş problemi üzerinde duruldu. Bu probleme cebirsel ve geometrik özellikler ile yaklaşıldı. Bu nedenle tüm kaynak taramaları tamamlandı ve konunun anlaşılabilmesi amacıyla örnekler verildi. Ayrıca, bazı önemli deneme düzenleri verildi. Bu düzenlerin kuruluşunda ortogonal düzenlerin özellikleri kullanıldı. Mevcut ortogonal düzenlerden diğer deneme düzenlerine geçiş yolları araştırıldı. Bunun sonucunda, ortogonal düzenlerin tüm deneme düzenlerine genişletilebileceği gösterildi. Bilim Kodu : 406.01.01 Anahtar Kelimeler : Ortogonal Düzenler, Projektif Geometri, Ana Etki Planlan, Hadamard Matrisleri, Dengeli Tamamlanmamış Blok Tasarımı, Kısmen Dengeli Düzenler, Ortogonal Latin Kare Setleri. Sayfa Adedi : 90 Tez Yöneticisi : Doç. Dr. Hülya BAYRAK
Marmara bölgesinde meydana gelen depremlerin istatistiksel analizi
MARMARA BÖLGESİNDE MEYDANA GELEN DEPREMLERİN İSTATİSTİKSEL ANALİZİ (Yüksek Lisans Tezi) Ülkü GURLEN GAZİ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ Aralık 2001 ÖZET Bu çalışmada, Marmara Bölgesi'nde (39.50-41.50) kuzey - (26.00-32.50) doğu koordinatları arasında, 1900-2000 yılları arasında meydana gelen 447 deprem verisi için istatistiksel analizler yapılmıştır. Öncelikle, bu veri, magnitüdlerine ve derinlik, gece-gündüz, mevsim, onar yıllık dönemler, aylar gibi oluş zamanlarına göre sınıflandırılmış, zamanın depremlerin magnitüdleri ile oluş sayıları üzerinde etkili olup olmadığı araştırılmıştır. Daha sonra depremlerin oluş sıklıkları ile magnitüdleri arasında eğri tahmin modelleri kurulmuştur. Bundan başka, yıllara göre ortalama deprem büyüklükleri ve toplam deprem sayıları zaman dizileri açısından modellenmiştir. Ayrıca magnitüd rastgele değişkeninin olasılık yoğunluk ve dağılım fonksiyonları bulunarak, çeşitli magnütüdler için depremlerin tekrarlanma yılları elde edilmiştir.Bilim Kodu : 406.02.01 Anahtar Kelimeler : İstatistiksel Analiz, deprem magnitüdü, zaman dizileri, eğri tahmin modelleri, olasılık yoğunluk ve dağılım fonksiyonları Sayfa Adedi : 110 Tez Yöneticisi : Doç. Dr. Reşat KASAP
Ridge regresyon üzerine bir çalışma
RIDGE REGRESYON ÜZERİNE BİR ÇALIŞMA (Yüksek Lisans Tezi) Mücahit KURTULUŞ GAZİ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ Kasım 2001 ÖZET Bu çalışmada, bağımsız değişkenler arasında çoklu bağlantı olması durumunda ortaya çıkan sorunların giderilmesi yöntemlerinden biri olan Ridge Regresyon yöntemi üzerinde çalışılmış ve Ridge Regresyon yöntemi ile En Küçük Kareler yöntemi karşılaştırılmıştır. Ridge Regresyon yönteminde k parametresinin bulunmasında kullanılan birkaç yöntem tanıtılmış ve bir yöntem önerilmiştir. Son bölümde örneğimizden elde edilen Ridge Regresyon sonuçları ile, En Küçük Kareler yönteminin sonuçları karşılaştırılmıştır. Bilim Kodu : 406.01.01 Anahtar Kelimeler : Ridge izi, Çoklu bağlantı, Ridge Regresyon modelinde k parametresinin belirlenmesi, Ridge Kestiricisinin hata kareler ortalaması Sayfa Adedi : 35 Tez Yöneticisi : Prof.Dr.Soner GÖNEN
Regresyon modellerinde uç değer incelemede dağılıma bağlı olmayan bir yöntem
Bu çalışmanın giriş kesiminde etkili değerler ve uç değerlerle ilgili bazı çalışmalara yer verilmiş ve bunlar için test istatistikleri tanıtılmıştır. Birinci bölümde ise, uç değerlerin budanması ve tahminlerin budanmış Bootstrap Yığınından seçilecek örneklere dayandırılması yöntemi tanıtılmıştır. Uç değerlerin örneğe girmesine engel olmak için Bootstrap örneğinin çapım küçük seçmek, Bootstrap Yığınının az budanması ve Bootstrap Yığınının fazla budanması yöntemleri kullanılabilir. Bu çalışmada Bootstrap Yığınının budanması ile ilgilenilmiş ve budama yöntemleriyle ilgili test istatistikleri de tanıtılmıştır. Bu yöntem tahmin edilen artıkların Bootstrap dağılımına dayanır. Ayrıca Bootstrap tahminleri ve bozulmanın ölçüsü tanıtılmıştır. İkinci bölümde Bootstrap Yığınının budanması ile ilgili bir uygulamaya ve simülasyon çalışmasına yer verilmiştir. Uygulamada ct=0.15 için Bootstrap yığınından budamalar yapılmış ve Budanmış Bootstrap yığını elde edilmiştir. Son bölümde ise bu uygulamadan elde edilen bulgulara yer verilmiştir. Bilim kodu : 406.02.01 Anahtar kelimeler: Uç değer, Etkili değer, Artık tahmini, Bootstrap Sayfa adedi : 67
Küçük alan tahmin teknikleri ve birleşik sentetik tahmin ediciler
Bu çalışmanın birinci bölümünde, mevcut küçük alan tahmin tekniklerinin dayandığı varsayımlar ile gerekli formülasyonlar verilerek tanıtılmaktadır. İkinci bölümde, küçük alan tahmin tekniklerinden olan birleşik sentetik tahmin edicilerin dayandığı temel varsayımlar açıklanmıştır. Ayrıca, dört ayrı birleşik sentetik tahmin edici tanıtılarak bir tanesinin teorik çıkarsaması yapılmıştır. Son bölümde ise, bir nüfus araştırması için derlenmiş verilere dört ayrı birleşik sentetik tahmin edici uygulanarak tahminler yapılmış ve bu verileri için hangi birleşik sentetik tahmin edicinin uygun olduğu gösterilmiştir.
Çoklubağlantıya neden olan gözlemlerin belirlenmesi
ÇOKLU BAĞLANTIYA NEDEN OLAN GÖZLEMLERİN BELİRLENMESİ (Yüksek Lisans Tezi) Ufuk EKİZ GAZİ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ Haziran 1997 ÖZET Regresyon analizinde kullanılan en küçük kareler tahmin edicileri üzerinde, olumsuz etkilere sebep olan ve bağımsız değişkenler arasındaki sıkı ilişki olarak tanımlanan çoklu bağlantının varlığı çoğu çalışmada gözden kaçınılmaktadır. Bu sebeple çalışmada, çoklubağlantının en küçük kareler tahmin edicileri üzerindeki etkileri incelenmiştir. Daha sonra, çoklubağlantının şiddetinin önemli olup olmadığının belirlenmesine yönelik çeşitli yöntemler incelenmiştir. Bundan sonraki aşamalarda problem yaratan çoklubağlantının ortadan kaldırılmasına yönelik değişken eliminasyon yöntemleri, Sağlam(Robust) tahmin yöntemleri ve çoklubağlantya neden etkili gözlemlerin ortaya çıkarılmasına ilişkin yöntemler üzerinde durulmuştur. Çoklu bağlantıya neden olan etkili gözlemlerin belirlenmesine yönelik olan dik izdüşüm bileşenleri yöntemine benzer bir yöntem önerilmiş, önerilen bu yöntem ile dik izdüşüm bileşenleri yöntemi uygulama sonunda birbirleri ile karşılaştırılmıştır. Bilim Kodu : 406.01.01 Anahtar Kelimeler: Regresyon, En küçük kareler, Çoklubağlantı, Etkili gözlem, Dik İzdüşüm bileşenleri Sayfa Adedi : 74 Tez Yöneticisi : Doç. Dr. Müslim EKNİ
Doğrusal olmayan modellerde tahminlere ilişkin güven bölgelerinin oluşturulması ve bir karşılaştırma
DO?RUSAL OLMAYAN MODELLERDE TAHMİNLERE İLİŞKİN GÜVEN BÖLGELERİNİN OLUŞTURULMASI VE BİR KARŞILAŞTIRMA (Yüksek Lisans) Atalay ÇA?LAR GAZİ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ EKİM 1995 OZ Bu Yüksek lisans Tezi'nde doğrusal olmayan modellerde parametre tahmini ve bu parametrelere ilişkin güven aralıkları ve güven bölgelerinin oluşturulması incelendi. Ayrıca parametre tahmin tekniklerinden üç tanesi karşılaştırmalı olarak incelendi. öncelikle doğrusal modellerde parametre tahminini bulmak için kullanılan Doğrusal En Küçük Kareler Metodu verildi. Daha sonra doğrusal olmayan modellerde Doğrusallaştırma Metodu ile Gauss Metodu, parametre tahminini ve bu parametrelere ilişkin güven aralıklarının, güven bölgelerinin oluşturulması amacıyla kullanıldı. Likelihood Metodu ise yalnızca güven aralıkları ve güven bölgelerim belirlemek için kullanıldı. Yapılan çalışma sonunda en çok ve en kolay kullanılan metodun Doğrusallaştırma Metodu olduğu görüldü. Yine uygulamada çok kullanılan bir diğer tahmin metodu Gauss Metodu'nun oldukça kullanışlı olduğu görüldü, özellikle Gauss Metodu'nun yapısında yer alan N matrisinin daima pozitif tanımlı olmasının faydasından bahsedildi. Parametreler için oluşturulan güven aralıklaraun ve güven bölgelerinin her iki metod için de aynı özellikleri taşıdığı anlaşıldı. İncelenen son metod olan Likelihood Metodu'yla oluşturulan güven aralıkları ve güven bölgeleri en zor oluşturulan; fakat, en güvenilir aralıklar ve bölgeler olduğu anlaşıldı, incelenen metotlarla bulunan parametre değerlerinin, güven aralıklarının ve güven bölgelerinin küçük farklılıklara rağmen birbirlerine denk olduğu görüldü.
Çoklu amaçların çözümlemesinde amaç programlaması ile genelleştirilmiş ters yaklaşımı ve yem sanayiinde bir uygulama
Bu çalışma, amaç programlaması ve genelleştirilmiş ters yaklaşımları kullanılarak yem yönetmeliğinde belir tilen esaslara uygun besin değeri yüksek yem karışımları nı hazırlama amacını taşımaktadır. Yem Sanayii Genel Mü dürlüğü verilerinden yararlanılarak büyükbaş hayvanlar. için seçilen yemin ham protein, ham selüloz, ham kül, kalsiyum ve fosfor, kanatlı hayvanlar için de bu besinlere ek olarak metabolik enerji içerikleri dikkate alınmıştır. Amaç programlaması çoklu çelişen amaçlı problem lerin çözümlemesinde bir model ve yaklaşım olarak önerilen yeni bir tekniktir. Doğrusal programlamanın genişlemesi olan bu yöntem seçilmiş bir yem karmasının beslenme denge sini eniyilemede kullanılmaktadır. Bu, "".maliyeti enküçüklemek yerine önceden belirlenen düzeylerden amaçların sapmaları toplamını en aza indirerek en iyi dengeyi sağlamaktadır. Ayrıca bir matrisin genelleştirilmiş tersi kullanı larak farklı bir şekilde aynı konuya yaklaşılarak çoklu hedefler ele alınmıştır. Hem amaç programlaması hem de ge nelleştirilmiş ters yaklaşımları hedefler kümesinden "uzaklığı" enküçükleyen çözümler sağlamaktadır. Amaç prog- ramlamlaması yaklaşımında uzaklık; her hedeften sapmaların mutlak. değerleri toplamı, genelleştirilmiş ters yaklaşı mında ise her hedeften sapmaların kareleri toplamının kare- kökü ile ölçülmektedir.îki yaklaşımın uzaklık fonksiyonları arasındaki fark bir çok durumda, genelleştirilmiş ters lehine bize bir avantaj sağlamaktadır. Her iki yaklaşımın çözümleri Gazi üniversitesi Fen-Edebiyat Fakültesi komputer merkezinde hazırladığımız programlar kullanılarak elde edilmiştir.
İstatistiksel veri analizinde temel bileşenlerin yeri
Reşat Kasap Yüksek Lisans Tezi Gazi üniversitesi Fen Bilimleri Enstitüsü Şubat 1987 Bu çalışmada, istatistiksel veri analizinde karşı laşılan Temel Bilişenler (TB), Temel Bileşenler Anali zi (TBR) ve Temel Bileşenler Regresyonu (TBR) adları altında incelenmesine çalışılmıştır. TBA, X tesadüfi vektörünü, bileşenleri ilişkisiz ve varyanslarının bü yüklüklerine göre sıralanmış yeni bir tesadüfi vektöre dönüşümü olarak tanımlanmıştır. TBR, çoklubağlantı so rununda incelenmiştir.
Markov zincirlerinde durum tahmini ve iç göçe uygulaması
MARKOV ZÎNCÎRLERtNDE DÜRÖM TAHMÎNÎ VE ÎÇ GÖÇE UYGULAMASI (Doktora Tezi) Salih ÇELEBÎOGLU GAZÎ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTÎTÖSÖ Nisan X988 ÖZ Bu çalışmada, önce kesikli parametreli Makrov zin cirlerinde doğrusal istatistiksel modeller kullanılarak eşit zamanlı gözlemlerde yalnızca durum oranlarına iliş kin veriler bulunduğunda çeşitli tahmin ödiciler ince lendi. Daha sonra sürekli parametreli Markov zincirle rinde gözlem mekanizmasına bağlı olarak durum tahmin leri araştırıldı. Son olarak Poisson örneklemesi tekni ği kullanılarak Türkiye erkek nüfusunun ele alınan beş bölge arasındaki iç göçü tartışıldı. ii
Türkiye'de illerin sosyo - ekonomik değişkenler itibariyle sınıflandırmada diskiriminant analizi
Sosyo-Ekonomik değişken tesbiti veya bunlara ilişkin sınıflandırma yapılacak çalışmalarda, bilimsel yöntem ve metotların önemi yatsınamaz.. Bu tür çalışmaları en uygun bilimsel yöntem ve metotlarla tesbit etmek, çalışmanın önemi ve güvenirliğini artıracağı tartışma götürmez. İşte bu gerçekten hareketle Türkeye 'de sosyo-ekonomik değişkenler itibariyle, iller bazında yapılacak sınıflandırma tesbitinde bilimsel yöntemlerden DİSKRIMINANT ANALİZİN önemi vurgulanırken, illerin birden fazla özelliklerine ilişkin değerleri, aynı anda ve bir arada, analiz sonuçlarını görmek mümkün olduğuna işaret edilmiştir. Söz konusu bu çalışmada daha önce üç sınıfta toplanan illerin, analiz sonrasında bu sınıflamaya ne kadar uyduğu, olası değerleri ile görmek mümkün olmuştur. Türetilen değişkenlerle de sınıflandırmaya esas teşkil eden kriterleri belirlemekte ayrı bir kazanç sayılmalıdır.
Kanonik korelasyon analizi üzerine bir deneme
Bu çalışmada çok değişkenli istatistik yöntemlerin den biri olan kanonik korelasyon analizinin kuramsal yönü tanıtılmaya çalışılmış ve gerçek veriler üzerinde bir uygulaması yapılmıştır. Bu uygulamada Türkiye'nin sosyo-ekonomik yapısı adı geçen yöntemle belirlenmeye çalışılmıştır. Bu amaçla, Devlet Planlama Teşkilatı 'nın öngördüğü 16 tane sosyo-ekonomik değişken, sosyal ve ekonomik değiş kenler seti olmak üzere iki sete ayrılmış ve setler arası ilişkiler ortaya konmaya çalışılmıştır.
Çok amaçlı karar vermede etkileşimli programlama ve kaliteli kanatlı yemleri için bir uygulama
ÇOK AMAÇLI KARAR VERMEDE; ETKİLEŞİMLİ PROGRAMLAMA VE KALİTELİ KANATLİ YEMLERİ İÇİN BİR UYGULAMA (Doktora Tezi) İhsan ALP BA21 ÜMİVERSİTESİ FEN BİLİMLERİ EMSTiTüSü Eylül 1990 C»2 70 ve 80' li yıl larda Çok amaçla karar vermenin etkileşimli programlama dalında pek çok algoritma geliştirildi. Bu araştırmada sözü edilen algoritmaların önce teorik temelleri incelendi. Ardından algoritmanın adımları ve diğer bilgiler verildi. Çalışmanın üçüncü bölümünde» Kor honen ve Laakso'nun görsel etkileşimli algoritmasında adım büyüklüğü sağ taraf parametrik programlama kullanılarak çok amaçlı bir karar destekleme sistemi oluşturuldu. Geliştirilen çok amaçlı karar destekleme sistemi kullanılarak kaliteli kanatlı yemleri için bir uygulama yapıldı.
Six sigma methodology and an application in service industry
All companies without sector discrimination have to meet their customers' expectations well and increase their productivity for surviving in the market that has intense competition. Six Sigma methodology that achieves the aim by reducing variability in processes which is one of low quality causes is one of process improvement methods frequently used by companies that aspire to attain the best. Although there are a lot of studies that have done and are still done related with Six Sigma, a great majority of these studies is in manufacturing and private sector and number of studies in public sector is very limited. Despite the fact that the sector of urban public transport affects directly quality of citizens' economic and social lives and is one of the most important indicators of modern cities, there is no Six Sigma study that is carried out in this sector. As well as loss of life and property that they cause, traffic accidents that affect negatively image of institution and passenger satisfaction is one of highly important problems for rubber-wheeled public transport service institutions. In this thesis, a Six Sigma implementation that targets to reduce number of traffic accidents that municipal buses are involved in an urban public transport institute is aimed. The obtained results and experiences are shared in the study that DMAIC methodology is used.
On the estimation of population mean based on modified ranked set sampling
Ranked set sampling (RSS) is an efficient and advantageous method for estimating the population mean when the measurement of an observation is time consuming and/or expensive. RSS procedure is based upon ranking the units without the actual measurement of the variable of interest. This method come into prominence recently due to the efficiency and cost effectiveness. RSS method has been modified by various researchers. One of them is Balanced Groups RSS which takes into account measurements of the lowest, median and the largest ranked units of the sets. It is revealed that Balanced Groups RSS is more efficient than commonly used Simple Random Sampling (SRS) and it gives unbiased results when the underlying distribution is symmetric. In this study, we propose an improvement of the sampling procedure of Balanced Groups RSS which is called Adjusted-Balanced Groups RSS for even and odd set sizes in decreasing the ranking error and the cost of the method. Adjusted-Balanced Groups RSS offers a more flexible sampling plan ensuring the independence of the set and sample sizes. Also, we propose a weighted estimator with a weight formula to obtain an efficient estimation of the population mean when the underlying distribution is skewed. A Monte Carlo simulation study is conducted for comparing the performance of the mean estimators according to mean squared errors and sampling costs for the methods of Adjusted-Balanced Groups RSS, Balanced Groups RSS, Median RSS, Percentile RSS and Extreme RSS in various type of distributions. Moreover, we compare the efficiencies of the proposed weighted estimator in Balanced Groups RSS and the classical estimator for the population mean in different type of asymmetric probability distributions with different set and sample sizes.
Hodges-Lehmann estimator and usage in quality control chart
Widely used Shewhart's control chart for monitoring process location parameter is based on mean of the process and constructed under the Normal distribution. Performance of these charts is affected negatively when the process distribution is different from Normal. Nonparametric or distribution-free control charts are useful in such a case because these charts do not require any assumption about process distribution. One of such nonparametric control charts is Hodges – Lehmann control chart which is based on Hodges – Lehmann estimator. In this study, Hodges – Lehmann control chart is introduced and evaluated the performance of chart for in control and out of control states with average run length (ARL) values by using observations randomly generated from some distributions. Also, Hodges – Lehmann control chart and Shewhart type control chart for mean are compared for Normal distribution with a simulation study. Finally, results are interpreted.
A comparison of GMM estimators for linear dynamic panel models
Panel data is a data set that consists of cross-sectional units appearing in different time dimensions. Dynamic adjustment processes include specification of lagged values of the covariates and the dependent variable, or both and the processes has become popular application in time series regression models. Generalized method of moment (GMM) is an estimation procedure that have large sample properties. The method allows to be specified while avoiding often unwanted or unnecessary assumptions. GMM estimation method is a standard approach to parameter estimation method that has many optimal properties in estimation: consistency, efficiency and asymptotically normal. In the thesis, a Monte Carlo simulation study is conducted for comparing the performance of the Arellano-Bond (AB), Arellano-Bover (ABO) and Blundell-Bover (BB) GMM estimators. Two different distributions for residuals are considered for the comparison of three GMM estimators to illustrate the effect of different variance size on the GMM estimators: Standard Normal and t(5) distributions. AB, ABO and BB are compared bias and standard error (SE) of autoregressive coefficient, coverage probabilities, relative efficiencies, mean squared error (MSE) under two different distributions. This thesis addresses that BB has great advantages according to AB and ABO when small individual sample size, short time period even high autoregressive parameter in linear dynamic panel models.
Regression estimators in median ranked set sampling
Simple random sample is the most popular sampling method in literature.Ranked set sampling isproposed an alternative to random sampling for setting in which measurements are difficult or costly. Ranked set sampling is more efficient than simple random sampling for estimating the population mean. Median ranked set sampling is an alternative sampling method which reduces the errors in ranking. In this study, mean estimator and regression estimators are obtained by median ranked set sampling, simple random sampling and ranked set sampling methods. These estimators of biases and relative efficiencies are investigated for different set and cycle sizes with some distributions. This study shows that in some situations median ranked set sampling gives better results than its competitor designs.
Development and implementations of fuzzy decision tree algorithms
In this work, fundamentally fuzzy ID3 algorithm and the effects of T-operators on its reasoning procedure on numeric data is investigated and two novel approaches working on linguistic data have been proposed. Firstly, the information about fuzzy ID3 approach is presented. The usage of T-operators is given in details. The implementation is applied on geographic classification of virgin olive oil. Then, the first proposed approach on linguistic data is the FID3-L-WABL (Fuzzy ID3 Algorithm Based on Linguistic Data by Using WABL Defuzzification Method) which is a novel version of the known Fuzzy Interactive Dichotomizer 3 (Fuzzy ID3) classification algorithm working on linguistic data. This approach is performed on L-R (Left-Right) Fuzzy Number. Each fuzzy number is defuzzified by using WABL (Weighted Averaging Based on Levels). Then, Fuzzy c-means algorithm is adapted to obtain membership values of each fuzzy term for each fuzzy variable. Consequently, Fuzzy ID3 algorithm is applied. The second proposed approach is the FID3-LR (Fuzzy ID3 Algorithm for L-R Fuzzy Data) which is a mixture of FkM-F (Fuzzy k-means Clustering Model for Fuzzy data) clustering algorithm working on L-R fuzzy data and Fuzzy Interactive Dichotomizer 3 (Fuzzy ID3) classification algorithms. Fuzzy c-means algorithm was performed in MATLAB 2014a. The codes for the experiments, FuzzyID3 by using T-operators, FID3-L-WABL, and FID3-LR, have been developed in the MS Visual Studio C# IDE for the experimental study (Intel i7, 2.4 GHz, 4 Gb RAM). They have been designed as an integrated software system called as Fuzzy Artemis. In addition, OliveDeSoft is designed for current and future studies in order to analyze the olive oil quality and geographic characterization.
A new approximation to dependence function in bivariate extreme value distributions
Dependence structures of joint extreme events can be modeled by extreme value copulas characterized by Pickings dependence function. In this thesis, two new approaches using Kernel Regression and Bayesian methods are proposed to estimate Pickands dependence function. In the first approach, new data points obtained with Bernstein copula approximation which have flexible form can serve to estimate the unknown Pickands dependence function. Kernel Regression method is then used to derive an intrinsic estimator. The performance of the estimator is given by a simulation study. Test results mainly show that the estimator has a better performance than the conventional estimators. In the second approach, Initially, cubic B-spline regression is used to model the dependence function. Then, the estimator of Pickands dependence function is obtained by the Bayesian approach. Through the estimation process, the prior and the posterior distributions of the parameter vectors are provided. The posterior sampling algorithm is presented in order to approximate the posterior distribution. We give a simulation study to measure and compare the performance of the proposed Bayesian estimator of the Pickands dependence function. A real data example is also illustrated.
Modelling and forecasting time series data using ATA method
It is difficult to make predictions especially about the future and making good predictions is not always easy. However, better predictions remain the foundation of all science therefore the development of accurate, robust and reliable forecasting methods is very important. Numerous number of forecasting methods have been proposed and studied in the literature. There are still two dominant major forecasting methods: Box-Jenkins ARIMA and Exponential Smoothing (ES), methods are derived or inspired from them. After more than 50 years of widespread use, exponential smoothing is still one of the most practically relevant forecasting methods available due to their simplicity, robustness and accuracy as automatic forecasting procedures especially in the famous M-Competitions. The well-known fact in these competitions is ES has a proven success against more complex ARIMA models. Despite its success and widespread use in many areas, ES models have some shortcomings that negatively affect the accuracy of forecasts. Therefore, a new forecasting method in this thesis will be proposed to cope with these shortcomings and it will be called ATA method. This new method is obtained from traditional ES models by modifying the smoothing parameters therefore both methods have same structural forms and ATA can be easily adapted to all of the individual ES models. The two methods will be compared on popular metrics that are commonly used for evaluating performance of forecasting techniques. It will be shown that ATA models have better performance in terms of accuracy, simplicity, speed and interpretability. The performance of ATA method will be compared not only to ES but also to other most successful competitors according to different performance criterions on the famous M3-Competition data set since it is still the most recent and comprehensive time-series data collection available.
Feature extraction and classification of electroencephalographic (EEG) signals towards the use of brain-computer interface in cognitive applications
In this thesis, the brain computer interface system is developed for the cursor movement through the cognitive signals. The EEG data is handled from the Emotiv Neuroheadset device via our developed program written in c# language. We have worked on classification of five cognitive tasks; up, down, left, right and no movement. Before the movement of the cursor, the participants need to be trained to control the brain signals. In the training phase, the training screen is designed to consist of the visual stimuli. The participants have trained the program three times in different days and each session includes 24 trainings. EEG signals are very complex and the extracting information is difficult. Also, EEG signals has many artifacts occurred by the eye movement, muscle movement and the noise in environment. Therefore, median filtering and the normalization method are used in the preprocessing phase. Then the specific features for all cognitive tasks are extracted by the multifractal detrended fluctuation analysis and the fast Fourier transform. The Ph values and beta signals calculated from the MFDFA and FFT methods respectively, are used as features. Finally these features are classified by the nearest neighbor algorithms. Nearest neighbor (NN) algorithms are simple but effective methods for performing pattern classification. The CxK nearest neighbor algorithm is firstly used for cognitive EEG signal classification in this thesis and this method has given acceptable results when compared with the other studies in literature. Keywords: EEG, BCI, feature extraction, classification, k-nearest neighbor algorithm, CxK-nearest neighbor algorithm.
Hipotez testinde yeniden örnekleme yöntemleri
Making inference about the comparison of the parameters of the populations is one of the most common issues in statistics. It is well known that the conventional parametric methods are highly affected by violations of normality and homoscedasticity assumptions. Non-parametric tests are the most frequently used methods in the case of non-normality and heteroscedasticity. In addition to these methods, resampling based methods become more prominent since computers spread rapidly in last decades. In this thesis, the resampling based methods and their applications on hypothesis testing are investigated. The investigated methods for two independent and three or more independent samples and their parametric and non-parametric counterparts are compared in terms of their ability to control type I error and powers via a Monte Carlo simulation study. The performance of the methods are investigated under various theoretical distributions. The balanced and unbalanced designs and heteroscedasticity are also considered. In general, bootstrap methods based on trimmed mean give satisfactory results when controlling the type I error. However, no superiority is obtained between the investigated methods in terms of power estimates. The most powerful methods are varied from case to case.
Queueing systems with phase-type service
In this thesis, service times in the queueing systems are modelled by using phase-type distribution. All the systems have the structure of quasi-birth-death process. By means of the advantage of this process, the stationary distributions of the systems are obtained by using matrix geometric method. All studied queueing systems have phase-type service times, however each queueing model presented is designed for a special real-life application, such as healthcare systems, working vacation, Markovian arrival process and crowdsourcing. Firstly, the service process in a geriatric department is characterized as a queueing system. In this context, three different models are studied. The main difference among these models comes from the capacity of the system. The models have no waiting space, infinite buffer and finite buffer, respectively. Secondly, queueing model with phase-type service is studied with working vacation policy. The server does not remain idle during the vacation period and the system operates at a lower rate. Finally, four queueing models are analyzed in the context of crowdsourcing useful in service sectors. In these models, the arrival and service processes are modeled by Markovian arrival process that allows correlated arrivals and phase-type distribution, respectively. The first model has a single server whereas the second model has multi-server. Then, the single-server queueing model with crowdsourcing is developed by working vacation and pure vacation policies. In the working vacation model, the server offers services to customers arriving during a vacation at a lower rate while the server doesn't work during a vacation period in the pure vacation model.
Performance of time series decomposition for different type of time series
Course of the time series and estimates to be made with this series, will help to determine the behavior for the next series. Especially due to the uncertainties in the world of business and economics, to determine the future behavior of the series has become extremely important. In such cases, the main and the oldest method that is used to reveal the properties of the time series is time series decomposition. Decomposition method is the easiest method to understand and make in short-term predictions. This method can reveal the seasonality and trend of a time series and split a time series into its components. In this study, a program in R is written for additive and multiplicative models in order to measure the effect of the decomposition method. Time series included in M-Competition are used to test the written R code. The results obtained were consistent with the results suggested in previous studies.
Use of six sigma method as a process improvement technique
This thesis suggested a conceptual Six Sigma/DOE hybrid framework aiming to integrate Taguchi methods and Six Sigma for process improvement in a complex industry environment. The studies employing the Taguchi experiment design usually focus on a single variable and neglect the effects of the adjustments on remaining quality characteristics, in this study a multi-response experiment design was preferred and all of the quality characteristics are taken into account. The aim of this study is the implementation of Six Sigma methodology on a company operating within the automotive industry and the statistical evaluation of the methodological effects on the performance of the enterprise. This Six Sigma study was conducted to improve the manufacturing process which caused a customer complaint within the company. DMAIC phases are used to reduce the nonconformity rate from 23.940 percentage (baseline) to 0.049 percentage. As the result of implementing SS, the sigma level increased from 2.21 (baseline) to 4.80.
Inventory policies for perishable items
Inventory simply means the goods and services that businesses hold in stock. However, there are several different types of inventory. Inventory of perishable product is one of them. Inventory control is the supervision of supply, storage and accessibility of items, in an optimum way for an organization. Inventory control is an important problem for many companies because, it is impossible to have an indefinitely supply on hand and on the other hand holding stock has a big cost.Perishable products have specific life time and cannot be used after its life is ended. For this reason, inventory control of perishable items requires different methods rather than that of durable products. The usage of perishable products is huge such as food industry and healthcare services (fresh foods, chemicals, blood and blood products etc.). Many inventory systems assume that life time is indefinitely. Hence, for perishable products inventory management unlike the traditional methods, some different methods have been used.The purpose of this study is to examine the inventory system for perishable products with two different policies; such as continuous review and periodic review. For this purpose, the continuous review approach is examined through a numerical study. Moreover, the system is analyzed by periodic review approach with similar assumptions. Mathematical formulas of cost functions and numerical results are obtained for different positive lead times with using MATLAB. As a result, the optimal order quantity determined which has minimum cost for each policy.
Bayesian aggregation methods for analytic hierarchy process and analytic network process in group decision making
The problems whose objective is to search the best alternative or to rank the alternatives in terms of a number of conflicting criteria are the multi-criteria decision making (MCDM) problems. As the interdisciplinary teams, composed of different scientists developed in different sectors, group decision making in MCDM problems gains more importance and necessity. The increasing complexity of the group decision problems requires the use of more ? exible approaches.The Analytic Hierarchy Process (AHP) and the Analytic Network Process (ANP) are widely used approaches for solving complex MCDM problems. The AHP group decision making (AHP-GDM) method decomposes a complex MCDM problem into a system of hierarchies and selects the best alternative in terms of some criteria by making pairwise comparisons. The extension of AHP-GDM to the case of dependence and feedback is called the ANP group decision making (ANP-GDM).In order to aggregate the individual?s group judgements in a group setting ?the aggregation of individual judgements (AIJ)? and ?the aggregation of individual priorities (AIP)? methods are used. However these classical methods have some assumptions such as: the pairwise comparison matrices of decision makers are complete and consistent. In real life problems, it is hard to satisfy these assumptions due to the complexity of the problem or inexperience of the decision makers.This research proposes Bayesian aggregation procedures for AHP-GDM and ANP-GDM which do not require intermediate filters for the decision makers? initial judgements. The weights of the decision makers are inversely proportional to their consistency levels. The proposed procedures are extended to the analysis of incomplete pairwise comparison matrices where they provide more robust manner than classical methods in terms of the priorities and have lower values of the mean square errors. The methodology has been illustrated with case studies and compared with the conventional aggregation method.
Robust scale estimators in statistical quality control: Robust control charts
Control Charts are one of the most powerful tools used to detect aberrant behavior in industrial processes. A valid performance measure for a control chart is the average run length (ARL); which is the expected number of runs to get an out of control signal. The usual Shewart S Control Charts? performance in controlling the process standard deviation is based on the fundamental assumption of normality, which is a rarely consistent one in practice.Robust estimators are of vital importance in Statistics in order to estimate population parameters independent of the data distribution. ?Median Absolute Deviation? (MAD), Sn, and Qn are such estimators for population standard deviation.The aim of this study is to observe performance of Shewart S-Chart for heavy tailed symmetric distributions and propose alternative robust control charts that perform better. Such qualified charts are proposed, whose control limits are obtained by using bootstrap methodology. Monte Carlo simulation study is performed to simulate their performances under normal and non-normal distributions.The findings of the study assert an equal-power design to the use of Shewart S Chart. More importantly, although the proposed design?s false alarm probability (PFA) is slightly more under normal distribution, its PFA is much less than that of Shewart S Chart for heavy tailed symmetric distributions. This design employs the simultaneous use of Sn Chart and Qn Chart.Cauchy model is an important model in specific applications of Electrical Engineering and Physics. Shewart S chart does not work in a Cauchy model and another design is proposed for this model. This second design makes simultaneous use of MAD and Qn Charts.