Kitap 1

l
ll

8. ULUSLARARASI
STATSTK
KONGRES

27-30 EKM 2013

lll

NDEKLER

DZENLEME KURULU iv

DANIMA KURULU v

TRK STATSTK DERNE YNETM KURULU vi

BLMSEL PROGRAM vii

BLDR OTURUMLARI 1 1

BLDR OTURUMLARI 2 77




POSTER BLDRLER 318

Uluslararas! 8. statistik Kongresi,
27-30 EKM 2013 Kemer-ANTALYA
lv

DZENLEME KURULU

Ayen APAYDIN (Bakan) Trk statistik Dernei

ada Hakan ALADA Trk statistik Dernei

Furkan BAER Trk statistik Dernei

Tolga BERBER Karadeniz Teknik niversitesi

Trkan ERBAY DALKILI Karadeniz Teknik niversitesi

Szlay HAZAR Trk statistik Dernei

Tlay KESEMEN Karadeniz Teknik niversitesi

Orhan KESEMEN Karadeniz Teknik niversitesi

A. Sevtap KESTEL Trk statistik Dernei

Zafer KK Karadeniz Teknik niversitesi

Halil brahim AHN Karadeniz Teknik niversitesi

Uur EVK Karadeniz Teknik niversitesi


DANIMA KURULU

Sleyman DNDAR AFYON KOCATEPE NVERSTES
Memmedaa MEMMEDL ANADOLU NVERSTES
Fahrettin ARSLAN ANKARA NVERSTES
smail ERDEM BAKENT NVERSTES
Selahattin KAIRANLAR UKUROVA NVERSTES
Cengiz ELKOLU DOKUZ EYLL NVERSTES
ansl3 ENOL EGE NVERSTES
Zeki YILDIZ ESKEHR OSMANGAZ NVERSTES
Sinan ALIK FIRAT NVERSTES
Hlya BAYRAK GAZ NVERSTES
Ufuk YOLCU GRESUN NVERSTES
Hlya INGI HACETTEPE NVERSTES
Adnan MAZMANOLU STANBUL AYDIN NVERSTES
Esra AKDENZ DURAN STANBUL MEDENYET NVERSTES
Mnevver TURANLI STANBUL TCARET NVERSTES
Trkan ERBAY DALKILI KARADENZ TEKNK NVERSTES
Sevgi YURT NCEL KIRIKKALE NVERSTES
Mjgan TEZ MARMARA NVERSTES
Nalan CNEMRE MMAR SNAN GZEL SANATLAR NVERSTES
Dursun AYDIN MULA SITKI KOMAN NVERSTES
nci BATMAZ ORTA DOU TEKNK NVERSTES
Faruk ALPASLAN ONDOKUZ MAYIS NVERSTES
A3r GEN SELUK NVERSTES
Emel ANKAYA SNOP NVERSTES
Cenap ERDEMR UFUK NVERSTES
aban EREN YAAR NVERSTES
Ali Hakan BYKL YILDIZ TEKNK NVERSTES
vl

TRK STATSTK DERNE YNETM KURULU

Ayen APAYDIN Bakan
Sevtap KESTEL Bakan Yard.mc.s.
Furkan BAER Genel Sekreter
smet TEMEL Genel Sayman
Szlay HAZAR ye
ada Hakan ALADA ye
erafettin DEMRSOY ye
Banu YACI ye
Alian CANSEVER ye

DESTEKLEYEN KURULULAR

vll

BLMSEL PROGRAM

vlll

l


BLDR OTURUMLARI 1
SESSION 1
statistik Teorisi 1


HPOTEZ TESTLERNDE NORMALLK VARSAYIMI BOZULDUUNDA 1. TP HATANIN
DAYANIKLILIININ NCELENMES

Abdullah YALINKAYA*, Mehmet Niyazi ANKAYA, mer ALTINDA, Yetkin TUA
Ankara niversitesi, Fen Fakltesi, statistik Blm,06100, Ankara, TRKYE
ayalcinkaya@ankara.edu.tr, mncankaya@ankara.edu.tr, altindag@ankara.edu.tr, ytuac@ankara.edu.tr

Giri
hipotezini alternatifine kar; test etmek iin kullan;lan testlerin birou belirli bir varsay;lan
model alt;nda oluturulur. Fakat varsay;lan model yanl; olduunda 1. tip hata ( ) varsay;lan modeldekinden farkl;
olacakt;r. Bu yzden yanl; model seiminin zerindeki etkisini incelemek olduka nemlidir. Bununla ilgili bir
teorem aa;dad;r.
Teorem: varsay;lan model alt;nda olan test istatistiklerinin bir dizisi olsun. Bu durumda
hipotez ifti iin testi asimptotik dzeyine sahiptir. Farz edilsin ki
varsay;lan model yanl; olsun ve gerek model alt;nda salans;n.
testinin kesin dzeyi olmak zere vard;r ve eklindedir.
Bylelikle, iken d;r (Lehmann, 1999).
Tan!m: varsay;lan, de gerek model olmak zere, modeli alt;nda asimptotik dzeye sahip olan bir teste
alt;nda
Eer iken ise, Tutucu (Conservative),
Eer iken ise, Liberal,
Eer iken ise, Dayan;kl; (Robust)
denir (Lehmann, 1999).
Normallik varsay;m; alt;nda varyans parametresi olan iin hipotez testi gz nne al;ns;n. Eer
birbirinden ba;ms;z ve ayn; da;l;ml; ise hipotezini a kar; asimptotik
dzeyinde test etmek iin bir red blgesi

eklindedir. Normallik varsay;m;n;n salanmamas; durumunda stteki red blgesinin asimptotik dzeyi
dzeyinden farkl; olacakt;r. ler , zelliklerine sahip birbirinden ba;ms;z
ve ayn; herhangi da;l;ml; rasgele deikenler olsunlar.
Bu durumda;


olur ve testin gerekteki asimptotik seviyesi bu ifade zerinden yukarEdaki teorem yardEmEyla elde edilir
(Lehmann, 1999).
2. Kontamine Da*l*m Alt*nda 1. Tip Hatan*n Dayan*kl*l**
Kabul edilsin ki gerekte olmak zere eklinde verilen
Kontamine daElEma sahip olsun. Burada rasgele deikeni Standart Normal daElEmE gstermek zere rasgele
deikeninin ise sErasEyla aaEdaki daElEmlara sahip olduu dnlsn.
i.
ii. ,
iii. (Arslan, 2004)
Bu alEmada; rasgele rnekleminin varyans parametresi iin hipotezinin
e karE testinde varsayElan model Normal daElEm olduunda testin asimptotik dzeyinin rasgele deikeninin ve
nun durumlarEna gre nasEl etkilendii Teorem ve (1), (2) ifadeleri yardEmE ile incelenecektir. AyrEca benzer alEma
konum parametresi iin de gerekletirilecektir.
KAYNAKLAR
[1] Lehmann E.L. (1999), Elements of Large-Sample Theory, New York, Springer-Verlag.
[2] Gui W. , Chen P.H. , Wu H. (2013), A Symmetric Component Alpha Normal Slash Distribution, Journal of
Statistical Theory and Applications, Vol. 12, No. 1, 55-66.
[3] Arslan O. (2004), Family of Multivariate Generalized t Distribution, Journal of Multivariate Analysis 89, 329-
337.
ABSTRACT
INVESTIGATION FOR THE ROBUSTNESS OF SIGNIFICANCE LEVEL WHEN THE NORMALITY
ASSUMPTION IN HYPOTHESIS TESTS IS VIOLATED
Many of the tests which used to test are constructed under a postulated model. However, when the
postulated model is not correct, true significance level will be different than that of the postulated model. A test
which has asymptotic level under is said to be conservative under if for all , liberal if
for all , robust if for all with . In this study, the true
significance level for testing against under different contaminated distributions is obtained.
Further, the robustness of significance level for testing the location parameter is also investigated.

Key Words: Contaminated Distribution, Generalized t Distribution, Hypothesis Tests, Robustness, Significance
Level, Symmetric Component Normal Distribution


K GENSEL RASTGELE DEKENN BLMNN DAILIMI

Selim GNDZ* , Ali hsan GEN

ukurova niversitesi, Fen Edebiyat Fakltesi, statistik Blm, 01130, Adana, Trkiye, sgunduz@cu.edu.tr
ukurova niversitesi, Fen Edebiyat Fakltesi, statistik Blm, 01130, Adana, Trkiye, agenc@cu.edu.tr

1. Giri
Bata biyoistatistik, akterya ve sistem mhendislii olmak zere uygulamal@ bilimlerde, rastgele deikenlerin
arp@m@ ve blm gibi eitli fonksiyonlar@n@n da@l@m@n@n belirlenmesi problemleri ile s@ka kar@la@lmaktad@r.
rnein, biyoistatistik ve sal@k biliminde, a@rl@@n, boy uzunluunun karesine blnmesiyle vcut kitle indeksi
tan@mlanmakta, benzer ekilde gelir, gider, harcama, maliyet v.b ekonomik deikenlerin oranlar@yla da, ekonomi
indekslerde eitli tan@mlamalar yap@lmaktad@r. ve , ba@ms@z rastgele deikenler olmak zere, ve
nin da@l@mlar@, bata Donahue (1964) ve Springer (1979) olmak zere pek ok bilim insan@ taraf@ndan
al@@lm@t@r. Literatrde, ve ba@ms@z rastgele deikenler olmak zere, gamma da@l@m@, beta da@l@m@,
genelletirilmi pareto da@l@m@, laplace da@l@m@ gibi eitli da@l@mlar iin ve nin tam da@l@mlar@
elde edilmitir.

gensel da@l@m, veri toplaman@n zor olmas@ veya rastgele deikenin da@l@m@n@n belirlenememesi durumunda
kullan@lan uygun bir da@l@md@r. gensel da@l@mla ilgili detayl@ bilgilere, Kotz ve Van Dorp (2004) al@mas@ndan
ula@labilir. Bu da@l@mla ilgili son y@llarda yap@lan al@malardan biri olarak Glickman ve Xu (2008), gensel
da@l@ma sahip ba@ms@z iki rastgele deikenin arp@m@n@n da@l@m@n@ elde etmitir.

Bu al@mada, ve , gensel da@l@ma sahip ba@ms@z iki rastgele deiken olmak zere, blmnn tam
da@l@m@ bulunacak ve elde edilen sonular kullan@larak, blmnn da@l@m@ elde edilecektir. Ayr@ca
sistem gvenirlii zerine baz@ uygulamalar yap@ld@ktan sonra sonu ve neriler ile al@ma sonland@r@lacakt@r.

2. Blmn Da#l#m#

gensel da@l@ma sahip rastgele deikeninin olas@l@k younluk fonksiyonu;

(1)

eklinde verilir ve yaz@l@r. Ayn@ zamanda , ten ba@ms@z bir rastgele bir deiken
olsun. Bu al@mada ilk olarak blmnn da@l@m@ bulunacakt@r. ve rastgele deikenlerinin pozitif
olduu varsay@m@yla, nin tam da@l@m@, ) nin arp@m@ olarak yaz@larak, Glickman ve Xu
(2008) nun yntemi kullan@lacakt@r. olmak zere nin olas@l@k younluk fonksiyonu;

(2)

integrali kullan@larak elde edilir. Olas@l@k younluk fonksiyonu paral@ olduu iin ve nin paralar@n@n tm
kombinasyonlar@ ve bu kombinasyonlara ait tm alt durumlar dnlmelidir. (Bknz. izelge1.)


izelge1. ki gensel rastgele deikenin blmnn olasFlFk younluk fonksiyonunun belirlenmesindeki durumlar
Durumlar Alt durumlar

Bu durumlar ve alt durumlar tek tek gz nnde bulundurularak (2) no lu integral hesaplanFrsa aaFda verilen (3) no
lu fonksiyon yardFmF ile, nin tam daFlFmF (4) no lu eitlikteki gibi elde edilir.

(3)

(4)

Benzer ekilde, blmnn daFlFmFndan elde edilen sonular kullanFlarak,
blmnn daFlFmF bulunur.

KAYNAKLAR

[1] Donahue, J.D., 1964. Products and Quotients of Random Variables and Their Applications. ARL 64-115.
Aerospace Research Laboratories, Ohio.
[2] Glickman, T. S., Xu, F. 2008. The distribution of the product of two triangular random variables, Statist. and
Probab. Letters, 78, 2821-2826.
[3] Gndz S. and Gen A.. (2013). The distribution of the quotient of two triangular random variables.
(Submitted).
[4] Kotz, S., van Dorp, J.R., 2004. Beyond Beta: Other Continuous Families of Distributions with Bounded
Support and Applications. World Scientific, Singapore
[5] Springer, M.D., (1979). The Algebra Of Random Variables, Wiley, New York.

ABSTRACT
THE DISTRIBUTION OF THE QUOTIENT OF TWO TRIANGULAR RANDOM VARIABLES

The exact distributions of the quotients ve when and are independent and triangularly
distributed random variables are obtained. These quotients are useful especially in operations research and reliability
engineering, and some reliability applications of the results are also given.
Keywords: triangular distributions, distribution of quotient, functions of random variable

MNMNXENT VE MAXMNXENT YNTEMLER ile SAKALIM VER ANALZ

Aladdin AMLOV, idem GRFTNOLU*, Sevda ZDEMR
Anadolu niversitesi, Yunus Emre Kamps, Fen Fakltesi, statistik Blm, 26470 Eskiehir/TRKYE
e-mail: asamilov@anadolu.edu.tr, cgiriftinoglu@anadolu.edu.tr, sevdaozdmr@gmail.com
Sakal7m Analizi iin MinMinxEnt ve MaxMinxEnt Yntemleri
Bu aratGrmada, 1935 1944 yGllarG arasGnda Connecticut ehrindeki baGrsak kanserine yakalanmG erkek hastalarGn verileri gz
nnde bulundurulmu ve veriler izelge 1de gsterilmitir. Burada sansre urayan 52 hasta alGmaya dahil edilmeyerek
gzlenen lm olasGlGklarG hesaplanmG ve bu olasGlGklarGn toplamG 0.9821 olarak bulunmutur. Bu deerin 1den kk olmasG
sebebiyle 1 0.9821=0.0179 farkG, her bir sansrl gzleme eit olarak paylatGrGlmG ve sansrl gzlemlerin ait olduklarG
aralGktaki verilerin olasGlGklarGna eklenerek yeni olasGlGklar elde edilmitir. Elde edilen bu yeni olasGlGklara ise dzeltilmi
olasGlGklar adG verilmi ve sonular izelge 1de gsterilmitir.
izelge1. 1935 1944 y7llar7 aras7nda Connecticut ehrindeki erkek hastalar7n ba7rsak kanseri verileri, Gzlenen
Olas7l7klar, Dzeltilmi Olas7l7klar

t
AralGk
balangGcGnda
hayatta olan
hasta sayGsG

AralGk boyunca
len hasta sayGsG

AralGk boyunca
sansre urayan
hasta sayGsG

Gzlenen
OlasGlGklar

Dzeltilmi
OlasGlGklar

0 1 388 336 167 2 0.4970 0.5030
1 2 219 167 45 1 0.1339 0.1369
2 3 173 121 45 1 0.1339 0.1369
3 4 127 75 19 0 0.0565 0.0565
4 5 108 56 17 0 0.0506 0.0506
5 6 91 39 11 1 0.0327 0.0357
6 7 79 27 8 0 0.0238 0.0238
7 8 71 19 5 0 0.0149 0.0149
8 9 66 14 6 1 0.0179 0.0208
9 10 59 7 7 0 0.0208 0.0208

Not: Burada , aralKk balangKcKnda hasta olduu planlanan ama alKma sKrasKnda sansre urayan 52 gzlemin
alKmaya dahil edilmemesi ile aralKk balangKcKndaki sakalan hastalarKn sayKsKnK gstermektedir.
Bu alKmada, Kullback Leibler lm aKsKndan, olasKlKk toplamlarK 1 den kk olan daKlKma en yakKn olan
daKlKmKn bulunmasK, belli anlamda sansrl veriyi dikkate alarak problemi zme imkanK salamaktadKr. Bu
durum gz nnde bulundurularak, MinMinxEnt Yntemi yukarKda verilen veriye uygulanmK ve
, daKlKmlarK elde edilmitir. Bu sonular ve elde edilmi daKlKmlarKn veriye
uyumunun ve RMSE Kriteri sonularK izelge 2de gsterilmitir.
izelge2.

Distribution

Hesap Deeri Tablo Deeri
RMSE

0.0260387930 0.0118
15.51
0.0338

0.0260457605 0.0116
14.07
0.0333

0.0260561615 0.0112
12.59
0.0329

0.0260786357 0.0103
11.07
0.0317
izelge 2ye bakKldKKnda istatistiksel kriterine gre BaKrsak kanseri hastalarKnKn yaam srelerini
modellemede tm MinMinxEnt DaKlKmlarKnKn veri setini aKkladKK grlmektedir. RMSE kriteri deerlerine
bakKldKKnda ise MinMinxEnt DaKlKmlarKndan daKlKmKnKn veri setini en iyi aKklayan
MinMinxEnt DaKlKmK olduu sonucuna varKlmKtKr.
Benzer ekilde , daKlKmlarK da bulunmu ve gereken aratKrmalar
yapKlmKtKr.
KAYNAKLAR
[1] Deshpande J. V., Purohit S.G. (2005), Life Time Data: Statistical Models and Methods, India, Series on
Quality, Reliability and Engineering Statistics.
[2] Lee E. T., Wang J.W. (2003), Statistical Methods for Survival Data Analysis, Oklahoma, Wiley-Interscience.
[3] Shamilov A. (2006), A Development of Entropy Optimization Methods, Wseas Transactions on Mathematics,
Vol. 5, Issue 5 568-575
[4] Shamilov A. (2007), Generalized Entropy Optimization Problems and The Existence of Their Solutions,
Physica A : Statistical Mechanics and Its Applications, 382(2) 465-472
[5] Shamilov A. (2010), Generalized Entropy Optimization Problems with Finite Moment Functions Sets, Journal
of Statistics and Management Systems, Vol. 13, Issue 3 595-603

Key Words: Censored Observation, Generalized Entropy Optimization Methods, MinxEnt, MinMinxEnt,
MaxMinxEnt distribution


KESKL DZGN DAILIMDAK SIRA STATSTKLERN MOMENT IKARAN FONKSYONLARI
Aye TURAN BUATEKN, Sinan ALIK
FArat niversitesi Fen Fakltesi statistik Blm 23119 ElazA/ TRKYE
aturan@firat.edu.tr scalik@firat.edu.tr
1. Giri
Moment Akaran fonksiyonlar matematik ve istatistiin eitli alanlarAnda, zellikle kombinatr analiz ve fark
denklemleri teorisinde nemli bir ara olarak kullanAlmaktadAr. Bu ara olasAlAk teorisinde ve stokastik sreler
teorisinin Markov zincirleri, dallanan sreler ve tesadfi yry gibi alanlarAnda vazgeilmezdir. Moment Akaran
fonksiyonlar bekleme hattA ve inventar modellerinin analizinde de sAk sAk yer almaktadAr.
Kesikli daAlAmlardaki sAra istatistiklerin ilk iki momentini Khatri (1962), alternatif bir metotla Arnold vd. (1992) ve
m. inci momentini alAk ve Gngr (2010) elde etmitir. Balakrishnan (1986) keyfi srekli daAlAmlardaki n boyutlu
bir rnekteki sAra istatistiklerin tekli ve arpAm momentleri iin mevcut olan indirgeme iliki ve eitsizlii kesikli
durumlar iin vermitir. Nagaraja (1992) kesikli sAra istatistiklerindeki tm gelimeleri aAk bir ekilde tartAmAtAr.
Kesikli dzgn daAlAmdaki sAra istatistiklerinin ilk iki momentini Arnold vd. (1992) ve deiik bir yolla Ahsanullah
ve Nevzorov (2001) vermilerdir. AyrAca Turan (2008) kesikli dzgn daAlAmdaki sAra istatistiklerin rnek
ekstremlerinin beklenen deer ve varyanslarA iin, n=10 rnek boyutuna kadar, cebirsel ifadeler ve sayAsal sonular
elde etmitir.
Bu alAmada ise kesikli dzgn daAlAmdaki sAra istatistiklerin rnek ekstremlerinin moment Akaran fonksiyonlarA
ve momentlerin bulunmasAnA kolaylatAracak olan s inci trevleri elde edilmitir.
2. S$ra statistikleri ve Da$l$mlar$
n
X X X ,..., ,
2 1
rneklemi artan sArada
n n n n
X X X
: : 2 : 1
... s s s

biiminde sAralansAn. Bu sAralanmA
n n n n
X X X
: : 2 : 1
,..., , tesadfi deikenlerine sAra istatistikleri denir.
n r
X
:
nin birikimli daAlAm fonksiyonu (cdf),

~ ~
~
~ ~
=
) (
0
1
:
) 1 (
)! ( )! 1 (
!
) (
x F
r n r
n r
dt t t
r n r
n
x F (1)
< < ~ + ~ = x r n r I
x F
), 1 , (
) (

olarak da yazAlabilir [Arnold vd., 1992]. ) (
:
x F
n r
in ifadesi kullanAlarak
n r
X
:
nin pmf ' si,
~
~ ~
~
~ ~
=
) (
) (
1
:
) 1 (
)! ( )! 1 (
!
) (
x F
x F
r n r
n r
dt t t
r n r
n
x f (2)
eklinde elde edilir [Arnold vd., 1992].
n
X X X ,..., ,
2 1

pmf si k x f / 1 ) ( = ve cdf si k x x F / ) ( = k x ,..., 2 , 1 = olan n tane baAmsAz ve aynA
daAlAmlA kesikli anaktledeki dzgn tesadfi deikenler olsun. (1) den
n r
X
:
nin pmf si

~
~ ~
~
~ ~
=
k x
k x
r n r
n r
du u u
r n r
n
x f
/
/ ) 1 (
1
:
) 1 (
)! ( )! 1 (
!
) (
(3)
eklinde yaz:labilir.

3. Kesikli Dzgn Da4l4mdaki S4ra statistiklerin Moment 4karan Fonksiyonlar4
Teorem 3.1.
n
X X X ,..., ,
2 1
kesikli dzgn da:l:ma sahip tesadfi deikenler ve
n
X
: 1
bu tesadfi deikenlere kar:l:k gelen
1 inci s:ra istatistii olsun.
n
X
: 1
nin moment :karan fonksiyonu
=
~
j
J
|
\
[ ~ +
~ =
k
i
n
t i it
X
k
i k
e e t M
n
1
) 1 (
1
] [ ) (
: 1

ve ) (
) (
: 1
t M
s
n
bu moment :karan fonksiyonun s inci trevini gstermek zere,
[ |
=
~
j
J
|
\
[ ~ +
~ ~ =
k
i
n
t i s it s tx s
n
k
i k
e i e i e t M
1
) 1 ( ) (
: 1
1
) 1 ( ) (
eklinde yaz:labilir.
Teorem 3.2.
n
X X X ,..., ,
2 1
kesikli dzgn da:l:ma sahip tesadfi deikenler ve
n n
X
:
bu tesadfi deikenlere kar:l:k gelen
n inci s:ra istatistii olsun.
n n
X
:
nin moment :karan fonksiyonu
kt
k
i
n
t i it
X
e
k
i
e e t M
n n
+ j
J
|
\
[
~ =
~
=
+
1
1
) 1 (
] [ ) (
:

ve ) (
) (
:
t M
s
n n
bu moment :karan fonksiyonun s inci trevini gstermek zere,
[ |
~
=
+
+ j
J
|
\
[
+ ~ =
1
1
) 1 ( ) (
:
) 1 ( ) (
k
i
kt s
n
t i s it s s
n n
e k
k
i
e i e i t M eklinde yaz:labilir.
KAYNAKLAR
[1] Ahsanullah, M. and Nevzorov, V. B., 2001. Ordered Random Variables, Nova Science Publishers, Inc., New York.
[2] Arnold, B. C., Balakrishnan, N. and Nagaraja, H. N., 1992. A First Course in Order Statistics, John Wiley and Sons, New York.
[3] alik, S., Gngr, M. And Colak, C., 2010. On the Moments of Order Statistics from Discrete Distribution. Pak. J. Statist., 26(2), 417-426.
[4] Khatri, C. G., 1962. Distribution of Order Statistics for Discrete Case, Ann. Inst. Statist. Math., 14, 167-171.
key Words Order statistics, discrete uniform distributions, moment generating function.

GENEL PARALANMI LNEER MODEL ALTINDA BAZI KABUL EDLEBLR TAHMN EDCLER
Nesrin GLER
Sakarya niversitesi, FEF, statistik Blm, 54187, Sakarya, Trkiye, nesring@sakarya.edu.tr
Giri ve n Bilgiler
( ) E y X = ve cov( ) y V = olmak zere, tam model olarak bilinen

1 1 2 2
{ , , } { , , } y X V y X X V = = + (1)
paralanmA lineer modeli ele alAnsAn. K , modeli altAnda tahmin edilebilir parametrik fonksiyon vektr
olmak zere, K vektrnn tm lineer tahmin edicilerinin kmesi
( ) { : }
k p
LE K Fy F
= (2)
olarak gsterilsin. ( ) Gy L K olmak zere, ( ) E Gy K , Gy lineer tahmin edicisinin yanlAlAA olarak tanAmlanAr
ve bu fark sAfAr olduunda, Gy yansAz bir tahmin edici olur. YanlAlAk bir tahmin edicinin niteliini lmek iin
kullanAlan bir lttr. Bunun yanA sAra bir lt olarak kayAp fonksiyonu da kullanAlAr. KayAp fonksiyonun beklenen
deeri ortalama hata kareler (MSE) matrisi olarak tanAmlanAr ve bu matrisin izi ise risk fonksiyonu olarak bilinir [3].
Tahmin edicileri risk fonksiyonuna gre karAlatArArken, bazA tahmin edicilerin uygun olmadAA grlebilir. rnein,
tm parametre deerleri zerinden eer bir tahmin edicinin riski, dier bir tahmin edicinin riskinden fazlaysa, bu
tahmin edici dierine gre kabul edilemez olarak adlandArAlAr. Dier bir deyile tm
1 p
iin
( ; ) ( ; ) R K Gy R K Ay s olacak ekilde ( ) Gy L K bulunamAyorsa ( ) Ay L K lineer tahmin edicisine,
modeli altAnda kabul edilebilir tahmin edici denir [5]. Burada
( ; ) [ ( )( ) ] [cov( ) ( ( ) )( ( ) ) ] R K Gy iz E Gy K Gy K iz Gy E Gy K E Gy K = = + . (3)
Gy yansAz tahmin edicisi dier tm yansAz tahmin ediciler arasAnda Lwner sAralamasAna gre en kk kovaryansa
sahipse, bu durumda Gy yansAz tahmin edicisi, X iin en iyi lineer yansAz tahmin edici (BLUE) olarak bilinir. Bir
Gy yansAz tahmin edicisinin modeli altAnda X iin BLUE olmasAnAn gerek ve yeter koulu G matrisi
0
0
V X G
X L X

=

(4)
denkleminin bir zm olacak ekilde bir L matrisinin mevcut olmasAdAr. Bu denklem Pandoras Box denklemi
olarak bilinir.
1 2
3 4
0
C C V X
C
C C X
[ [
= =
| j | j

\ J \ J

(5)
olmak zere, modeli altAnda X nAn BLUEsu
2
( ) BLUE X XC y =

ile gsterilir [4].
Kabul Edilebilir Tahmin Edici
alAmada modeli ile birlikte


1 1 1
{ , , } y X V = ,
1 1 2 2 1 1
{ , , }
r
M y M X MVM = ve
1 2 2
{ , , }
a
y M X V = (6)

indirgenmi modelleri de ele alInmaktadIr. Bu modeller altInda
1 2 2
M X parametre vektrnn BLUElarI
Pandoras Box denkleminden elde edilen simetrik paralanmI matrislerin genelletirilmi tersleri yardImIyla elde
edilmektedir. Genelletirilmi FrischWaughLovell Teoremine gre
1 2 2 1 2 2
( ) ( )
r
BLUE M X BLUE M X =
dir [2]. Bu eitlik kullanIlarak alImada ncelikle
1
ve
a
modelleri altInda
1 2 2
M X parametre vektrnn
BLUElarInIn modeli altInda BLUE kalmasI ile ilgili sonular verilmektedir. Daha sonra
1
ve
a

modelleri altInda
1 2 2
M X iin BLUElarInIn modeli altInda BLUE kalmadII zaman bu tahmin edicilerin
modeli altInda kabul edilebilir tahmin ediciler olmalarI iin gerek ve yeter koullar [1] tarafIndan verilen genel
Gauss-Markov modeli iin verilmi olan bir karakterizasyon yardImIyla elde edilmektedir.
KAYNAKLAR
[1] Baksalary, J. K. & Markiewicz, A. (1988), Admissible linear estimators in the general Gauss-Markov model.
Statist. Plan. Inf., 19, 349-359.
[2] Gross, J. & Puntanen, S. (2000), Estimation under a general partitioned linear model. Linear Algebra Appl.,
321, 131-144.
[3] Puntanen, S., Styan, G. P. H. & Isotalo, J. (2011), Matrix Tricks for Linear Statistical Models: Our Personal
Top Twenty. Springer, Heidelberg.
[4] Rao, C. R. (1971), Unified theory of linear estimation. Sankhy, Ser.A, 33, 371-394.
[Corrigendum (1972), 34, p.194 & p.477.]
[5] Sengupta, D. & Jammalamadaka, S. R. (2003), Linear Models: An Integrated Approach. World Scientific,
River Edge, NJ.
ABSTRACT
SOME ADMISSIBLE ESTIMATORS UNDER GENERAL PARTITIONED LINEAR MODEL
The general partitioned linear model, denoted by
1 1 2 2
{ , , } y X X V = + and known as full model, with its
reduced models is considered. Some results are given related to BLUEs of
1 2 2
M X under reduced models to remain
under full model using the Pandoras Box equation introduced by [4]. Furthermore, the necessary and sufficient
conditions for the BLUEs of
1 2 2
M X under reduced models are obtained when they considered as admissible
estimators under full model.

Key Words: Admissible estimator, BLUE, FrischWaughLovell theorem, partitioned linear model, reduced linear
model.


LNEER KARMA MODELLERDE ETK ANALZNN UYGULAMASI
zge KURAN*, M. Revan ZKALE
ukurova niversitesi Fen Edebiyat Fakltesi statistik Blm, 01330, Adana, TRKYE
ozge-kuran@hotmail.com, mrevan@cu.edu.tr
1. Model
statistiksel modeller, verinin tan<mlanmas< ve veri yap<s<n< en iyi temsil eden matematiksel formun belirlenmesi
amac<yla kullan<lan modellerdir. En yayg<n kullan<lan istatistiksel model s<radan lineer regresyon modeli olmas<na
ramen bazen sabit etkilere ilave olarak rastgele etkileri de ieren modellere uyan veri yap<lar< ile de kar<lamak
mmkndr. Bu durumda, lineer regresyon modellerinin geniletilmi bir ekli olan lineer karma modeller ortaya
<kmaktad<r. Genel olarak lineer karma bir model,

eklinde ifade edilir. Burada, , tipinde gzlemlenebilir yan<t vektr, , tipinde sabit etkilere ilikin
parametreler vektr, ve s<ras<yla ve tipinde sabit ve rastgele etkilere ilikin tasar<m matrisleri, ,
tipinde rastgele etkilere ilikin parametreler vektr ve , tipinde rastgele hatalar<n bir vektrdr.
ve eklinde olup, kar<l<kl< olarak ba<ms<zd<rlar. ile verilen modelde,
biimindedir ve bu model, lineer karma model tiplerinden varyans bileenleri modeli
ad<n< al<r. Bu modelde, iin olmak zere, ve s<ras<yla ve
tipindedir. da<l<m<ndan al<nan ba<ms<z rastgele deikenlerin vektr ve , -inci blou
olan blok-kegen bir matristir. Bu al<mada eklinde olup, varyans bileen oranlar< ad<n< al<r
(Zewotir ve Galphin, 2005).
2. Lineer Karma Modellerde Etki Analizi

ile verilen varyans bileenleri modeli alt<nda


olmak zere, eklindedir ve ler biliniyorken , ve nun maksimum likelihood (ML)
tahminleri , ve ile verilir (Zewotir ve Galphin,
2005). Burada, ve eklindedir (Hemmerle ve Hartley, 1973). ya, nIn en
iyi lineer yansIz tahmin edicisi (BLUE) ve ya nun en iyi lineer yansIz n tahmin edicisi (BLUP) adI verilir
(Henderson ve ark., 1959).
Bir analizden elde edilen sonular, bir veya daha fazla gzlemden byk lde etkilenebilir, yani, gzlemlerin tm
istatistiksel modellerde eit etkiye sahip deillerdir. Gzlem silme tanIlamalarI, bireysel gzlemlerin istatistiksel
model zerindeki etkisini lmek iin kullanIlIrlar. Christensen ve ark. (1992) ile Zewotir ve Galphin (2005), gzlem
silme tanIlamalarIndan yararlanarak lineer karma modellerdeki etki analizi zerinde durmulardIr. Bu alImada, -
inci silinmi gzlemin sabit ve rastgele etkilere ilikin parametre tahminleri zerindeki etkisini ortaya Ikarmak
amacIyla Zewotir ve Galphin (2005) tarafIndan elde edilen formllerinin kullanIlmasIyla, klasik
regresyon etki tanIlamalarInIn lineer karma modele geniletilmi olan biimleri incelenmitir. Sabit etkili parametre
tahminleri zerindeki etki analizi iin Cook uzaklIInIn benzeri , varyans oranInIn benzeri ,
Cook-Weisberg istatistiinin benzeri ve Andrews-Pregibon istatistiinin benzeri lleri zerinde
durulmutur. Rastgele etkili parametre tahminleri zerindeki etki analizi iin ise Cook uzaklIInIn benzeri
ls incelenmitir.
3. Uygulama
Beckman ve ark. (1987), New Mexico'da kurulu ABD Enerji BakanlII'na balI ulusal bir laboratuar olan Los
Alamos tarafIndan yksek etkili partikl hava (HEPA-High Efficiency Particular Air) filtreleri zerinde yapIlan
alIma sonucunda elde edilen aerosol penetrasyon verisinin bir kIsmInI kullanarak, lineer karma modellerde yerel
etki tanIlamalarInI gelitirmilerdir. Bu alImada, Beckman ve ark. (1987) tarafIndan kullanIlan aerosol penetrasyon
verisi, lineer karma modellerdeki etki tanIlamalarInIn incelenmesi amacIyla Matlab yardImIyla analiz edilmitir.
KAYNAKLAR
[1] Beckman, R. J., Nachtsheim, C. J., ve Cook, R. D. (1987), Diagnostics for Mixed Model Analysis of Variance,
Technometrics, 29: 413-426.
[2] Christensen, R., Johnson, W., ve Pearson, L. M. (1992), Case-deletion Diagnostics for Mixed Models,
Technometrics, 34: 38-45.
[3] Hemmerle, W. J., ve Hartley, H. O. (1973), Computing MLE for the Mixed A. O. V. Model Using the W
Transformation, Technometrics, 15(4): 819-831.
[4] Henderson, C. R., Kempthorne, O., Searle, S. R., ve von Krosigk, C. M. (1959), The Estimation of
Environmental and Genetic Trends from Records Subject to Culling, Biometrics, 15(2): 192-218.
[5] Zewotir, T., ve Galphin, J. S. (2005), Influence Diagnostics for Linear Mixed Models, Journal of Data Science,
3: 153-177.
AN APPLICATION OF THE INFLUENCE ANALYSIS IN LINEAR MIXED MODELS
In this study, linear mixed model influence diagnostics were examined in order to reveal the effect of -th deleted
observation on parameter estimates about fixed and random effects. To demonstrate the importance of these
influence diagnostics in linear mixed model, aerosol penetration data set (Beckman ve ark., 1987) was analyzed with
the help of Matlab.
Key Words: Case Deletion, Influence Observations, Fixed Effects, Random Effects

BLDR OTURUMLARI 1
SESSION 1
Uygulamal statistik 1


SALIK ALIANLARININ KARILATIKLARI DDET OLUTURAN EN ETKN FAKTRN
LNEER MODELLERDEN
2- FAKTRL APRAZ SINIFLANDIRMA ZMLEME YNTEMYLE ARATIRILMASI VE BR
UYGULAMA
Adnan MAZMANOGLU
1
, Aysun SAGBAS
2
, Seda MAZMANOGLU
3
1
Department of Statistics, University of Istanbul Aydin, Florya Campus, Istanbul/Turkey
adnanmazmanoglu@aydin.edu.tr
2
Department of Industrial Engineering, University of Namik Kemal, Corlu,Tekirdag/ Turkey asagbas@nku.edu.tr
3
University of Kocaeli, Faculty of Medicine, doctor of medicine, Izmit /Turkeysedamazmanoglu@gmail.com
1. GENEL AIKLAMA
Sosyal bilimlerin en nemli alanlarDndan biri olan Sosyal psikoloji, toplumda hangi tr etkiler altDnda kalDp
davranDlarDmDzD ekillendirdigimize gretir. Bireye ait bir zellik olan tutumu etkileyen faktrleri tanDma,
tutumlarDmDzD hangi durumlarda degistirdigimiz ok nemlidir. Toplumsal olaylarDn dalgalanmalarDnDn rastlantDsal
oluslarD, gelecek hakkDnda karar vermemizi glestirmektedir. nk her olayda ilk bakDsta gzlenemeyen bir dzen,
ayrDca bu olayD doguran bir veya birka etken(faktr) vardDr.
Iste saglDk kurumlarDnda bilhassa hekimlerimize yapDlan siddet; hasta, hasta yakDnlarD ya da diger baska bir bireyden
gelen, saglDk alDsanD iin risk olusturan szel ya da davranDssal tehdit, fiziksel saldDrD veya cinsel saldDrDlarD
iermektedir. Son yDllarda dnyanDn her yerinden
yas, cinsiyet, Drk, din, dil, egitim dzeyi ayDrt etmeksizin toplumdaki btn bireyleri etkileyen siddet, giderek gnlk
yasamDmDzDn bir parasD haline gelmekte, herkes ve her sektr iin nemli bir saglDk sorunu olarak karsDmDza
DkmaktadDr. SaglDk alanDnda hizmet verenler diger is alanlarDnda alDsanlara gre 16 kez daha fazla saldDrDya
ugramaktadDr(1).
2. MODEL
zellikle nitel degiskenlerin sz konusu oldugu lineer modeller dogada karsDmDza ok fazla DkmaktadDr. Nitel
degiskenli lineer modellerin incelenmesinde(analizinde) kullanDlan ynteme Varyans Analizi(V.A.) dendigini
biliyoruz. Klasik anlamda 1-faktrl sDnDflandDrmadan n-faktrl sDnDflandDrmaya genisletebilecegimiz durumlar
oldugu gibi faktrlerin apraz, i-ie, apraz + i-ie oldugu durumlar ve verinin dengeli olup olmamasD durumlarD ve
en sonunda faktrlerin etkilesimli(apraz modellerde) olup olmamalarD durumlarDnda V. A. teknigi uygulanmaktadDr.
nemli sorun nitel degiskenli modeller iin olusturulan
Y = X +
Seklinde gsterilen lineer modelden elde edilen
Y X b X X = ) ( veya ( Y X X X =
)
normal denklemlerinde X X matrisinin rankD tam olmayDp(not full rank) klasik anlamda tersinin hesaplanamamasD.
Bu ve benzeri matrislerin son zamanlarda ortaya atDlmDs olan genellestirilmis ters matrislerle zmleme
yntemiyle kDsDtlamalara gidilmeden bir zm mmkn olabilmektedir. alDsmamDzda veri tablosu iin

6

dndgmz model 2 faktrl apraz sQnQflandQrma modelidir. Uygulama iin birinci faktr olarak
hekimler(doktorlar)(kamu ve zel kurumlarda alQan) ikinci faktrn hastalarQn sosyolojik durumlarQdQr. Kamuda
alQan, aratQrma hastaneleri, niversite hastaneleri, devlet hastaneleri ve saglQk ocaklarQnda alQan hekimler ile
yabancQ sermayeli hastanelerde, Trk sermayesiyle faaliyet gsteren hastanelerde, zel vakQf hastanelerinde vb.
kurumlarda alQan bata hekimlerin olmak zere karQlatQklarQ iddetin dzeylerini, uzun bekleme sreleri, hasta ve
yakQnlarQnQn aQrQ istekte bulunmasQ, egitim dzeylerinin dk olmasQ, stresli hasta yakQnlarQ, uzun alQma koullarQ,
yanlQ anlama gibi iletiim problemleri, personel yetersizligi ve yorgunlugu, yetersiz gvenlik ve polis destegi, kriz
ynetmede yetersizlik vb. ayrQca, fiziksel iddet; silahla tecavz, lml iddet, kesici aletle yaralama, szl hakaret,
kalabalQk ve grltl ortamlar nedeniyle iddet uygulamalarQna rastlanmaktadQr. HastalarQn ve/veya hasta
yakQnlarQnQn hangi sosyolojik nedenlerle bu iddete bavurduklarQnQ aratQrmayQ dndk.
ABSTRACT
Keywords: Variance analysis, The 2-Way Crossed Classification, without interaction, factorial design, workplace
violence, g-inverse.
Social psychology, which is one of the most important branches of the social sciences, teaches that under which
effects we are changing our behaviours. The identification of the factors which affects behavior which is a
characteristic of the individual and when we do change our behaviours is very important. The fact that the floating of
the social events is random makes it difficult for us to decide about future. Because, in every event there is an order
which can't be observed at first sight and also there are one or more factors which leads that event.
The violence which was done in health instutitions especially to our doctors includes verbal or behavioural threats,
physical attacks or sexual attacks which comes from patients, patient relatives or another individual and which forms
a risk for the health worker. In last years, violence which affects all individuals in the society regardless of age, sex,
race, religion, language and education levels is gradually becoming a part of our life and faces us as an important
health problem for everbody and every sector. The health workers are attacked 16 times more than the individuals
which work at the other areas (1).
Kaynaklar(References)
(1) Behet Al, Suat Zengin, Yahya Deryal, Cem Gken, Demet ArQ YQlmaz, Cuma YQldQrQm(2012), Increased
Violence Towards Health Care Staff(SaglQk alQanlarQna Ynelik Artan Siddet), the journal of academQc
emergency medicine.
[2] Gordon Lee Gillespie, PhD RN PHCNS-BC Donna M. Gates, EdD RN FAAN Margaret Miller, EdD
CNS RN , Patricia Kunz Howard, PhD RN CEN FAEN(2010
) ,Workplace Violence in Healthcare Settings: Risk Factors and Protective Strategies, Rehabilitation
Nursing Vol. 35, No. 5 September/October.
[3] S. R. Searl(1971), Linear models, John Wiley&Sons


MEDYANA DAYALI PARAMETRK OLMAYAN TAHMN YNTEM LE POLNOMAL MODELN
TAHMN
Alper SNAN
1
,A<r GEN
2
1
Sinop niversitesi, Fen-Edebiyat Fakltesi, statistik Blm, Sinop
2
Seluk niversitesi, Fen Fakltesi, statistik Blm, Konya
E-mail :alpsin@sinop.edu.tr, Email:agenc@selcuk.edu.tr
1. Giri
Parametrik olmayan yakla<m regresyon fonksiyonunun bilinmeyen formda olmas< veya, parametrik modelde
varsay<mlar<n salanmamas< durumunda da kullan<lan tekniklere verilen ortak bir isimdir. Parametrik olmayan
tahmin yntemlerinden biri olan medyana dayal< tahmin yntemi ba<ml< deiken ile ba<ms<z deiken aras<ndaki
balant<y< dorusal bir model yard<m<yla a<klamay< amalar. Literatrde basit dorusal model iin kullan<lan
Brown-Mood ve Theil yntemleri mevcuttur. Bu al<mada; baz< veri setleri aras<ndaki balant<n<n polinom
biiminde bir eri ile a<klanmas<n<n daha uygun olaca< dnlerek yeni bir medyan tahmini yntemi
gelitirilmitir.

2. Brown- Mood ve Theil Yntemi

Bu yntemler basit dorusal regresyon modelini ele alan, temelde birbirine yak<n yakla<mlard<r. Basit dorusal
regresyon modeli

i i i
x Y + + = , N i ,..., 2 , 1 = (1)

biiminde olsun.
i
Y ; ba<ml< deikenler,
i
x ; ba<ms<z deiken, ve parametrelerdir. N adet gzlem
iftlerinden oluan rneklem ) ( ),..., (
, 1 , 1 N N
y x y x iftleri ile gsterilsin. Brown-Mood ynteminde ama grafik
stnde bu gzlem iftlerini gstererek elde edilen noktalara en yak<n doruyu geirmektir. Bu yntemde veriler
gruplanarak meydanlar< yard<m<yla nce dorunun getii noktalar tespit edilir ard<ndan noktalar yard<m<yla doru
denklemi ve buna bal< olarak ve parametre deerleri bulunur. Theil ynteminde ise gzlem deerlerinin
medyan< yerine her bir gzlem ifti ile oluturulacak modelden elde edilen tahmin deerlerinin medyan<
kullan<l<r(Okur 2009).
3. Dorusal ilikiye sahip olmayan veriler iin medyan tahmini

Brown-Mood ve Theil yntemleri deikenler aras<ndaki balant<y< bir doru yard<m<yla a<klamaktad<r. Baz< veri
setleri aras<ndaki balant<n<n polinom biiminde bir eri ile a<klanmas<n<n daha uygun olaca< dnlerek
al<mam<zda yeni bir medyan tahmini yntemi gelitirdik. Veri setindeki gzlemlerin serpilme diyagram<
izildiinde ba<ml< deiken
i
y ler ile ba<ms<z deiken
i
x ler aras<ndaki ilikinin dorusal olmayan bir
biimde, ikinci dereceden bir polinom ile ifade edilebilecek biimde ise regresyon model eitlik 2 deki gibi kurulur.

i i i i
x x Y + + + =

, N i ,..., , = (2)

Bu model zerinden parametre tahminini yapmak iin nerilen yntem Brown-Mood yntemindeki gibi verilerin
blgelere ayrHlmasH ile ilgilendii gibi Theil yntemindeki gibi olasH tm parametrelerin hesaplanarak medyanHnHn
alHnmasH fikrini de kullanmaktadHr (Sinan, 2010).
4. Uygulama
Medyana dayalH tahmin yntemlerinden en ok kullanHlan yntem olan Brown-Mood yntemi ile yeni nerilen
medyan yntemini karHlatHrmak amacH ile karHlaHlabilecek farklH durumlar dnlerek 25er adet gzlem
iftinden oluan 6 farklH yapay veri seti oluturulmutur. Elde edilen 6 farklH durumun her biri iin Brown-Mood ve
nerilen yntemin tahmin sonularH karHlatHrHlmHtHr.
5. Sonu
Deikenler arasHndaki ilikinin dorusal olmasH durumunda Brown-Mood yntemi ile nerilen medyan yntemi
birbirlerine yakHn sonular vermektedir ancak baHmlH deiken ile baHmsHz deiken arasHndaki ilikinin dorusal
olmadHH durumlarda, nerilen medyan ynteminin klasik ynteme gre daha iyi sonu verdii grafikler ve hata
kareler ortalamalarH yardHmHyla gsterilmitir.
KAYNAKLAR
[1] Brown, G., W., and Mood, A. M. (1951) , "On Median Tests for Linear Hypotheses," Proceedings Second
Berkeley Symposium on Mathematical Statistics and Probability, University of California Press, 159-166.
[2] Miller J.C. and Miller, J.N., (1993), "Statistics for Analytical Chemistry", Ellis Horwood PTR Prentice Hall,
Analytical Chemistry Series, 3rd ed. pp 159-161.
[3] Okur, S., (2009), Parametrik Ve Parametrik Olmayan Basit Dorusal Regresyon Analiz Yntemlerinin
KarHlatHrmalH Olarak ncelenmesi Yksek Lisans Tezi, ukurova nv. Fen Bilimleri Enstits.
[4] Sinan, A., (2010), Panel Verili YarHparametrik Regresyon Modelleri Doktora Tezi, Seluk nv. Fen Bilimleri
Enstits.
ABSTRACT
THE ESTIMATION OF POLYNOMIAL MODEL WITH NONPARAMETRIC ESTIMATION
METHOD BASED ON MEDIAN
The nonparametric estimation method based on median is a useful method for estimating a simple linear regression
model when the assumptions of parametric model is not provided. Also it is easy to apply and robust for outliers in
the data set. In this study a new nonparametric estimation method based on median suggested for the estimation of
polynomial regression models. The results of two methods are compared on six different data sets and it is shown
that new method is more useful for the estimation of the polynomial regression models.
Key Words: nonparametric regression, median, polimial regression model


SINIFLANDIRMA AMALI DESTEK VEKTR MAKNELERNN LOJSTK REGRESYON LE
KARILATIRILMASI
Furkan BASER
1
, Aysen APAYDIN
2

1
Gazi niversitesi, Iktisadi ve Idari Bilimler Fakltesi, UluslararasD Ticaret Blm 06830-GlbasD, Ankara,
2

Ankara niversitesi, Fen Fakltesi, Istatistik Blm 06100-Tandogan, Ankara

E-mail: furkan.baser@gmail.com
;
E-mail: apaydin@science.ankara.edu.tr

1. Giri
UygulamalD istatistikte, gzlemlerin ayrDk iki kategoride sDnDflandDrDlmasD biimindeki problemler ile sDklDkla
karsDlasDlmaktadDr. VarsayDmlarDnDn dogrulanmasD durumunda sDnDflandDrma yntemleri, yeni gzlemleri ait oldugu
gruplara, egitim rnekleri yardDmDyla bir ayDrDcD fonksiyona baglD olarak atanmasDnD saglar. Lojistik Regresyon (LR)
zmlemesi nesnelerin sDnDflandDrDlmasD problemlerinde gnmzde yaygDn olarak kullanDlan bir yntemdir.
Destek Vektr Makineleri (DVM), teorik zmlemeler ile sayDsal algoritmalarD yapDsDnda birlestiren bir
sDnDflandDrma ve regresyon yntemidir. Istatistiksel grenme teorisinde bu teknik, deneysel risk minimizasyonundan
(Empirical Risk Minimization DRM) ziyade yapDsal risk minimizasyonuna (Structural Risk Minimization YRM)
dayandDrDlan bir grenme algoritmasD olarak gelistirilmistir. YRM tmevarDm prensibi, sonlu rneklemler iin
VapnikChervonenkis (VC) boyutuna baglD olarak optimum model karmasDklDgDnD belirlemek zere biimsel bir
mekanizma saglar. Klasik sinir aglarD ile karsDlastDrDldDgDnda DVM, bir tek global optimum zm elde edebilir ve
boyut sorunu ile karsDlasmaz. Bu ilgi ekici zellikleri DVMyi sDklDkla tercih edilir bir teknik haline getirmektedir.
DVM ilk olarak rnt tanDma problemlerini zmek zere tasarlanmDstDr [1, 2]. Vapnikin c-duyarsDz kayDp
fonksiyonunun ortaya atDlmasD ile birlikte DVM, fonksiyon yakDnsama ve regresyon model tahmin problemlerine de
genisletilmistir [3, 4].
Bu alDsmada, sDnDflandDrma problemlerinde DVM yntemi ile LR zmlemesinden elde edilen bulgular hatalD
sDnDflandDrma sayDlarDna gre karsDlastDrDlacaktDr. Bu amala, esitli dogum karakteristiklerine baglD olarak dsk
dogum agDrlDklD bebeklerin kestirim problemine iliskin bir veri seti kullanDlacaktDr.
2. S+n+fland+rma Amal+ Destek Vektr Makineleri
girdi rntlerinin uzayDnD (rnegin ) gstermek zere; egitim verisi
biiminde ele alDnsDn. Egitim verisini,
(1)
hiperdzlem karar fonksiyonu tarafDndan uygun ve katsayDlarD ile sDnDflandDrDldDgD varsayDlsDn. DVM
yaklasDmDna gre sDnDflandDrma problemlerinde kayDp fonksiyonuyla
deneysel risk,
(2)

ile belirtilir. Dier benzer sKnKflandKrma yntemlerinde olduu gibi DVMde, sayKsal optimizasyona uygun bir kayKp
fonksiyonu kullanarak sKnKflandKrma hatasKnK minimum yapmaya alKKr. yeterince byk bir sabit olmak zere
programlama problemi,
Ama fonksiyonu:

KKsKtlar: (3)

biiminde oluturulur [5]. Bu yapKda kullanKcK tarafKndan belirlenmesi gereken katsayKsK, karmaKklKk ile ayrKlabilir
olmayan rneklerin miktarK arasKndaki deiimi kontrol eder.
KAYNAKLAR
[1] Chen, R. C. and Hsieh, C. H. (2006), Web page classification based on a support vector machine using a
weighted vote schema, Expert Systems with Applications, 31(2), 427435.
[2] Tsujinishi, D. and Abe, S. (2003), Fuzzy least squares support vector machines for multiclass problems, Neural
Networks, 16(56), 785792.
[3] Wu, Q. (2009), The forecasting model based on wavelet m-support vector machine, Expert Systems with
Applications, 36(4), 76047610.
[4] Dong, H., Yang, S., Wu, D. (2007), Intelligent prediction method for small-batch producing quality based on
fuzzy least square SVM, Systems Engineering-Theory and Practice, 27(3), 98104.
[5] Cherkassky, V. and Mulier, F. (2007), Learning From Data: Concepts, Theory, and Methods, New Jersey, John
Wiley & Sons.
ABSTRACT
COMPARISON BETWEEN LOGISTIC REGRESSION AND SUPPORT VECTOR MACHINES FOR
CLASSIFICATION PURPOSES
The classiJcation of individuals is a common problem in applied statistics. For binary classification problems,
logistic regression (LR) is one of the most widely used classiJcation methods. More recently, Support Vector
Machines (SVM) has been receiving considerable attention in pattern recognition and regression function estimation
problems. In this paper, the fundamentals of LR and SVM are described, and the question of which one is better to
discriminate is investigated. An application with real data associated with giving birth to a low birth weight baby is
presented as an illustration.


YAPISAL ETLK MODEL ANALZ: PREHPERTANSF BREYLERDE, ANTROPOMETRK
BYOKMYASAL VE EKOKARDYOGRAF PARAMETRELER ZERNE BR UYGULAMA
Birol TOPU
1
, Sinan SARALI
2
, eref ALPSOY
3
, AydGn AKYZ
3
, Mehmet YILMAZ
4
, Cengiz
GAZELOLU
5

1
Yrd.Do.Dr., NamGk Kemal niversitesi, TGp Fakltesi Biyoistatistik Anabilim DalG, Tekirda,
2
Yrd.Do.Dr., Afyon Kocatepe niversitesi, Fen-Ed. Fakltesi statistik Blm, Afyonkarahisar,
3

Yrd.Do.Dr., NamGk Kemal niversitesi, TGp Fakltesi Kardiyololji Blm, Tekirda,
4
Do.Dr., Ankara
niversitesi, Fen Fakltesi statistik Blm, Ankara,
5
MSc. NamGk Kemal niversitesi TGp Fakltesi
Biyoistatistik Anabilim DalG, Tekirda
E-mail: topcubirol@gmail.com
Giri
YapGsal Esitlik Modeli (YEM), son yGllarda birok bilim alanGnda kullanGlmaya baslanmGs bir model olmakla beraber
tGp alanGnda ok fazla kullanGlmamaktadGr. Ancak bazG alGsmalarda literatrde mevcuttur. rnek olarak; inslin
tedavisi altGndaki hastalarla yapGlan bir alGsmada, hipoglisemiyi nlemede en nemli faktrn farkGnda olmak
olduu bulunmustur [2]. Baska bir alGsmada ateroskleroz risk faktrlerinin, yasam tarzG deiskenleri (sigara, alkol
ve egzersiz) ile dorudan veya dolaylG olarak iliskili olduu ve bu risk faktrlerinden etkilendii gsterilmistir [3].
YEM; modelde yer alan tm gzlenen ve gzlenmeyen deiskenler arasGndaki iliskileri aynG anda test edebilen,
faktr analizi ve oklu regresyon analizinin birlesimi niteliinde kapsamlG bir istatistiksel yntemdir [1].
Bu alGsmada bizde yapGsal esitlik modellemesi ile prehipertansif bireylerde, antropometrik, biyokimyasal ve
ekokardiyografi parametrelerinin arasGndaki etkileri belirlemeyi amaladGk.
Uygulama
alGsmaya, Mart 2010 ile KasGm 2011 zaman aralGGnda NamGk Kemal niversitesi ArastGrma ve Uygulama
Hastanesi Kardiyoloji kliniine gelen ardGsGk 3000 hasta arasGndan prehipertansif olduu tespit edilen 60 hasta
alGnmGs ve bu bireylerden elde edilen verilere ilk olarak AGklayGcG Faktr Analizi uygulanmGstGr.
Bazal zellikler ve biyokimyasal parametreler lldkten sonra yapGsal esitlik modeli iin 5 faktr olusturulmustur.
Faktr 1 lipid faktr olarak adlandGrGldG ve total kolesterol, trigliserid ve dsk dansiteli lipoprotein (LDL)
kolesterol iermektedir. Benzer biimde, faktr 2 seker faktr hemoglobin A1c (HgbA1c) ve alGk kan sekerini;
faktr 3 antropometrik faktr bel evresi ve kala evresini; faktr 4 eko faktr sol ventrikl diyastolik ap ve sol
ventrikl ejeksiyon fraksiyonunu; faktr 5 bbrek faktr serum kreatinin, dzeylerini ifade etmektedir.
5 faktrden olusan kan deerleri ile tansiyon (diastolik ve sistolik tansiyon) arasGndaki iliskileri belirlemek iin
kurulan YEM, ekil 1de verilmistir.


ekil 1. Hastalarn kan ve tansiyon lmlerinin yapsal eitlik modeli
Kurulan YapIsal Eitlik Modelinin uygunlugu incelenecek olursa, Ki-kare/sd = 68.77/ 43 = 1.599 degeri kritik deger
olarak kabul edilen 3 degerinden kk oldugundan ve RMSEA (Root Mean Square Error Approximation) degeri
=0,098, Kabul edilebilir degerler olan 0.05 s RMSEA s0,10 aralIgInda yer aldIgIndan Kurulan modelin uygun
oldugu sylenebilir. [4]
EFA analizinde yer alan XA3 (total kolesterol) degikeni YEM de anlamlI IkmadIgIndan analizden IkartIlmI ve
ilgili sonular elde edilmitir.
XD2 (EF) ve XE1 (Creatin) degerlerinin ise kan degerleri zerinde, sIrasI ile 0.03 ve 0.08 katsayIsI ile en az etkiye
sahip degikenler oldugu sylenebilir. EF ekokardiografik bir parametredir ve prehipertansiflerde metabolik sendrom
ve obezitenin fazla oldugu dnlrse EF nin bunlarda yksek olmasI vcudun sempatik yk altInda oldugunun bir
gstergesidir. Creatinin degerlerinin yksek olmasI da ilerde geliecek hipertansiyon ve buna baglI renal hasar
gelieceginin bir gstergesi olabilir.
Kan degerleri tm alt boyutlarIyla birlikte tansiyon zerinde pozitif ynl bir etkiye sahip olarak kan degerlerindeki
bir birimlik artiIn tansiyon degerlerinde 0.40 birimlik bir artIa sebep olabilecegi sylenebilir. AKS, HbA1C, total
ve LDL kolesterol ve trigliserit ve creatinin degerlerinde ykselme prehipertansif dnemde balamaktadIr. Bu da
bize bu dnemde yaam ekli degiikligi ile nlem almamIz gerektigini dndrmektedir.Y (Tansiyon) degikeni
zerinde ise Sistolik tansiyon degeri 0.80 katsayIsI ile diastolik tansiyon degerinden daha etkili olarak belirlenmitir.
Prehipertansiflerde daha ok sistolik tansiyon yksekligi n plandadIr.
KAYNAKLAR
[1] Hair J., Anderson R., Black W., (1998). Multivariate data analysis with readings, 5
th
ed., Prentice-Hall.
[2] Hepburn D.A., Deary I.J., MacLeod K.M., Frier B.M., (1994). Structural equation modeling of symptoms, awareness and fear
of hypoglycemia, and personality in patients with insulin-treated diabetes, Diabetes Care. 17 (11):1273-80.
[3] Oh H.S., Seo W.S., (2001), Development of a structural equation model for causal relationships among arteriosclerosis risk
factors, Public Health Nurs. 18 (6): 409-17.
[4] Schermelleh-Engel, K. and Moosbrugger, H., (2003), Evaluating the Fit of Structural Equation Models: Tests of Significance
and Descriptive Goodness-of-Fit Measures, Methods of Psychological Research Online, 8 (2), 23-74.


TEK YARDIMCI DEKENL ORAN TAHMN EDCLERNN TAYLOR SERS YAKLAIMIYLA
KARILATIRILMASI VE BR UYGULAMA
Tolga ZAMAN
1*
, Vedat SALAM
1
,

Erdin YCESOY
1
,Murat SAIR
1
1
Ondokuz MayOs niversitesi, Fen Edebiyat Fakltesi, statistik Ana Bilim DalO, 55139 ,Samsun, TRKYE
2
Amasya niversitesi, Fen Edebiyat Fakltesi, statistik Ana Bilim DalO, Amasya, TRKYE
E-mail: zamanzaman61@hotmail.com
Bu alOsmada, basit rasgele rnekleme ynteminde gelistirilen bazO tek yardOmcO deiskenli oran tahmin edicilerinin
hata kareler ortalamalarO Taylor serisi yaklasOmO kullanOlarak incelenmistir. Taylor serisi yaklasOmO dorusal olmayan
bir tahmin ediciyi gzlemlerin dorusal bir fonksiyonuna yaklastOrOp, bu dorusal yaklasOma uygun bir varyans
esitlii yazar. Bu dorusallastOrma islemi Taylor serisi yaklasOmOyla elde edilerek tahmin edicinin varyansO
hesaplanOr. Daha sonra bu yntem kullanOlarak elde edilen bu tahmin edicilere ait hata kareler ortalamalarO dikkate
alOnarak karsOlastOrmalar yapOlmOs ve belirli kosullar elde edilmistir. Bu kosullar altOnda hangi tahmin edicinin hata
kareler ortalamasOnOn daha kk, dolayOsOyla daha etkin olduuna karar verilmistir.
Uygulamada, Trabzon'daki 18 ilede bulunan 111 tane ortaretim okuluna ait veriler kullanOlmOstOr. Bu veriler
Trabzon Valilii l Milli Eitim Mdrlnden alOnan gerek verilerdir. Burada yardOmcO deisken renci sayOsO ve
ilgilenilen deisken retmen sayOsO olarak alOnmOstOr ve renci sayOsO yardOmOyla ortalama retmen sayOsO oran
tahmin edicileri ile tahmin edilmistir. Burada kitleden rnekleme seme islemi rastgele sayOlar tablosu kullanOlarak
yapOlmOs, dolayOsOyla rnekleme alOnan birimlere esit sans verilerek kitledeki deiskenliin rneklemede korunmasO
salanmOstOr.
Anahtar Kelime: Basit Rasgele rnekleme; Taylor Serisi YaklasOmO; Ortalama; Oransal Tahmin Edici; Oran;
arpOmsal Tahmin Edici; YardOmcO Bilgi; Hata Kareler OrtalamasO.
COMPARSION OF RATIO ESTIMATORS WITH SINGLE AUXILIARY VARIABLE BY TAYLOR
SERIES APPROACH AND AN APPLICATION
Abstract: In this study mean square errors of ratio estimators with a auxiliary single variable are found with Taylor
series approach. Taylor series approach provides a suitable variance equation by approaching a non-linear estimator
to a linear function of linear observations. This method of linearization is provided by Taylor series approach and the
variance of the estimator is calculated. After having mean square errors of the estimators, some comparsions are
done and some conditions are given considering these mean square errors. Under these conditions it is decided which
of the mean square error is smaller and yet which one is more effective.
In the application, datas of 111 junior schools in the counties of Trabzon is used. These actual datas are provided by
the Trabzon National Education Managment of Trabzon Governorship. In these datas the auxiliary is the number of
students and the considered variable is the number of teachers. The number of teachers is estimated via the number
of students by ratio estimators method. In the application random sampling choosing is done by the table of random
numbers.
Keywords : Simple Random Sampling; Taylor Series Approach; Mean; Ratio Estimator; Proportion; Product
Estimator; Auxiliary Information; Mean Square Error.
KAYNAKLAR:
[1 KadOlar, C., OngO, H., 2003. A study on the chain ratio-type estimator, Hacettepe Journal of Mathematics and
Statistics, 32, 105-108.
[2] KadOlar, C., OngO, H., 2006. New Ratio Estimators Using Correlation Coefficient, nterstat 4, pp, 1-11.
[3] Naik, 6., V. D., Gupta, P. C., 1996. A note on estimation of mean with known population proportion of an
auxiliary character. Jour. Ind. Soc. Agr. Stat., 48(2), 151-158.
[4] Ortaretim OkullarO, retmen ve renci SayOlarO, 2012. Trabzon Valilii l Milli Eitim Mdrl.

DZCE NVERSTES ARATIRMA HASTANESNDE TEDAV GREN ANKLOZAN SPONDLTL
HASTALARIN YERSEL KMELENMELERNN NCELENMES
zge PASIN
1
, Handan ANKARALI
2
, Sengl CANGR
3
Dzce niversitesi TMp Fakltesi Biyoistatistik ve TMbbi Bilisim AD, 81620, Dzce, TRKIYE,
1
ozgepasin90@yahoo.com.tr,
2
hankarali@yahoo.com,
3
sengulcangur@duzce.edu.tr

Konuma dayalM gzlemlerle elde edilen grafik ve grafik-olmayan bilgilerin toplanmasM, saklanmasM, islenmesi ve
kullanMcMya sunulmasM islevlerini btnlk ierisinde gereklestiren
cografi bilgi sistemi, son yMllarda saglMk alanM arastMrmalarMnda ve zellikle hastalMk dagMlMm haritalandMrMlmasMnda,
hastalMklarMn grlme sMklMgMnMn belirlenmesinde, hastalarMn takibinde, saglMk servislerine cografi ulasMmM grenmede,
personel ynetiminde, blgesel hastalMk analizlerinde, saglMk hizmetlerinin dagMlMmMnMn belirlenmesi gibi konularda
kullanMlmaktadMr. Ancak bu konuda lkemizde sMnMrlM blgesel alMsmalar mevcuttur. Bu alMsmada, Dzce
niversitesi TMp Fakltesi Fizik Tedavi ve Rehabilitasyon poliklinigine tanM veya tedavi amacMyla esitli tarihlerde
basvuran 52 ankilozan spondilitli hastadan, 2013 yMlMnda toplanan veriler yardMmMyla hastalarMn Dzce ilinde belirli
bir alanda yersel kmelenme gsterip gstermediklerinin arastMrMlmasM amalanmMstMr. Bu amala elde edilen veriler
ARCGIS 10 programMna aktarMlmMstMr. HastalarMn yersel kmelenmeleri, programda yer alan Moran I, Getis ORD
(General G), En yakMn komsu yntemi (Average nearest neighbour) ve Ripleyin K fonksiyonu yntemleri ile
incelenmistir. Bu yntemler yere gre global kmeleme yntemleridir. Moran I yntemi, olgular arasMndaki
meknsal otokorelasyonu len bir sistemdir. Getis ORD ise, meknsal alanda yksek degerlerin (olgularMn) mi
yoksa dsk degerlerinin mi kmelendiginin tespitinde kullanMlan bir yntemdir. En yakMn komsu yntemi de
noktalarMn en yakMn komsu uzaklMklarMndan yararlanarak kmelenmelerini arastMrmaktadMr. Ripleyin K fonksiyonu
ise, cografi blgeye ait nokta veriler ile meknsal yapMyM analiz etmek iin kullanMlmaktadMr. Bu yntem belirli bir
mesafe ile diger olgular arasMnda ne kadar olgu/vaka bulundugunu ler ve sadece en yakMn komsu mesafesi ile degil
tm yapMlar arasMndaki mesafeleri alarak meknsal bagMmlMlMklarla ilgili bir zet sunar. alMsmada yersel kmeleme
iin yukarMda kMsaca tanMmlanan drt yntem kullanMlarak, elde edilen sonular karsMlastMrmalM olarak yorumlanmMstMr.
Bulgular degerlendirildiginde, Dzce il merkezinde anlamlM dzeyde bir kmelenmenin oldugu belirlenmistir.
Ancak, gereklesen kmelenme, ankilozan spondilit hastalMgMnMn nadir grlmesi sebebiyle toplanan veri sayMsMnMn az
olmasMndan ve sadece bir saglMk merkezine ait verilerin kullanMlmasMndan dolayM geregi tam olarak yansMtmayabilir.
Buna karsMn verilerin toplandMgM saglMk merkezinin, Dzce ilinde en byk ve kapsamlM saglMk merkezi olmasM
nedeniyle sonularMn, bir n alMsma niteliginde nem tasMdMgM da gz ardM edilmemelidir. Sonu olarak planlama,
korunma ve tanM-tedavi islemlerinde olduka nemli rol oynayan hastalMk, personel, saglMk merkezi gibi konularMyla
ilgili kmelenme yapMlarMnMn incelenmesi nerilir. Bu kmelerin incelenebilmesi iin gerekli veri, esitli saglMk
kuruluslarMndan temin edilebilir. Ancak saglMk kuruluslarMnMn, adres bilgileriyle birlikte dzenli kayMtlar tutmasM
nemli bir konudur.

KAYNAKLAR
[1]ARCGIS 10 uygulama dokmanM (ESRI)
[2]http://www.biomedware.com/?module=Page&sID=clusterseer-help-and-tutorials
[3]Erdem Karabulut, Reha Alpar, Enis zayar, (2006),HastalMklarMn Yere Gre Kmelenmesinde KullanMlan
Yntemler, Inn niversitesi TMp Fakltesi Dergisi 13(1) 37-43
[4]G. zkan, H.C. Gngr, 2007,Cbsnin SaglMk AlanMnda KullanMmM ve rnekleri, TMMOB Harita ve Kadastro
Mhendisleri OdasM Ulusal Cografi Bilgi Sistemleri Kongresi, KT, Trabzon
ABSTRACT
INVESTIGATION OF SPATIAL CLUSTER OF ANKYLOSING SPONDYLITIS PATIENTS IN DUZCE
UNIVERSITY RESEARCH HOSPITAL.

With the help of the data collected in Duzce University Physical Therapy and Rehabilitation Clinic, in 2013, 52
ankylosing spondylitis patients were investigated for spatial clusters. Spatial clustering was examined with Moran I,
Getis ORD, Average nearest neighbor and Ripley's K function in ARCGS 10 program. It was determined that a
significant level of visualisation cluster in the centre of Duzce. However, due to the rarity of the disease ankylosing
spondylitis, and used only one health center, clustering may not reflect exactly the data. But, because of the health
center is largest institution, results can be evaluated a preliminary study.

Keywords: Geographic information system, spatial clustering methods, ARCGIS10, ankylosing spondylitis, disease
cluster


6

BLDR OTURUMLARI 1
SESSION 1
Finans, Sigortaclk, Risk Ynetimi


BREYSEL EMEKLLK SSTEMNDE DEVLET KATKISININ ETKSNN YAPISAL KIRILMA
ANALZ LE NCELENMES
Ayse ISI, HakkK POLAT, Fatih EMREK
* Gazi niversitesi Gazi Meslek Yksekokulu ubuk Yerleskesi ubuk/Ankara, isiayse@gmail.com
**Eskisehir Osmangazi niversitesi Meselik Kamps Istatistik Blm /Eskisehir, hakkiplt@gmail.com,
fcemrek@gmail.com

1. Giri
Bireysel Emeklilik Sistemi (BES), mevcut kamu sosyal gvenlik sisteminin tamamlayKcKsK olarak kurulmustur [3].
Bireysel Emeklilik Tasarruf ve YatKrKm Sistemi Kanunu, sosyal gvenlik reformunun bir parasK olarak Ekim 2001
tarihinde yrrlge girmistir. 29 Haziran 2012 tarih ve 28338 sayKlK Resmi Gazetede yayKmlanan Bireysel Emeklilik
Tasarruf ve YatKrKm Sistemi Kanunu ile BazK Kanun ve Kanun Hkmnde Kararnamelerde Degisiklik YapKlmasKna
Dair Kanun ile devlet katkKsK sistemine geilmis ve bylece BESte yeni bir dnem baslamKstKr.
Bu alKsmanKn amalarKndan biri, kanun degisikligi ile getirilen devlet katkKsKnKn BES zerindeki etkisini incelemek,
bir digeri de yapKsal kKrKlma ieren bir serinin duraganlKk analizinde yapKsal kKrKlmanKn dikkate alKnmasK gerekliligini
vurgulamaktKr. Zira literatrde yapKlan alKsmalarKn ogunda zaman serilerinin duraganlKgK incelenirken yapKsal
kKrKlmalar dikkate alKnmamKs ve aslKnda duragan olan serilere gereksiz fark alma islemleri uygulanarak yanKltKcK
sonular elde edilmistir. Bu amala 2007:01-2013:06 dnemine iliskin aylKk katkK payK tutarK (KP) (milyon TL) veri
seti zerinde alKsKlmKstKr.
2004:1-2013:6 dnemine iliskin aylKk katkK payK tutarlarK (milyon TL) serisinin zaman grafigi Sekil 1de verilmistir.

ekil 1. Katk( Pay( Tutar( (milyon TL) Serisinin Grafii
Sekil 1 incelendiginde BES katkK payK tutarK serisinin ortalamada ve varyantsa duragan olmayan bir yapKya sahip
oldugu, ayrKca serinin genel egiliminde 2011:12 ve 2012:09 anlarKnda yapKsal bir degisiklik (kKrKlma) oldugu
grlmektedir. zellikle 2012:09 noktasKnda grlen serideki sKrama ve sonraki dnemde grlen artan trend,
serinin 2012:09 anKndan sonra hem dzeyinde hem de egiminde yapKsal bir degisik oldugunu gstermektedir.
2. Bulgular
Serinin duraganlKgK, Augmented Dickey Fuller (ADF) birim kk testi ile analiz edilmis ve serinin tm modeller iin
%1, %5 ve %10 anlamlKlKk seviyelerinde duragan olmadKgK belirlenmistir.
Zaman serilerinde duragan-dKsKlKgKn bir nedeni de serinin anaktle regresyon denklemi boyunca farklK rneklemler
aKsKndan degisiklikler (yapKsal kKrKlmalar) gstermesidir. Genelde ekonomide yapKsal kKrKlmalarKn bir nedeni olarak
ekonomi politikalarKndaki degismeler ile nemli olaylarKn neden oldugu degisiklikler sayKlabilir [2]. BESteki devlet
katkKsK gelismesi de bu degismelerden biri olarak degerlendirilebilir.
BESteki bu gelismenin yapKsal kKrKlmaya yol aKp amadKgKnKn incelenmesi iin serinin CUSUM ve CUSUM of
squares grafikleri incelenmis ve seriye Chow yapKsal kKrKlma testi uygulanmKstKr. Analizler sonucunda seride 2011:12
ve 2012:09 dnemlerinde yapKsal kKrKlma belirlenmistir. KP serisinde 2012:09 dnemindeki yapKsal kKrKlmanKn

serideki duraandFFlFFn bir nedeni olabilecei dnlerek Perron (1989)un nerdii Model C ile yapFsal kFrFlma
modelleri dikkate alFnarak birim kk testi uygulanmF ve sonular Tablo 1de verilmitir.
Tablo 1. Perron(1989) Modellerine likin ADF Testi Sonular1
Model t- ist. Olas1l1k (p) deeri AIC
Toplamsal SapmalF Model (AO) -8,7416 0,000 10,603
Kademeli SapmalF Model (IO) -8,3633 0,000 10,677

Bu durumda seri gerekte duraan iken serideki yapFsal kFrFlmadan kaynaklanan bir sahte duraan-dFFlFFn olduu
deerlendirilmitir.
3. Sonular
KatkF payF tutarF serisine uygulanan analizlerin sonularF deerlendirildiinde KP serisinde 2012:09 dneminde
yapFsal bir kFrFlma tespit edilmi ve bu kFrFlmanFn seride sahte duraan-dFFlFa neden olduu belirlenmitir. Haziran
2012 tarihinde Resmi Gazetede yayFmlanarak yrrle giren BESte devlet katkFsFnF ieren yasa deiiklii BESi
olumlu ynde etkilemi ve 2012:09 dneminden itibaren katkF payF tutarlarFnda hFzlF bir artFa yol amFtFr.
KAYNAKLAR
[1] Perron, P.,(1989), The Great Crash, the Oil Price Shock, and the Unit Root Hypothesis, Econometrica, 57 (6):
1361-14013.
[2] Sevktekin, M ve Nargeleekenler, M. (2010), Ekonometrik Zaman Serileri Analizi Eviews UygulamalF, Ankara,
Nobel YayFnlarF.
[3] http://www.egm.org.tr/

ABSTRACT
INVESTIGATING OF STATE CONTRIBUTION EFFECT OF PRIVATE PENSION SYSTEM VIA
ANALYSIS OF STRUCTURAL BREAK
One of the purposes of this paper, to examine the impact on the state's contribution PPS sector and the other purpose
is to emphasize the necessity of taking into account the structural break on the stationarity analysis of a series with
structural breaks For this purposes, amount of monthly contribution for the period 2007:01-2013:06 (TRY million)
was studied on the data set. As a result of analysis, series of the contrubution amount has been identified structural
break in 2012:09 and there have been a non-stationarity structure due to the structural break. The change of the new
law has increased amount of contrubution since the 2012:09.
Key Words: Private Pension System (PPS), structural breaking analysis, Chow test


OTOKORELASYON VE OKLU LK VARLIINDA ETKNLK LMLER

Tugba SKT AAR
1
, M. Revan ZKALE
2
1
anakkale Onsekiz Mart niversitesi, Fen Bilimleri Enstits, 17020, anakkale, Trkiye, t.sokut@comu.edu.tr
2
ukurova niversitesi, Fen-Edebiyat Fakltesi, Istatistik Blm, 01330, Adana, Trkiye, mrevan@cu.edu.tr

1. Giri
(1)
ile verilen oklu lineer regresyon modeli ele alDnsDn. Burada, : tipinde rastgele degiskenlerin gzlenen yanDt
vektr, : tipinde 1lerden olusan vektr, ve 1 p boyutlu bilinmeyen parametreleri ieren vektr,
: tipinde merkezilestirilmis ve standartlastDrDlmDs
bilinen aDklayDcD degiskenler matrisi ve : tipinde ,

varsayDmlarD ile hatalarDn gzlenmeyen vektrdr. ve :
( ) tipinde matris olmak zere (1) modeli
(2)
olarak yazDlDr. (1) modeline en kk kareler (EKK) yntemini uygulayabilmek iin matrisinin tam kolon ranklD
olmasD gerekmektedir. Ancak, bir veya daha ok aDklayDcD degiskenin digerlerinin dogrusal bir kombinasyonu
olmasD durumunda ortaya Dkan oklu i iliski varlDgDnda matrisi tam kolon ranklD degildir. Bu durumunda ' X X
matrisi singler olacagDndan dolayD EKK tahmin edici uygulanamaz. Sabit varyanslD ve iliskisiz hataya sahip lineer
regresyon modellerinde oklu i iliski olmasD durumunda Hoerl ve Kennard (1970) EKKye alternatif olarak ridge
tahmin ediciyi (1) modeli altDnda:
1
( ' ) '
k
b X X kI X y
= + , 0 k olarak nermistir.
Regresyon analizinde nemli bir varsayDm seilen modelin verideki tm gzlemler iin uygun olmasDdDr. Fakat
uygulamada bir veya birden ok gzlem, verinin ogunlugunun olusturdugu modelden farklDlDk gsterebilir
(Weisberg, 1985). Bu farklDlDklar regresyon sonularD zerinde nemli bir etki yaratacagDndan dolayD tanDlama
kavramD lineer regresyon modellerinde nemli bir yer almaktadDr. KaldDra (Leverage) ve Etkinlik (Influence)
kavramlarD iliskisiz hataya sahip lineer regresyon modelleri iin sDklDkla ele alDnan tanDlama metotlarDdDr; Belsley ve
ark. (1980), Cook (1977). Etkinligin lmnde kullanDlan istatistikler; Cook uzaklDgD (Cook, 1977), DFFITS ve
DFBETAS (Belsley ve ark., 1980) iken kaldDra nokta Sapka matrisi zerinden belirlenir. Etkinlik ve kaldDra nokta
kavramDnD sabit varyanslD ve iliskisiz hataya ve oklu iliskiye sahip modeller altDnda bazD yazarlar tarafDndan
incelemistir: Walker ve Birch (1988), zkale (2013), Steece (1986).

Bu alDsmada (2) ile verilen modelden farklD olarak hatalarDn , ile modellendigi
, , (3)
modeli ele alDnmDstDr. (3) modeli altDnda oklu i iliski olmasD durumunda Trenkler (1984)in nerdigi ridge tahmin
edici
1 * 1 1
( )
' ' ( )
p
Z Z I Z k k y

= + ,
*
(0,1,...,1)
p
I diag = ele alDnmDs ve
( ) k tahmin edici iin COOK

uzaklDgD, DFFITS ve DFBETAS lmleri incelenmistir. Elde edilen teorik sonular simlasyon ile retilen rnek
zerinden irdelenmistir.


KAYNAKLAR
[1] Belsley D. A., Kuh E. and Welsch R. E., 1980. Regression Diagnostics, John Wiley, New York.
[2] Cook R. D., 1977. Detection of Influential Observation in Linear Regression. Technometrics, Vol.19, No.1,
15-18.
[3] zkale M. R., 2013. Influence Measures n Affine Combination Type Regression, Journal of Applied
Statistics, DOI: 10.1080/02664763.2013.809568.
[4] Steece B. M., 1986. Regressor Space Outliers in Ridge Regression, Commun. Statisr.-Theory Meth., 15(12),
3599-360
[5] Trenkler G., 1984. On the Performance of Biased Estimators in the Linear Regression Model with
Correlated or Heteroscedastic Errors, Journal of Econometrics 25, 191-203.
[6] Walker E. and Birch J. B., 1988. Influence Measures in Ridge Regression, Technometrics, 30(2), 221-227.
[7] Weisberg, S., 1985. Applied Linear Regression, 2nd ed., Wiley, New York.
THE INFLUENCE MEASURES IN THE PRESENCE OF AUTOCORRELATION AND
MULTICOLLINEARITY

Influence concepts have an important place in linear regression models. Case deletion is a usefull method for
assessing the influence of single case. Some of the influence measures (DFFITS and COOKs D) are discussed by
Walker and Birch (1988), when the ridge regression used in case of multicollinearity. However, the errors structure
in the linear regression models dealt with by Walker and Birch (1988) are uncorrelated. In this paper, the influence
measures for ridge regression estimator with autocorrelated errors are discussed. To determine the behavior of the
influential observations depending on ridge parameter and autocorrelation coefficien, a Monte Carlo simulation were
applied.

Key Words: Autocorrelation, Influence, Leverage Point, Multicollinearity, Ridge Regression


TRKYE KRED TEMERRT TAKASI PRMNN UZUN DNEM BAIMLILIK YAPISININ
NCELENMES VE MODELLENMES
Nurbanu BURSA* ,Hseyin TATLIDL
Hacettepe niversitesi, Fen Fakltesi, statistik Blm, Beytepe, Ankara, TRKYE
E-mail: nurbanubursa@hacettepe.edu.tr
E-mail: tatlidil@hacettepe.edu.tr
Giri
Kredi trevleri adA altAnda, kredi riskinin eitli risk aktarAm enstrmanlarA vasAtasAyla bu riskleri almak isteyenlere
aktarAlmasAna olanak salayan yeni yntemler gelitirilmektedir. Kredi trevlerinin finansal piyasalarda en yaygAn
olarak ilem gren enstrmanA kredi temerrt takasA (credit default swap) yani CDStir. CDSler, bir alacaklAnAn,
nc bir kiiye belli bir cret deyerek, alacaAnA garantilemesini salayan szlemelerdir. Bu riski, CDS satAcAsA
belirli bir cret karAlAA stlenir. Bu crete CDS primi denir. Primlerin miktarAnA borlu olan lkenin ya da irketin
iflas etme olasAlAA belirler. flas etme olasAlAA arttAka denecek primler de doru orantAlA olarak artar.
Gn getike hacim olarak nemli bir duruma gelmeye balayan CDSlerin bu ykseliinde, devletlerin lke riskinin
bir gstergesi olarak kullanAlmalarAnAn ve dier risk gstergelerine gre daha doru sonular sunmalarAnAn payA
byktr. lke CDSlerinin primi, eurobond ihra eden lkenin temerrde dmesi durumunda, sz konusu varlAA
elinde tutanlarAn nceden belirlenmi bir miktarda tazminlerini salamak amacAyla, CDS satAcAlarAna dedikleri,
ykmllk tutarAnAn belirli bir yzdesi olarak hesaplanan yAllAk primlerdir. Bu haliyle CDS primleri, lkeler iin
temerrt riskinin dorudan bir lt olmaktadAr. Bir anlamda bu primler, uluslararasA piyasalarda o lkenin
borlarAnA deyebilme kabiliyetine olan gveni gstermektedir.
alAmada 2851 gzlemden oluan 01.11.2000 - 30.11.2012 tarihleri arasAndaki Trkiye nin 5 yAl vadeli CDS primi
tek deikenli zaman serisindeki uzun dnem baAmlAlAk yapAsA trendden arAndArAlmA dalgalanma analizi (detrended
fluctuation analysis-DFA) ile ortaya AkarAlmA, bu analiz yardAmAyla belirlenen kesirli fark parametresiyle de
ARFIMA modellemesi gerekletirilmitir.

Uzun Dnem Ba*ml*l*k Yap*s*n*n ncelenmesi ve Modellenmesi
Uzun dnem baAmlAlAk, bir srecin otokorelasyon fonksiyonunda gzlenen hiperbolik biimdeki yava d olarak
ifade edilmektedir. Bir zaman serisinin uzun dnem baAmlAlAk zelliine sahip olmasA bu zaman serisinin uzak
gzlemleriyle bile arasAnda bir ilikinin olduunu gstermektedir.
Uzun dnem baAmlA zaman serilerinin zmlenmesinde dorusal bir model ve ardAAk balanAmlA btnleik
hareketli ortalamalar (ARIMA) modellerinin geniletilmi bir hali olan ardAAk balanAmlA kesirli btnleik hareketli
ortalamalar (ARFIMA) modelleri kullanAlmaktadAr.
ARIMA srecinde deeri iin yalnAz tamsayAlar dikkate alAnmaktadAr. Ancak teorik olarak nin deeri
tamsayA ile sAnArlA deildir. Dorusal zaman serileri modeli olan ARFIMA modeli ile tamsayA olmayan
deerlerinin de kullanAlabilmesi salanmAtAr.
zaman serisi,
(1)
model denklemi ile ifade edilirse ye ARFIMA sreci denir.

Bir ARFIMA srecinde fark parametresi aralMMnda ise sre kMsa dnem baMmlMlMa,
aralMMnda ise de uzun dnem baMmlMlMa sahiptir. Bir serinin uzun dnem baMmlMlMk zelliinin incelenmesi iin
kesirli fark parametresinin belirlenmesinde yinelenmi lekli dzeltilmi aralMk istatistii (R/S), Whittle yaklaMk en
ok olabilirlik yntemi ve dalgacMk yntemi gibi pek ok yntem kullanMlmaktadMr. Son zamanlarda ne Mkan
yntemlerden biri de lekleme teorisi erevesinde gelitirilen DFAdMr. Bu analiz, zaman serilerindeki uzun dnem
hafMzanMn varlMMnM ya da yokluunu aratMrmak iin lekleme steli olarak bilinen sayMsal bir parametre (u)
salamaktadMr. Bu yntemle, duraan olmamaktan kaynaklM, sahte uzun dnem baMmlMlMklarMn belirlenmesinden
kaMnMlmaktadMr.

AynM zamanda, DFA ile elde edilen lekleme steli ile kesirli fark parametresi arasMnda asaMdaki gibi bir iliski
bulunmaktadMr.
(2)
KAYNAKLAR
[1] TatlMdil, H. ve Bursa, N. (2011). Kredi Temerrt TakasM ve Risk Ynetimi, Iktisat ve Toplum Dergisi, 12, 58-65.
[2] Leite, A., Rocha, A. P., Silva, M. E., Gouveia, S., Carvalho, J., Costa, O., (2007). Long-Range Dependence in
Heart Rate Variability Data: ARFIMA Modelling vs Detrended Fluctuation Analysis, Computers in Cardiology, 34,
21-24
[3] Gnay, S., Eriolu, E., Alada, . H. (2007). Tek Deiskenli Zaman Serileri Analizine Giris, Hacettepe
niversitesi YayMnlarM, Ankara.
[4] Wang, Y., Wei, Y., Wu, C., (2011). Detrended Fluctuation Analysis On Spot and Futures Markets of West Texas
Intermediate Crude Oil, Physica A, 390, 864-875.
[5] Bektas, C., (2007). Dnya BorsalarM Getiri ve Mutlak Getiri Serilerinde Uzun Dnemli BaMmlMlMk Analizi,
Yksek Lisans Tezi, Istanbul Teknik niversitesi Fen Bilimleri Enstits.

ABSTRACT
EXAMINING AND MODELLING THE STRUCTURE OF LONG-TERM DEPENDENCY OF TURKEYS
CREDIT DEFAULT SWAP SPREADS
Credit default swap (CDS) spreads which are known as indicator of country risk and modelling these spreads have
great importance in terms of financial world. In this study, firstly, information is given about long-term dependency,
ARFIMA models and detrended fluctuation analysis which can be called (DFA). Secondly, the structure of long-
term dependency is revealed with DFA on Turkey's CDS spread time series from 2000 to 2012. In addition to this,
mentioned univariate time series is modelled by ARFIMA.

Key Words: Credit Default Swaps, Detrended Fluctuation Analysis, ARFIMA.


CVAR RSK LSNE DAYALI PORTFY OPTMZASYONU: DNAMK KOPULA MODEL

Sibel AIK KEMALOLU* Emel KIZILOK KARA

Ankara niversitesi Fen Fakltesi KKrKkkale niversitesi Fen Edebiyat Fakltesi statistik
Blm statistik Blm
Tandoan/ANKARA Yahsihan/KIRIKKALE

acik@science.ankara.edu.tr emel.kizilok@gmail.com
zet
Bu alKsma, ok deiskenli finansal verilerin baKmlKlKk yapKsKnKn kopula kullanKlarak istatistiksel olarak
modellenmesi ile ilgilidir. Finansal veriler, ekonomik faktrlerden ok etkilendiinden ounlukla zamana gre
deiskenlik gsterir. Bu nedenle, alKsmada zamana gre deiskenlii gz nne alan dinamik kopula modeli
kullanKlmKstKr. AyrKca Monte Carlo simlasyonu ile Mean-CVAR modeline dayalK portfy optimizasyonu yapKlmKstKr.
Uygulama olarak Trk finans piyasasKndaki drt farklK endeks ile bir portfy olusturulmustur. Bu portfydeki
varlKklarKn marjinal daKlKmlarK tahmin edilerek farklK kopula modelleri iin parametre tahminleri verilmistir.
Belirlenen kopula modelinden olusturulan portfy iin CVaR risk lsne dayalK portfy optimizasyonu yapKlmKstKr.
Giri
Modern Portfy Teorisi, 1950li yKllardan sonra ortaya Kkan ve varlKklar arasKndaki iliskileri gz nne alarak
portfy olusturmaya dayalK bir yaklasKmdKr. Markowitz, ortalama varyans modelini ortaya koymus ve modern
portfy teorisinin temellerini atmKstKr[1]. Ortalama varyans modelinde portfyn riski varyans ile llr. Getiri
verilerinin normal daKlmadKK durumda riski varyans ile lmek yerine dier risk llerini kullanmak daha
uygundur. Riske Maruz Deer (VaR -Value at Risk) ve Kosullu Riske Maruz Deer (CVaR -Conditional Value at
Risk) finansal alanda en ok bilinen risk lmleridir. Finansal alanda yapKlan ilk alKsmalarda risk ls olarak
VaR kullanKlmKstKr. Ancak VaR, bir risk lsnde istenen alt toplamsallKk ve konvekslik zelliini
salamamaktadKr. zellikle finans ve portfy optimizasyonunda bu zelliklerin salanmasK nemlidir. CVaR bu
zellikleri saladKK iin VaRa alternatif olarak nerilmektedir[2]. Bu alKsmada risk ls olarak CVaR alKnmKs ve
portfy optimizasyonu iin Ortalama- CVaR (Mean-CVaR) modeli kullanKlmKstKr.
Portfy CVaRKnK daha doru tahmin edebilmek iin varlKk getirilerinin kuyruklarK arasKndaki lineer olmayan
baKmlKlKK ortaya Kkarmak gerekmektedir. Bu alKsmada, getiri serileri arasKnda baKmlKlKk yapKsKnK modellemek iin
ilk defa Sklar [3] da bahsedilen kopula modeli kullanKlmKstKr. Ancak kullanKlan finans verileri zamana gre
deiskenlik gsterdiinden verilere bilinen kopula modeli yerine dinamik kopula modeli uygulanmKstKr[4]. CVaRa
dayalK portfy optimizasyonu yapabilmek iin kopula parametresinin tahmin edilmesi gerekmektedir. Bu amala iki
asamadan olusan Marjinallere liskin Kkarsama FonksiyonlarK (IFM) yntemi kullanKlmKstKr. Bu yntemde, ilk
asamada marjinal daKlKm parametre tahminleri, ikinci asamada ise copula parametresinin tahmini yapKlmaktadKr[5].
Marjinal ve kopula uyum iyiliklerinin testi iin AIC ve BIC kriterlerinden yararlanKlmKstKr. Bylelikle, portfyn
baKmlKlKKnKn GARCH(1,1)-t dinamik kopula modeline uyduu grlmstr. Son olarak Monte Carlo simlasyon
yntemi ile bu modelden retilen veriler iin CVaR risk lsne dayalK portfy optimizasyonu yapKlmKs ve
portfydeki varlKklarKn aKrlKklarK belirlenmistir.
KAYNAKLAR
[1] Markowitz H.(1952), Portfolio Selection, Journal of Finance, 25, 77-91.
[2] Rockafellar R. T. and Ursayev S. (2002), Optimization of conditional value at risk, Journal of Risk, 2, 21-40.

[3] Sklar A. (1959), Functions De Repartition An Dimensions At Leurs Marges, Publications De LAnstitut De
Statistique De Luniversit De Paris, 8,229-231
[4] He H. and Li P. (2011), Dynamic Asset Allocation Based on Copula and CVaR, IEEE.
[5] Cherubini U., Luciano E. and Vecchiato W. (2004), Copula Methods in Finance. John Wiley and Sons, New
York.

ABSTRACT

PORTFOLIO OPTIMIZATION BASED ON CVAR: DYNAMIC COPULA MODEL
This paper is concerned with the statistical modeling of the dependence structure of multivariate financial data using
copula. Since financial data is greatly affected by the economic factors, it often varies according to the time.
Therefore, dynamic copula model is used that takes into account the time-varying. In addition, portfolio optimization
based on Mean-CVaR model is applied with Monte Carlo simulation. As an application, a portfolio with four
different Indexes is constructed from the Turkish financial markets. The marginal distributions of assets in the
portfolio are estimated and parameter estimates are given for the different copula models. The portfolio optimization
based on CVaR is made for the portfolio created from the specified copula model.

Key Words: Dynamic copula, CVaR, portfolio optimization


SAKLI MARKOV MODEL KULLANILARAK TRKYE DI BORLARININ RSK
DEERLENDRLMES
*Ceren Eda CAN Gl ERGN
Hacettepe niversitesi, Fen Fakltesi, statistik Blm, Beytepe, Ankara, TRKYE
E-mail: cerencan@hacettepe.edu.tr
E-mail: gul@hacettepe.edu.tr
Ahmet YALNIZ
ankaya niversitesi, Iktisadi ve Idari Bilimler Fakltesi, Bankac<l<k ve Finans Blm, Ankara, TRKIYE
E-mail: yalniz@cankaya.edu.tr
Giri

D<s borlanma, gelismekte olan lkeler iin nemli bir finans kayna<d<r ve lkeye yabanc< kaynak girisi salad<<
iin lke ekonomisine baslang<ta olumlu etki yaratmaktad<r. Buna kars<l<k, faiz ve anapara demeleri esnas<nda i
kaynaklar<n lke d<s<na transferini gerektirdii iin lke ekonomisi zerinde olumsuz etkiler olusturabilmektedir. D<s
borlar<n srdrlebilirlii, ulusal gelirin mevcut ve gelecekteki bor ykmllklerini ve dier giderlerini kars<lama
durumuna bal<d<r. lkedeki dviz ak<s< ve likidite durumunun d<s bor servisi iin yeterli dzeyde olmamas<, var
olan borlar<n yeniden finanse edilmesini gerektirmektedir. Bu durum, lkede ciddi bir bor krizine neden olabilir.
Yabanc< kaynak girisinin, lkede ekonomik dengeyi salamas< ve koruyucu bir etkide bulunmas<, etkili bir d<s bor
ynetimini gerektirmektedir. Trkiyede yasanan ekonomik krizlerin ounu d<s borlar tetiklemektedir. Olas< bor
krizlerinin nne geilmesi amac<yla, Trkiyenin d<s bor stoklar<n<n modellenmesi byk nem tas<maktad<r.
lkenin borlanma limiti belirlenerek gerekli ekonomik politikalar dzenlenmelidir. Finansal zaman serilerinin
dinamik bir yap<ya sahip olmas<ndan dolay< belli dnemlerde irrasyonel deisimler meydana gelebilir. Bu irrasyonel
deisimler, lkenin o dnemdeki ekonomik durumunu temsil eden bir rejime ait olabilir. SMM sayesinde, seride
uzun ve k<sa vadede bir yne doru gereklesen rejim deisiklikleri tan<mlanarak, bu rejimler aras<nda iliski yap<s<
gz ard< edilmeden serideki hareketliliin modellenmesi salanmaktad<r. Bu al<smada, Sakl< Markov Modeli
(SMM) ile Trkiye toplam d<s bor stokundaki (milyon ABD $) deisimlerin modellenmesi ve bylece Trkiyenin
d<s borluluk yap<s<n<n belirlenmesi amalanm<st<r. Modelde, farkl< rejimlerin etkilerinin yans<t<lmas<nda Normal
da<l<m kullan<lm<st<r. Bylece, Trkiyedeki ekonomik istikrar< salayacak gerekli politikalar<n al<nmas< amac<yla,
Normal-SMM ile Trkiye toplam d<s bor stokunda gelecek dnemlerde gereklesmesi beklenen deisim oranlar<
tahmin edilmektedir.

Sakl Markov Modeli

Markov modeli, ele al<nan sistemin durumlar<n<n ve bu durumlara iliskin olas<l<klar<n bilindii stokastik bir
modeldir ve sistemin herhangi bir t zaman<ndaki <kt<s< gzlem olarak adland<r<lmaktad<r. Ancak, gerek
uygulamalarda ilgilenilen sistemin gzlemlenebilmesi ou zaman mmkn deildir. Bu durum, Markov modelinin
uygulama alan<n< daraltan nemli bir sorundur. SMMde, sistemin herhangi bir anda iinde bulunduu durumun
bilinmedii varsay<lmaktad<r.


36

eslkll dlzln kumesl olmak uzere, SMM keslkll zamanli lklll blr sLokasLlk sure
olarak Lanimlanir. surecl, keslkll zamanli, homo[en, sonlu-durumlu
Markov zlnclrldlr ve sakli sure olarak Lanimlanir. , aninda slsLemln llnde bulundugu durumdur.
surecl, sakli sureclnln eLklsl alLinda orLaya ikan gzlemlenebllen sure olarak
LanimlanmakLadir. , aninda meydana gelen gzlemdlr. zlemlenebllen bu sure araciligiyla,
slsLemln sakli durumuna lll;kln problemler lncelenmekLe ve Lum lsLaLlsLlksel ikarsamalar
gzlemlenebllen bu sure uzerlnden yapilmakLadir. SMM'de, ve surelerlnln arasindakl lll;kl blr
dlnamlk ayes agi olu;LurmakLadir. u yapi, 5ekll 1'de gsLerllmekLedlr

ekil 1. SMMnin Yap's'
Bu alFsmada, belirtilen ardFsFk zaman aralFklarFnda Trkiye toplam dFs bor stokunda meydana gelen deisim
oranFnFn Normal daFlFm ailesinden tretildii ve bu ailenin parametrelerinin homojen bir Markov zinciri olduu
Normal-SMM (NSMM) kullanFlmFstFr.
KAYNAKLAR
[1] Cappe, O., Moulines, E. and Ryden, T. (2005), Inference in Hidden Markov Models, Springer
Science+Business Media, New York, USA.
[2] Rabiner, L.R. (1989), A Tutorial on Hidden Markov Models and Selected Applications in Speech Recognition,
Proceedings of the IEEE, 77:2, 257-285.
[3] SarF, M. (2004), D1 Bor Ynetimi ve Trkiye Uygulamalar1, Trkiye Cumhuriyeti Merkez BankasF DFs
Iliskiler Genel Mdrl, UzmanlFk Yeterlilik Tezi, Ankara, Trkiye.
[4] Zucchini, W. and MacDonald, I.L. (2009), Hidden Markov Models for Time Series: An Introduction Using R,
Chapman & Hall/CRC Monographs on Statistics & Applied Probability, Boca Raton, USA.
RISK ASSESSMENT OF TURKISH EXTERNAL DEBT BY USING HIDDEN MARKOV MODEL
External borrowing is an important source of finance for developing countries. In the first stage, due to the inflow of
foreign resources, external debt provides positive impact on the economy of the country. However, at the time of the
interest and principal payments, due to outflow of internal resources, the external debt gives rise to negative impact
on the economy. If the liquidity and cash flow in the country is not sufficient to service external debt, it may be
required to refinance the debt, which can result in serious further debt crisis. In particular, economic crisis in
Turkey is mostly triggered by external debt. Therefore, the external debt is one of the most important problems in
Turkey. The aim of this study is to model the change of total Turkish external debt stock by Hidden Markov Model
(HMM). Here, Normal-HMM is used to forecast the future change level of Turkish external debt and determine its
structure in order to adopt necessary policies to ensure economic stabilitiy.
Key Words: Hidden Markov Model, Turkish External Debt, External Debt Management

TRKYEDEK SGORTA RKETLERNN SERMAYE YAPISI SEMNN MIMIC MODEL
KULLANILARAK ANALZ
Zeynep ILHAN, Veysel YILMAZ
Eskisehir Osmangazi niversitesi, Fen-Edebiyat Fakltesi, Istatistik Blm, 26480, Eskisehir, TRKIYE
zeynepilhan@ogu.edu.tr
vyilmaz@ogu.edu.tr
1. Mimic Model ve Sermaye Yap(s( Seimi
Sermaye yapQsQ seimi konusunda literatr olduka genis olmakla birlikte alanda nemli alQsmalardan biri olan The
cost of capital, corporation finance, and the theory of investment Modigliani ve Miller tarafQndan 1958de
yayQnlanmQstQr. Titman ve Wessels ise 1988'de sirketlerin sermaye yapQsQ seiminde belirleyicilerin modellemesini
regresyon analizi kullanarak yapmQstQr. Gnmzde ise Fama ve French sermaye yapQsQ ile ilgili nemli alQsmalara
imza atmaktadQr. 2006-2011 yQllarQ arasQnda alQsmasQnQ yrttkleri son yayQnlarQ 2012 yQlQnda Capital Structure
Choices yayQnlanmQstQr.
Literatrde, sermaye yapQsQ incelemelerinde regresyon analizi sQklQkla tercih edilmis olsa da Chang ve dierleri, 2008
yQlQnda sermaye yapQsQnQ MIMIC model ile aQklayan bir alQsma yayQnlamQslardQr. ounlukla kayQtdQsQ ekonomi ve
yolsuzluk alQsmalarQnda kullanQlan Mimic Model'in bu kullanQmQ literatre farklQ bir bakQs aQsQ kazanmQstQr.
Mimic Model'in alternatiflerine gre stnlkleri mevcuttur. Gizil deiskene etki eden birden fazla neden
deiskenini kullanmaya ve bunlarQn nisb anlamlQlQklarQnQ belirlemeye olanak salarken, aynQ anda gizil deiskenin
etkinliinin birka farklQ gsterge deiskenini de hesaba katabilir. Modelin teorik yapQsQ da bu durumu net bir sekilde
gstermektedir.
MIMIC model esitlikleri,
Y = + (1)
= X + (2)
seklindedir. y' = (y
1, y2, ..., yn) deiskenleri, "" gizil deiskeninin gstergeleri (ounlukla kayQtdQsQ ekonomi ya da
rsvet olarak alQnQr); x' = (x1, x2, ..., xq) deiskenleri ise, "" gizil deiskeninin neden deiskenleridir. LISREL bakQs
aQsQyla, Esitlik (1) iin lm modeli olarak, Esitlik (2) ise iin yapQsal model olarak kabul edilebilir (Jreskog,
Srbom, 1993).
YapQsal modelden gizil deiskene iliskin herhangi bir tahmin yapmak sz konusu olamamaktadQr. Bu nedenle lm
modeli ve yapQsal model asaQdaki biimde indirgenir belirler (Baldemir, zko ve Isi, 2009).
Y = y'X + + ,
=HX + z (3)
Indirgenmis modelde, Esitlik (3)'de, katsayQ matrisi H= y' ve uzaklQk vektr z = + biimindedir (Savasan,
2003). AyrQca, cov(z) = ' + O c ve = var() 'dQr. O c ise c'nun diagonal kovaryans matrisidir.
Bu alQsmada, Trkiyede faaliyet gsteren sigorta sirketlerinin sermaye yapQsQ incelenirken Mimic modelin alternatif
analizlere gre stnlklerinden faydalanmak amalanmQstQr. 2002-2011 yQllarQ arasQnda Trkiyede faaliyet gsteren
sigorta sirketlerinin Hazine MstesarlQQndan alQnan gelir tablosu ve bilanolarQ kullanQlmQstQr.

Titman ve Wessels ile Chang, Lee ve Leenin alNsmalarNndan yola Nkarak, neden deiskenleri olarak byme,
teklik, bor dNsN vergi kalkanN, teminat deeri, krlNlNk, oynaklNk ve endstri deiskenleri alNnmNstNr. Gsterge
deiskenleri olarak ise uzun vadeli bor, kNsa vadeli bor ve dnstrlebilir bor deiskenleri kullanNlmNstNr.
KAYNAKLAR:
[1] Savasan, F. (2003), Modelling The Underground Economy in Turkey : Randomized Response and MIMIC
Models, Journal of Economics, v.XXIX, No.1, pp.47-76.
[2] Giles, D. (1998), Modelling The Hidden Economy and The Tax-gap n New Zealand, Econometrics Working
Paper EWP 9810.
[3] Chang, C., Lee, A. and Lee, C. (2009), Determinants of capital structure choice: A structural equation modeling
approach, The Quarterly Review of Economics and Finance 49, 197-213.
[4] Baldemir, E., zko, H. ve Isi, . (2009), MIMIC Model ve Yolsuzluk zerine Trkiye UygulamasN, Dokuz
Eyll niversitesi Iktisadi ve Idari Bilimler Fakltesi Dergisi, Cilt: 24, SayN:2, 49-63.
[5] Jreskog, K., Srbom, D. (1993), LISREL 8: Structural Equation Modeling with the SIMPLIS Command
Language, SSI Scientific Software International, Chicago.
ABSTRACT
AN ANALYSIS OF CAPITAL STRUCTURE CHOICE OF INSURANCE COMPANIES IN TURKEY BY
USING MIMIC MODEL
Modigliani and Miller published an important paper about capital structure choice in 1958 and then Titman and
Wessels published a paper about this issue using regression analysis in 1988. Chang and others used Mimic Model
and published a paper in 2008. Mimic Model has some advantages in comparison to other analysis. In this paper, we
analysed capital structure choice of insurance companies in Turkey between 2002 and 2011. We used growth,
uniqueness, non-debt tax shields, assets colleteral value, earnings volatility, profitability, industry classification as
cause variables and used long-term debt, short-term debt and colletarel value as indicator variables.
Key Words: Mimic Model, capital structure choice, insurance


BLDR OTURUMLARI 1
SESSION 1
Zaman Serileri 1


SALAM BULANIK C-REGRESYON MODEL VE OTOREGRESF MODELLERN NGRSNE
UYGULANMASI - SMLASYON ALIMASI
Ayta PEKMEZCI, Nevin GLER
Mula SBtkB Koman niversitesi, Fen Fakltesi, Istatistik Blm, Ktekli, Mula
aytac0803@mu.edu.tr, nguler@mu.edu.tr
Otoregressif Modeller
Otoregressif modeller, bir zaman serisinin gemiste gzlenen deerlerinden yararlanarak gelecek deerlerini tahmin
etmek iin kullanBlmaktadBr.
1 2
, ,...,
n
y y y seklinde bir zaman serisi dsnldnde p. gecikmeli otoregressif
model asaBdaki gibi tanBmlanmaktadBr:
0 1 1 2 2
...
i i i p i p i
y y y y

= + + + + + (1)
Burada
i
y , i. zamanda baBmlB deiskenin deerini,
0 1
{ , ,..., }
p
tahmin edilecek parametre vektrn,
i
ise 0
ortalama ve
2
varyansla normal daBlan hata vektrn gstermektedir.
Otoregressif modeller zaman serisi tahmininde kullanBlan en basit modelleme aracB olmasBna ramen, zaman
serisinin dorusal olmamasB, veri sayBsBnBn az olmasB, olasBlBk varsayBmlarBnBn salanmamasB gibi durumlarda
kullanBlamamaktadBr. Bu gibi durumlarda bulanBk mantBk, yapay sinir alarB gibi esnek hesaplama teknikleri son
zamanlarda yaygBn olarak kullanBlmaktadBr.
Salam Bulan*k C-Regresyon Model
Hathaway and Bezdek (1993) [1], prototipi girdi uzayBnBn (
k
x ) bir fonksiyonuna (x )
k
f karsBlBk gelen kmeleri
teshis edebilmek amacByla BulanBk C-Regresyon Modeli (BCRM) gelistirmistir. Burada (x )
k
f i (1) esitliinde
verildii gibi tanBmlamak mmkndr. DolayBsByla, BCRMin
1 2
(Y , Y ,..., Y )
p
ile Y arasBndaki iliskiyi tahmin
etmek iin kullanBlabilecei aBktBr. Nitekim su ana kadar yapBlan alBsmalar BCRMin veri setinin zellikle
birbirinden farklB daBlBmlara sahip olmasB ve (veya) baBmsBz deiskenler ile baBmlB deisken arasBndaki iliskin
dorusal olmayan bir yapBda olmasB durumunda olduka basarBlB sonular verdiini gstermistir [2][3]. Ancak
BCRM veri setinde yer alan aykBrB ve grltl noktalardan olduka etkilenmektedir. Salam BulanBk C-Regresyon
Model (SBCRM) [4] BCRMin avantajlarBnB da koruyarak, hem veri setinde yer alan aykBrB deerleri teshis etmek
hem de bu deerlerin modellere etkisini azaltmak iin gelistirilmistir. SBCRM asaBdaki gibi verilen ama
fonksiyonunun minimize edilmesine dayanBr:
1 1
1
(U, ) (x , )
c n
m
i ik ik k i q
i k k
J u d
w

= =
=
(2)
Burada n veri noktasB sayBsBnB,
1
n
k
k
w w
=
=
veri setindeki noktalarBn toplam aBrlBBnB gstermektedir. (2)

esitliinde verilen ama fonksiyonu minimize edildiinde
i
parametre vektr,U yelik deerleri matrisi ve
W aBrlBk matrisi iin elde edilen esitlikler asaBdaki gibidir:
1
1 1 1
[X WX ]
T
i i i
X WY

= (3)

Burada Wi kegen elemanlarL uik/wik
q
karLlLk gelen diyagonal bir matristir, X1 ise gecikmeli deerlerden oluan
matrise 1 stununun eklenmesiyle oluturulmaktadLr.

1
1
1
1 ( )
c
m
ij ij ik
k
u d d
~
=
[
=
| j
\ J
(4)
1
1/(q 1)
1
1 1 1
( ; ) ( ; )
c n c
q
m m
ik ik ik k i ik ik k i
i k i
w u d x u d x w
+
+
= = =
[
[ [
| j
=
| j | j
| j
\ J \ J | j
\ J

(5)
SBCRM iteratif bir algoritmadLr. Buna gre ama fonksiyonu minimum deerine yakLnsayana kadar (3), (4) ve (5)
eitliklerinin tekrarlL olarak hesaplanmasL gerekmektedir.
Uygulama
Bu alLmada otoregressif modeller, BCRM ve SBCRM tekniklerinin gelecei tahmin etmedeki performanslarLnL
karLlatLrmak amacLyla MATLAB programL kullanLlarak her birinden 10.000 adet olmak zere AR(1), AR(2) ve
AR(3) serileri retilecektir. retilen serilerin her birine byk hata model [5] kullanLlarak grltl ve aykLrL
noktalar eklenecektir. KarLlatLrma kriteri olarak Ortalama Hata Kareler ve Ortalama Mutlak Yzde Hata kriterleri
kullanLlacaktLr.
KAYNAKLAR
[1] Hathaway, R.J., Bezdek, J.C., 1993. Switching Regression models and fuzzy clustering, IEEE Transactions on
Fuzzy Systems, 1, (3):195-204.
[2] Gler, N., BulanLk Kmeleme Analizi ve BulanLk Modellemeye UygulamalarL, Y.Lisans Tezi, Mula
niversitesi, Fen Bilimleri Enstits, Mula, 2006.
[3] Gler, N.,Olabilirlikli ve BulanLk Kmelemeye Dayanan Modelleme Teknikleri ve YazLlLm Gvenilirliinin
Tahminine UygulanmasL, Mula SLtkL Koman niversitesi, Fen Bilimleri Enstits, 2012.
[4] Shen H., Yang, J. Wang, S., 2004. Outlier Detecting in Fuzzy Switching Regression Models, Lecture Notes in
Computer Science, Springer-Verlag GmbH, 3192:208-215.
[5] Frigui, H., Krishnapuram, R., 1999, A Robust Competitive Clustering Algorithm with Application in
Computer Vision. IEEE Transactions on Pattern Analysis and Machine Intelligence, 21: 450-465.

ABSTRACT
ROBUST FUZZY C-REGRESSION MODEL AND APPLICATION TO FORECASTING OF
AUTOREGRESSIVE MODEL A SIMULATION STUDY
In this study, Fuzzy C-Regression Model, Switching Fuzzy C-Regression Model and Autoregressive models are
applied to forecasting of autoregressive models. For this aim, 30.000 number of data set are generated by using
MATLAB program. The forecasting performances of these methods are compared according to Mean Absolute
Percentage Error (MAPE) and Mean Square Error (MSE).

Key Words: Fuzzy C-Regression Model, Robust Fuzzy C-Regression Model, Autoregressive models


YAPAY SNR ALARINA DAYALI YKSEK DERECEDEN BULAN<K ARMA ZAMAN SERS
NGR YNTEMNN BR UYGULAMASI

Cem KOAK*, Erol EROLU
*Hitit niversitesi, SalFk Yksekokulu, 19000, orum, TRKYE,cemkocak@hotmail.com
Ondokuz MayFs niversitesi, Fen Edebiyat Fakltesi,statistik Blm,5540,Samsun,TRKYE,erole@omu.tr
Giri
Uzunca bir sre literatrde nerilen bulanFk zaman serisi ngr yntemlerinin byk ounluu bulanFk gecikmeli
(Otoregresif(AR)) deiskenlere dayandFrFlmakta, hatanFn gecikmeli (hareketli ortalamalar (MA)) deiskenleri
kullanFlmamaktadFr. Bu nedenle son yFllarda AR deiskenleri ile birlikte MA deiskenlerini de kullanan ARMA tipi
alFsmalara rastlamak mmkndr. Bu alFsmada da, Kocak [1]'Fn yapay sinir alarFna dayalF yksek dereceden
bulanFk ARMA (p,q) modelinin literatrdeki bulanFk AR modellerine gre stn ynlerini gstermeyi amalayan bir
uygulama yapFlmFstFr. Kocak [1]'Fn bulanFk ARMA(p,q) modelinin avantajlarF asaFdaki gibi sFralanabilir.
zmlemede, AR deiskenleri ile beraber MA deiskenlerinin de kullanFlmasF ile bulanFk AR
yntemlerinde yapFlan model belirleme hatasF ortadan kaldFrFlmaktadFr.
Hem AR deiskeni hem de MA deiskeni yksek dereceden olduundan, literatrde gelistirilen birinci ve
yksek dereceden bulanFk AR modellerine gre daha ok bilgi ile zmleme yapFlmasF sz konusudur. Bu durum,
ngr performansFnF artFrmayF salamaktadFr.
BulanFk iliski belirlemede yapay sinir alarFnFn kullanFmF Chen [2,3] yntemlerindeki bulanFk mantFk grup
iliski tablolarFnFn olusturulmasFndaki karmasFklFF ortadan kaldFrmFs ve ngr performansFnF artFrmada etkili
olmustur.

Bu alFsmada, Kocak [1]'Fn yntemini, literatrdeki dier bulanFk zaman serisi yntemleri ile karsFlastFrmak amacFyla
Trkiye Cumhuriyeti Merkez BankasFnFn resmi Web sitesinden alFnan 2009 yFlFna ait altFn fiyatlarF zaman serisi
kullanFlmFstFr. AltFn fiyatlarFnFn son 15 gzlemi ve son 30 gzlemi test kmesi olarak alFnarak 2 farklF uygulama
yapFlmFstFr. Bu uygulamalardan test kmesi sayFsF 30 iin alFsmada kullanFlan yntemlerden en iyi ngrlere sahip
5 adet yntem iin elde edilen Performans deerleri izelge 1'de verilmistir.
izelge 1. Yntemlerin en iyi sonular< iin alt<n fiyatlar<n<n 30 gzlemli test kmesi iin elde edilen
performanslar<
Performans
C
h
e
n

[
2
]

C
h
e
n

[
3
]

H
u
a
r
n
g

[
4
]

A
l
a
d
a

v
d
.

[
5
]

K
o
c
a
k

[
1
]
*

Hata Kareler OrtalamasFnFn Karekk (HKOK) 1031,12 857,34 1045,23 1003,50 752,48
Ortalama Mutlak Yzdelik Hata (OMYH) 0,01512 0,01245 0,01530 0,01382 0,01050
Yn Doruluu (YD) 0,55172 0,51724 0,55172 0,48276 0,55172
*En yi Sonu
izelge 1. incelendiinde, Kocak [1] ynteminin 752.48 minimum HKOK, % 1.05 minimum OMYH ve % 55.17
maksimumum yn doruluu deerleri ile dier yntemlerin ngr performanslarFndan olduka uygun deerlere

sahip oldugu saptanmCtCr. Sekil 1' de ise 30 gzlemli test kmesi ile Kocak [1] yntemin ngrlerinin birbirine
olduka yakCn sonular oldugu grlmektedir.

Sekil 1. 2009 yClC altCn fiyatlarCnCn 30 gzlemli test kmesi ve Kocak [1]'in ngrlerinin grafigi fuzzy optimization
and decision making
KAYNAKLAR
[1] Kocak C. (2013), A new high order fuzzy ARMA time series forecasting method by using neural networks to
define fuzzy relations, Fuzzy optimization and Decision (Submitted Article).
[2] Chen S.M. (1996), Forecasting enrollments based on fuzzy time-series, Fuzzy Sets and Systems, vol.81,
pp.311-319.
[3] Chen S.M. (2002), Forecasting enrollments based on high order fuzzy time series, Cybernetics and Systems,
vol.33, pp.1-16.
[4] Huarng K. (2001), Effective length of intervals to improve forecasting in fuzzy time series, Fuzzy Sets and
Systems, vol.123, pp.387-394.
[5] Aladag C.H., Basaran M.A, Egrioglu E., Yolcu U, and Uslu V.R. (2009), Forecasting in high order fuzzy time
series by using neural networks to define fuzzy relations, Expert Systems with Applications, vol.36,
pp.4228-4231.
ABSTRACT
AN APPLICATION OF THE H'GH ORDER FUZZY ARMA TIME SERIES FORECASTING METHOD
BASED ON NEURAL NETWORKS
Forecasting performance in determining fuzzy relations has been substantially increased with the use of artificial
neural networks and artificial intelligence algorithms. However, the fuzzy time series forecasting methods in
literature are frequently based on fuzzy lagged (Autoregressive (AR)) variables. Inclusion of only AR variables in
the fuzzy time series forecasting models proposed in literature can cause model specification error. For this reason,
Kocak [1]has developed high order fuzzy ARMA(p,q)method by using neural networks to define fuzzy relations for
eliminating model specification error. In this study, Kocak [1]'s solution algorithm has been aimed showing the
advantages by comparison with fuzzy AR models in Literature.

Key Words: Fuzzy Time Series, Autoregressive Moving Avarage , ARMA Type, High Order

BULANIK KMELEMEYE DAYALI YEREL REGRESYON VE OTOREGRESF MODELLERN
NGRSNE UYGULANMASI

1
Nevin GLER,
2
zlem TRKSEN

1
Mula S7tk7 Koman niversitesi, Fen Fakltesi, statistik Blm, Ktekli, MULA
2
Ankara niversitesi, Fen Fakltesi, statistik Blm, Tandoan, ANKARA
nguler@mu.edu.tr, turksen@ankara.edu.tr
Yerel Regresyon
Zamana bal7 olarak elde edilen verilerin analizinde, hata deiskenleri aras7nda korelasyon (otokorelasyon) sz
konusu olmaktad7r. Bu durumda, zamanla ilgili deerlendirmeler yapmak iin parametrik regresyon analizinin
gerekli varsay7mlar7 salanamayaca7ndan, bilinmeyen yan7t fonksiyonunun tahmininde parametrik olmayan
regresyon yntemlerinden yararlan7l7r. Yerel regresyon (YR), verilere uygun model belirlenmesi amac7 ile
gelistirilmis bir parametrik olmayan regresyon yntemidir.
[ |
1 2
...
n
X X X = X ba7ms7z deisken vektr ve Y
ba7ml7 deisken lmleri aras7ndaki iliski
( )
i i i
Y f X = + , 1, 2,..., i n = (1)
ile tan7mlans7n. Burada,
( )
i
f X bilinmeyen bir dzgn fonksiyon,
i
, 0 ortalamal7 ve
2
sabit varyansl7 hata
terimleridir. Taylor teoremi gerei, herhangi bir srekli fonksiyona polinomsal yaklas7mda bulunulabilecei gz
nnde bulundurularak, YR analizine gre, bilinmeyen f fonksiyonuna basit parametrik fonksiyon ile yerel olarak
yaklas7mda bulunulabilecei varsay7l7r. f fonksiyonuna, x sorgu noktas7nda yaklas7mda bulunulacak . p
dereceden genel bir polinom yaklas7k olarak
( )
( )
0
!
k
p
i
i k
k
X x
f X
k
(2)
biiminde tan7mlan7r. (2) ile tan7ml7 fonksiyonun x sorgu noktas7ndaki YR deerinin tahmin edilmesi iin
i
,
0,1,..., k i = ile gsterilen katsay7lar7n7n bulunmas7 gerekir. Bu parametrelerin belirlenmesi
( ) ( ) ( ) ( )
2
2
2
0 1
1
argmin ...
2 !
p
n
k
k
i i i i i
R i
w x Y X x X x X x
k

=
[
= ~ + ~ + ~ + + ~
| j | |
\ J
(3)
ile tan7ml7 problemin zm ile mmkndr. Burada
( )
i
w x ,
( )
i
X x uzunluuna bal7 olarak atanan . i
gzlemin a7rl77d7r. (3) esitlii ile tan7ml7 problemin optimizasyonu sonucu
( )
1
0 1

...
k

= =

XWX XWY (4)

parametre tahminleri elde edilir. Burada, X tasarBm matrisi, W kegen elemanlarB
( )
i
w x , 1, 2,..., i n = olan
kegen aBrlBk matrisidir. Bylece,
tahmin deerlerinin belirlenmesi ile YR tahmini model denklemi ( )
f x elde
edilmi olur.
Bulan,k Kmelemeye Dayal, Yerel Regresyon
BulanBk kmeleme, veri noktalarBnBn farklB yelik dereceleri ile e zamanlB olarak birden fazla kmeye dahil
olmasBna izin veren kmeleme tekniklerini ierir. En basit ve yaygBn olarak kullanBlan bulanBk kmeleme teknii
BulanBk C-Ortalamalar algoritmasBdBr. BulanBk kmeleme algoritmalarBnBn bir ou ama fonksiyonunun minimize
edilmesine dayanBr. BCO algoritmasBna ilikin ama fonksiyonu aaBdaki ekilde tanBmlanmaktadBr:
2
1 1
( , ; ) ( ) (x )
n c
m
ik k i
k i
J U V X u v
= =
= ~
(5)
Burada
ik
u , . k veri noktasBnBn . i kmeye bulanBk yeliini, m bulanBklBk indeksini,
i
v ise . i kmenin kme
merkezini gstermektedir. BulanBk kmelemeye dayalB yerel regresyonun (YR_BK) adBmlarB u ekilde verilebilir:
Ad,m 1: BCO algoritmasB kullanarak
i
v kme merkezleri hesaplanBr.
Ad,m 2: Her bir kme merkezi YR iin sorgu noktasB (x) kabul edilerek (4) eitliine gre kme sayBsB kadar YR
modeli elde edilir.
Ad,m 3: Tm veri seti iin kme sayBsB ( c ) kadar tahmin deeri (
ki
y , 1, 2,..., k n = , 1, 2,..., i c = ) hesaplanBr.
Ad,m 4: AaBdaki eitlik kullanBlarak birletirilmi y tahmin deeri (
k
y ) hesaplanBr.
1
1
c
ki ki
i
k c
ki
i
u y
y
u
=
=
=
(6)
Burada,
ki
u BCO algoritmasBndan elde edilmektedir.
KAYNAKLAR
[1] Loader, C. R. (1999), Local Regression and Likelihood, New York: Springer.
[2] Bezdek, J.C. (1981), Pattern Recognition With Fuzzy Objective Function, Plenum Press, New York.
LOCAL REGRESSION BASED ON FUZZY CLUSTERING AND APPLICATION TO FORECASTING OF
AUTOREGRESSIVE MODELS
In this study, local regression based on fuzzy clustering (LR_FC) method is suggested for forecasting of
autoregressive models. The proposed method is applied on a data set which is related to population migration rate,
foreign population migration, and consumer price indexes of OECD countries and the obtained results are compared
with classical local regression and AR(1) models. It is seen from the analysis results that LR_FC gives at least as
good as results of classical methods with a smaller number of models.
Key Words: Local regression, local regression based on fuzzy clustering, autoregressive models.

6

PYASA RSKLERNN BELRLENMESNDE RSKE MARUZ DEER YNTEM ve BORSA
STANBULDA BR UYGULAMA
Yusuf DEMIR
*
Fatma Esin KURT
**

*
Sleyman Demirel niversitesi, Iktisadi ve Idari Bilimler Fakltesi Turizm Isletmecilii Blm Dou Kamps
32260 nr / ISPARTA, yusufdemir@sdu.edu.tr Tel: 246 2113050; Faks: +90 0246 - 237 09 20
**
Mehmet Akif Ersoy niversitesi, Fen Edebiyat Fakltesi Istatistik Blm, Istiklal Yerleskesi 15030 BURDUR,
esinkurt@mehmetakif.edu.tr Tel : +90 248 213308; Faks: +90 248 213 30 99
Riske Maruz Deer (RMD) Kavram) ve Hesaplama Yntemleri
Riske Maruz Deer (RMD) yntemi son dnemde risk ynetimi alanInda yaygIn olarak kullanIlmaktadIr. 1994te JP
Morgan tarafIndan gelistirilen bir risk ynetim teknii olan bu yntem Risk Metrics kullanImI ile gelismistir.
Isletmeler ulusal ve uluslar arasI finansal piyasalara aIldIka riskler artmakta ve etkin bir risk ynetim sisteminin
gerekli olmaktadIr.
RMD riskli bir varlIk yada portfyn, belirlenen bir gven aralIInda potansiyel kayIplarInIn hesaplanmasI esasIna
dayanan bir yntemdir. RMD hesaplamalarInda drt genel yntem kullanIlmaktadIr. Bu yntemler, Varyans-
Kovaryans Yntemi, Tarihi Yntem, Monte Carlo Simlasyonu Yntemi ve Delta-Gamma Yntemleridir.
Bu alIsmanIn amacI uygun volatilite tahmin ynteminin belirlenmesinden sonra piyasa risklerinin en uygun Riske
Maruz Deer (RMD) tahminci yntemiyle hesaplanmasIdIr. Bu hesaplama sreci, risk faktrlerinin volatilitesi,
gven dzeyi ve elde tutma sresi gibi deiskenlerin belirlenmesini iermektedir.

Finansal kurumlar portfylerini esitli enstrmanlardan olusturmaktadIrlar. Bu alIsmada olusturulan portfyde hisse
senetleri zerine younlasIlmIstIr. Hisse senetleri riskli enstrmanlar grubunda yer almakla birlikte hesaplamalardaki
karmasIklIk da fazla olmaktadIr.
RMD analizi yardImI ile Borsa Istanbulda islem gren sigorta sirketlerinin hisse senetlerinden olusturulmus
portfyn (1 Ocak 31 AralIk) on yIllIk srete riskleri llmstr. ArastIrmanIn sonularIna gre; portfyn risk
yapIsI dnemlere gre farklIlIk gstermektedir.

ekil 1. Borsa stanbula Kote Hayat, Hayat-D,, ve Bireysel Emeklilik irketlerinin 2003 2012 Y,llar, Aras,
Hisse Senetleri Gnlk Fiyat Deiim Grafii

KAYNAKLAR
[1] Demireli E. ve Taner B. (2009), Risk Ynetiminde Riske Maruz Deer Yntemleri ve Bir Uygulama, Sleyman
Demirel niversitesi IIBF Dergisi
[2] Ibragimov R. and Walden J. (2011), Value at risk and efficiency under dependence
and heavy-tailedness: models with common shocks, Ann Finance, Springer-Verlag.
[3] Jeffrey T. Tsai, Jennifer L. Wang, Larry Y. Tzeng. (2010), On the optimal product mix in life insurance
companies using conditional value at risk, Mathematics and Economics, Elsevier B.V.
[4] Tapiero, Charles S. (2010), Risk finance and asset pricing value, measurements and markets, New York: Wiley
[5] Tun G. (2010), VolatDlDty ModellDng and ForecastDng Value-at-RDsk: EvDdence from New and CandDdate
European UnDon CountrDes, Doktora Tezi, Izmir University of Economics
Anahtar Kelimeler: Riske Maruz Deer, SigortacDlDk, Piyasa Risk lm


GAUSS AKTVASYON FONKSYONUNA DAYALI ARPIMSAL NRON MODEL YAPAY SNR AI
zge GNDODU
1*
, Erol EROLU
2
, adas Hakan ALADA
3
, Ufuk YOLCU
4

1*
Cumhuriyet niversitesi, ktisadi ve dari Bilimler Fakltesi, Ekonometri Blm, 58140, Sivas, TRKYE,
E-mail: ozge5gundogdu@hotmail.com
2
Ondokuz MayNs niversitesi, Fen Edebiyat Fakltesi, statistik Blm, 55139, Samsun, TRKYE,
E-mail: erole@omu.edu.tr
3
Hacettepe niversitesi, Fen Fakltesi, statistik Blm, 06800, Ankara, TRKYE,
E-mail: aladag@hacettepe.edu.tr
4
Ankara niversitesi, Fen Fakltesi, statistik Blm, 06100, Ankara, TRKYE,
E-mail: varyansx@hotmail.com

Giri
Zaman serisi ngr problemi iin yapay sinir alarN yaygNn olarak kullanNlmaktadNr. Zaman serilerinin
zmlenmesinde farklN yapay sinir aN (YSA) trleri mevcuttur. Yadav vd. [1]de nerilen ve basarNlN ngr
sonularN reten bir YSA tr, arpNmsal nron modele dayalN yapay sinir alarNdNr (NM-YSA). Bu tr yapay sinir
alarN ara katman iermediinden, ara katman eleman sayNsN belirleme gibi problemlere de sahip deildir. Alada vd.
[2], Yolcu vd. [3] alNsmalarNnda arpNmsal nron modele dayalN farklN iki YSA ortaya koyulmustur. Tm bu NM-
YSA larda aktivasyon fonksiyonu sigmoid olarak alNnmNstNr. Radyal tabanlN aktivasyon fonksiyonu kullanan yapay
sinir alarNnNn daha basarNlN ngr sonularN rettii Aslanargun vd. [4] ve literatrdeki dier bazN alNsmalarda
gsterilmistir. Radyal tabanlN aktivasyon fonksiyonlarN dorusal olmayan problemlerin zmnde basarNlN sonular
retmesine ramen, NM-YSA larda henz kullanNlmamNstNr. Bu alNsmada NM-YSA da sigmoid aktivasyon
fonksiyonu yerine radyal tabanlN olan Gaussian aktivasyon fonksiyonu kullanNlmNstNr. YSA nNn aNrlNklarN ve
aktivasyon fonksiyonunun parametreleri garanti yakNnsamalN paracNk sr optimizasyonu (GY-PSO) ile optimize
edilmektedir. Bu alNsmanNn en nemli iki katkNsN; arpNmsal nron modelde Gaussian aktivasyon fonksiyonunun ilk
kez kullanNlmasN ve aktivasyon fonksiyonunun merkez ve yayNlNm parametrelerinin YSA nNn aNrlNklarN ile birlikte
GY-PSO ile tek bir optimizasyon sreci ierisinde tahmin edilmesidir. nerilen Gaussian aktivasyon fonksiyonuna
dayalN arpNmsal nron model yapay sinir aNnNn (RT-NM-YSA) stn ngr performansN bir gerek hayat zaman
serisine uygulanarak kanNtlanmNstNr.
2. Uygulama
RT-NM-YSA nNn performansNnNn deerlendirilmesi amacNyla literatrde sNklNkla kullanNlan bir gerek hayat zaman
serisi kullanNlmNstNr. Zaman serisi 1956-1994 yNllarN arasNnda eyreklik gzlemlenen Avusturya bira tketimi zaman
serisidir ve mega litre cinsiden deerler olarak verilmistir (Janacek [5], Sayfa 84). Toplam 148 gzlem ieren zaman
serisinin son 16 gzlemi test verisi olarak, dier gzlemler ise eitim verisi olarak kullanNlmNstNr. nerilen yntemin
performansNnNn karsNlastNrNlmasN amacNyla, nerilen yntemin yanN sNra literatrde sNklNkla kullanNlan bazN yntemler
(SARIMA-Mevsimsel Otoregresif Btnlesik Hareketli Ortalama Modeli, WMES- WintersNn arpNmsal stel
Dzlestirme Yntemi, B-YSA- leri beslemeli YSA, RT-YSA Radyal TabanlN YSA, M-YSA- arpNmsal
Mevsimsel YSA ve D&DO-YSA- Dorusal ve Dorusal Olmayan YSA) ile zaman serisi zmleme sonularN
kullanNlmNstNr. Zaman serisinin nerilen yntem dNsNndaki yntemler iin elde edilen hata ltleri (Hata Kareler
OrtalamasN Karekk-HKOK, Ortalama Mutlak Yzdelik Hata-OMYH, Mutlak Yzdelik Hata MedyanN -MdMYH)
Yolcu vd. (2013)den alNnmNs ve izelge 1de verilmistir. RT-NM-YSA nNn uygulanmasNnda uygun girdi sayNsN 1-
16 arasNnda deistirilerek deneme yanNlma yntemi ile belirlenmistir. RT-NM-YSA nNn eitiminde kullanNlan GY-
PSO nun parametreleri 1 = vmaps , 2
1
= c , 2
2
= c , 5 =
c
f , 5 =
c
s ,
6
10
= , paracNk sayNsN 30 ve
maksimum yineleme sayNsN 1000 olarak alNnmNstNr. RT-NM-YSA nNn en iyi sonucu, girdi olarak ilk 12 gecikmeli
deiskenin kullanNldNN mimariden elde edilmistir.
izelge 1. Tm Yntemlerden Elde edilen ngrler ve Performans lleri

Test Verisi SARIMA WMES IB-YSA RT-YSA M-YSA
D&DO-
YSA
RT-NM-
YSA
HKOK 47.0367 53.3295 24.1052 41.7000 22.1700 18.7888 15.8378
OMYH 0.0949 0.1072 0.0476 0.0686 0.0394 0.0357 0.0300
MdMYH 0.0980 0.1032 0.0459 0.0481 0.0328 0.0390 0.0235

KAYNAKLAR
[1] Yadav R.N., Kalra P.K. and John J. (2007). Time series prediction with single multiplicative neuron model,
Applied Soft Computing, 7, 1157-1163.
[2] Aladag C.H., Yolcu U. and Egrioglu E. (2013). A new multiplicative seasonal neural network model based on
particle swarm optimization, Neural Processing Letters, 37(3), 251-262.
[3] Yolcu U., Alada C.H. and Egrioglu E. (2013). A New Linear & Nonlinear Artificial Neural Network Model
for Time Series Forecasting, Decision Support System Journals, 54, 1340-1347.
[4] Aslanargun A., Mammadov M., Yazici B. and Yolacan S. (2007). Comparison of ARIMA, neural networks and
hybrid models in time series: tourist arrival forecasting, Journal of Statistical Computation and
Simulation, 77:1, 29-53
[5] Janacek G. (2001). Practical time series, Oxford Univ. Press Inc., New York, pp., 156.
ABSTRACT
MULTIPLICATIVE NEURON MODEL ARTIFICIAL NEURAL NETWORK BASED ON GAUSSIAN
AKTIVATION FUNCTION
Artificial neural networks (ANN) are commonly used to forecast time series. There are many kinds of ANN for
forecasting purpose. Multiplicative neuron model artificial neural network (MNM-ANN) has been used for
forecasting aim recent years. Because this neural network has only one layer and one neuron, users do not have to
determine number of neurons in the hidden layer. Sigmoid activation function has been used in the MNM-ANN, so
far. In the literature, it is shown that radial basis activation functions produce more accurate forecasts in the ANN. In
this study, new MNM-ANN which has Gaussian activation function is proposed. Weights of new MNM-ANN and
parameters of activation function are optimized by using guaranteed convergence particle swarm optimization. The
performance of the proposed method is analyzed by applying a real world time series.
Key Words: Artificial Neural Network, Multiplicative Neuron Model, Gaussian Activation Function, Forecasting,
Particle Swarm Optimization.


KOULLU VARYANS MODELLERNN YILLIK DOAL GAZ FYATLARINA UYGULANMASI
HakkE POLAT*, Fatih EMREK*, Ayse ISI**
*Eskisehir Osmangazi niversitesi Meselik Kamps Istatistik Blm /Eskisehir
**Gazi niversitesi Gazi Meslek Yksekokulu ubuk Yerleskesi ubuk/ANKARA
1. Giri
Pazar payEnEn bymesi, talebin ve kullanEmEnEn artmasE, diger bu statdeki tm enerji kaynaklarE gibi dogalgaz
fiyatlarEnEn da kErElgan ve diger dEssal degiskenlerden edilgen bir yapEya gelmesine sebep olmustur. zellikle
fiyatlarEnda meydana gelen degisimlerin incelenmesi, enerji kaynagE olarak dogalgazE kullanan kurum ve kuruluslar
iin hayati bir nem tasEmaktadEr.
Bu alEsmada da 1967-2013 yEllarE arasEndaki konut dogalgaz fiyatlarE incelenerek, duraganlEk yapEsE arastErElmEs,
zellikle gnlk fiyat veya endeks serileri gibi serilerde sEka grlen Otoregresif Kosullu Degisen Varyans (ARCH)
yapEsE ierip iermedigi arastErElmEstEr. ARCH model ailesinin zellikle gnlk veya aylEk serilere uygulanmasE
literatrde sEk karsElasElan bir durum olmasEna ragmen yEllEk serilere ok fazla uygulanmamasE, bu alEsmanEn
yapElmasEndaki drtlerden biri olmustur.
ARCH modeli Engle (1982) tarafEndan gelistirilmistir. Engle zaman serileri modellerinde ileri srlen sabit
varyanslElEk varsayEmEnE reddederek hatalarEn sabit varyanslE olmadEgEnE Ingiltere enflasyon verilerini inceleyerek
gstermistir. ARCH srecinin kullanElmaya baslamasEyla birlikte esitli uzantElarE nerilmeye baslamEstEr.
Engle 1982 yElEndaki alEsmasEnda; gemis dnem gzlem degerleri kullanElarak tahmin edilen
t
y rassal
degiskeninin degerini temsil eden kosullu olasElEk fonksiyonunu
1
( / )
t t
f y y
seklinde ifade edildigini, bu noktadan

hareketle bir sonraki dnemin tahminlenen varyansEnE da
1
( / )
t t
V y y
seklinde gstermistir. Klasik ekonometri

modellerinde kosullu varyans
1 t
y
e baglE degildir. Fakat Engle 1982 yElEndaki alEsmasEnda kosullu varyansEn

gemis dnem degerlerine de baglE oldugunu gstermistir.
2. Bulgular
0
2
4
6
8
10
12
14
16
1970 1975 1980 1985 1990 1995 2000 2005 2010
DOGALGAZ

ekil 1. 1967-2013 Doal Gaz Fiyatlar- ($)
Sekil1. incelendiginde, zellikle 1980 sonrasE dogalgaz fiyatlarEnda artan bir trend oldugu grlmstr.
Seride ARCH Etkisinin olup olmadEgEnE arastErmak iin ARCH-LM testi uygulanmEstEr. esitli gecikme degerleri
iin ARCH etkisini sEnayan test sonularE izelge 1de verilmistir.

izelge 1. eitli Gecikme Uzunluklar, in ARCH-LM Testi Sonular,
Gecikme Uzunluu P deeri
1 0,00*
2 0,001*
3 0,005*
4 0,006*
5 0,006
ARCH etkisinin varlAA eitli gecikme uzunluklarA iin test edildiinde 5 gecikmeye kadar seride ARCH etkisinin
olduu belirlenmitir. alAmanAn sonraki aamalarAnda serinin sahip olduu bu ARCH etkisinin modellenebilmesi
iin ARCH ve GARCH modelleri denenerek en uygun model belirlenmitir. AyrAca uygun olduuna karar verilen
modellerden bazAlarA iinde ngr performanslarA karAlatArAlmA ve hangi modelin ngr performansAnAn daha iyi
olduu belirlenmeye alAAlmAtAr.
Doal logaritmasA alAnmA seri iin ARMA(2,1) modeli kullanAlarak ARCH-GARCH modeli denemeleri yapAlmA ve
sonular izelge 2. de verilmitir.
izelge 2. Denenen Baz, ARCH-GARCH Modeli AIC Deerleri
Model AIC Deeri
ARCH(4) -2,082
GARCH(3,1) -2,152
E-GARCH(3,2) ASD*=2 -1,870
T-ARCH(2) (T=1) -2,070
I-GARCH(1,1) -1,933
I-GARCH(2,2) -1,83
P-GARCH(2,1) -1,889
izelge 2 incelendiinde son dnem etkilerini dikkate alan I-GARCH Modellerinin daha anlamlA sonular verdii
grlmtr ki, ilgili serinin Kartezyen grafii incelendiinde seride zellikle son dnemde daha dzensiz
dalgalanmalar grlmektedir.
KAYNAKA
www.iea.org
Engle., R., F. 1982 Autoregressive Conditional Heteroscedasticity with Estimates of the Variance of UK Inflation,
Econometrica, Vol. 50, No. 4. (Jul., 1982), pp. 987-1007.
Keywords: Volatility, Natural Gas Price, ARCH-GARCH Models

BLDR OTURUMLARI 1
SESSION 1
Statistical Methods


A GENETIC ALGORITHM FOR PORTFOLIO OPTIMIZATION

Derya TURFAN, Cagdas Hakan ALADAG, Ozgur YENIAY
Hacettepe University, Faculty of Science, Department of Statistics, Ankara, Turkey
E-mails: deryaturfan@hacettepe.edu.tr aladag@hacettepe.edu.tr yeniay@hacettepe.edu.tr

1. Introduction

Portfolio optimization is one of the most important problems in the field of finance. For solving this problem, Harry
Markowitz [4] developed mean-variance model as a quantitative tool which seeks to optimally allocation among
different assets. He presented his
famous model through quantifying portfolio return as mean and calculating variance as risk. According to the this
model, an investor aims either the minimization of an objective function representing the portfolio variance (risk)
for a given level of return or the maximization of an objective function representing the portfolio return for a given
level of risk.

N and
*
R represent the number of assets available and the desired expected return, respectively. Let
i
,
ij
,
i
w
be the expected return of asset i (i=1,,N), the covariance between assets i and j (i=1,,N; j=1,,N), the
proportion (0 s
i
w s1) held of asset i (i=1,,N), respectively. The general formulation of standard Markowitzs
mean-variance model for the portfolio selection problem:

Minimize
1 1
N N
i j ij
i j
ww
= =
(1)
subject to

*
1
N
i i
i
w R
=
=
(2)

1
1
N
i
i
w
=
=
(3)
0 s
i
w s1, i=1,, N (4)

Genetic algorithms (GAs) are a family of computational models inspired by natural evolution [2,3]. The theoretical
foundations of GAs were originally developed by Holland [1]. Stancu et al. [5] stated that in GAs, an initial
population containing constant number of chromosomes is generated randomly (regarding portfolio optimization,
each chromosome represents the weight of an individual security) and an evaluation function is formed to evaluate
the fitness of each chromosome, which defines if the chromosome represents a good solution. Using crossover,
mutation and natural selection, the population will evolve towards a population that contains only the chromosomes
with good fitness. The larger the fitness value is the better objective function the solution has. It is proven that better
solutions are obtained by GAs in solving combinatorial optimization problems like portfolio selection. The aim is to
find weights of the portfolio invested in each asset in order to maximize the portfolio return and minimize the
portfolio risk.

2. The implementation and the obtained results

The accessible 28 stocks traded in Istanbul Stock Exchange 30 Index (ISE 30) were chosen. Therefore, each
chromosome has 28 genes. The series for each stock contain weekly data between the dates 1 January 2012 and 30
June 2013. Totally 78 observations were taken as closure price for every week. The parameters of the proposed
algorithm such as population size, crossover fraction, mutation fraction and iteration bound were taken as 100, 0.5,
0.25 and 200, respectively.

In this study, to provide support to the decision makers in the process of making a choice among different options,
we propose an alternative solution approach which is based on genetic algorithms. The proposed genetic algorithm is
introduced and it is applied to a real life problem. As a result of the implementation, 100 different solutions with
different risk levels and return values are obtained and presented.

REFERENCES

[1] Holland J.H. (1975), Adaptation in natural and artificial systems: An introductory analysis with applications to
biology,control and artficial intelligence, Michigan: University of Michigan Press.
[2] Holland J.H. (1976), Adaptation. In R. Rosen & F. M. Snell (Eds.), Progress in theoretical biology, Michigan:
University of Michigan Press, 4, 263-293.
[3] Goldberg D.E. (1989), Genetic algorithms in search, optimization and machine learning, Addison-Wesley
Publishing Company.
[4] Markowitz H. (1959), Portfolio selection: efficient diversification of Envestments, New York: Wiley.
[5] Stancu S. and Predescu M.O. (2010), Genetic algorithm for the portfolio selection problem on the Romanian
capital market, Proceedings of International Conference on Engineering an Meta-Engineering, Orlando, USA, 57-60.

ZET

PORTFY OPTMZAYONU N BR GENETK ALGORTMA

Finans alanEnda karElaElan en nemli problemlerden biri portfy optimizasyonudur. Portfy ynetiminde ama,
yatErEmcEnEn getiri beklentileri ve riske karE tutumu dorultusunda, portfye dahil edilecek varlEklara ve bu
varlEklarEn oranlarEna karar vermektir. YatErEmcEnEn belirledii kEsEtlar, eldeki verilerin sayEca fazla olmasE gibi
nedenlerden dolayE zor bir problemdir. Bu nedenle portfy optimizasyonunun zm iin klasik yntemlerin yanE
sEra genetik algoritmalar gibi sezgisel algoritmalar da kullanElmaktadEr. Bu alEmada, optimal portfy oluturmak
iin Markowitzin ortalama-varyans modeline yeni bir genetik algoritma yaklaEmE uygulanmEtEr. YapElan uygulama
sonucunda, uygun bir portfy oluturmak iin yatErEmcEya, elde edilen farklE risk, getiri ve varlEklarEn oranlarEnE
ieren yatErEm alternatifleri sunulmu ve yorumlanmEtEr.

Anahtar Kelimeler: Portfy Optimizasyonu, Genetik algoritma, Risk, Getiri.


COMPARISON OF DISCRETIZATION METHODS FOR LEARNING BAYESIAN NETWORKS
Emre DNDER , Mehmet Ali CENGZ
Ondokuz MayAs University, Faculty of Science, Departmet of Statistics, Kurupelit/SAMSUN
emre.dunder@omu.edu.tr macengiz@omu.edu.tr
Bayesian Networks, also known as probabilistic belief networks or causal networks are graphical models that can
efficiently represent n-dimensional probability distributions with a directed acyclic graph. Bayesian networks are
used in many fields such as biology, medicine, chemistry etc. The advantage of BNs is their capacity for being used
both as predictive and descriptive models. In prediction they constitute an efficient tool for solving different
inference tasks. As a descriptive tool they possess the ability to efficiently represent the dependence or independence
relationships among the random variables. The construction process of the Bayesian networks is called as learning.
Learning Bayesian networks is known to be an NP-hard problem. The manual construction of BNs is a complex and
highly time-consuming task and given the increasing availability of data in many domains, one of the areas that have
seen a major activity in BN research is that of automatically learning the BN structure from data. Structure learning
becomes a problematic operation with the differences of the distributions among the continuous variables.
Bayesian networks are powerful tools for handling problems which are specified through a multivariate probability
distribution. In hybrid Bayesian networks, where both discrete and continuous variables appear simultaneously, the
continuous variables should be normally distributed. The condition of normal distribution is solved with the
discretization of the continuous variables. In this study we compared the affects of different discretization techniques
to the quality of the structure. We implemented score based and hybrid learning algorithms for learning the structure
of Bayesian networks with golden standard networks. We also applied structure learning algorithms both with
continuous and discretized datasets. Experimental results are achieved with bnlearn package in R Project.
KAYNAKLAR

1. Neapolitan R. (2003), Learning Bayesian Networks, Prentice Hall Series in Artificial Intelligence.
2. Kim H. (2012), discretization, R package version 1.0-1, URL http://cran.r
project.org/web/packages/discretization/index.html
3. Scutari M. (2011), Measures of Variability for Graphical Models, Universita degli Studi di Padova,
Dipartimento di Scienze Statistiche.
4. Cobb B. R. Rumi R. and Salmeron A. (2007), Bayesian Network Models with Discrete and Continuous
Variables, Advances in Probabilistic Graphical Models.


6

FUZZY LINEAR PROGRAMMING: AN APPLICATION
Nilfer PEKN ALAKO
a
*, Glta EROLU NAN
b
, Aysen APAYDIN
c

a
Atilim University, Faculty of Engineering, Department of Industrial Engineering, 06836-ncek, Ankara, Trkiye.
npalakoc@atilim.edu.tr
b
Ankara University, Faculty of Science, Department of Statistics, 06100-Tandoan, Ankara, Trkiye.
geroglu@ankara.edu.tr
c
aapaydIn@ankara.edu.tr

Fuzzy Linear Programming
Almost all real world problems include uncertainty. There exists many techniques for modeling or solving these
problems. The fuzzy theory is one of the popular way of handling with the uncertanity. Since 1965, when the fuzzy
set theory was first proposed by Zadeh [1], the theory has been improved by many scientists. Moreover, the
applications of the theory has been performed in many fields.
Linear programming is the most frequently used optimization tool for solving real world problems. In any linear
programming problem the aim is to minimizing or maximizing a linear objective function subject to linear
constraints. The expression in Equation 1 gives the canonical form of a linear program:
0
subject to
Minimize
=
x
b Ax
x c z
T
(1)
where x represents the vector of decision variables, c is the vector of objective function coefficients and b is the
vector of contraints right-hand sides and A is the matrix of technological coefficients. [2].

In any linear programming model, it is assummed that the data ( ) , , c A b is known exactly. However, the ( ) , , c A b
input data of real world optimization problems usually do not known exactly. The input data are usually fuzzy
because of incomplete information. Fuzzy linear programming has been suggested for these nondeterministic
situations.
The fuzzy linear programming problem is obtained by replacing the crisp numbers by fuzzy numbers. In a fuzzy
linear programming the vector c , the vector b , the matrix A or any combination of them might be defined as fuzzy
numbers.
There are several distinct techniques for solving the problems that include fuzzy information. The most popular and
commonly used approachs are Verdegays approach, Werners approach, Zimmermanns approach and Chanass
approach [3].
In this study, a review of the fuzzy linear programming approachs is presented. As an application of the FLP a real
world problem is solved by the most suitable approach.
REFERENCES

[1] Zadeh L.A. (1965), Fuzzy sets, Information and Control, 8, 338-353.

[2] Nash S.G. and Sofer A. (1996), Linear and nonlinear programming, McGraw-Hill, New York.
[3] Lai Y.J. and Hwang C.L. (1992), Fuzzy Mathematical Programming, Berlin-Heidelberg, Springer-Verlag.
[4] Tanaka, H., Okuda, T. and Asai, K. (1978), On fuzzy mathematical programming, J. Cybernetics, 3, 37-46.
[5] Zimmermann, H.J. (1983), Fuzzy mathematical programming, Comput. & Ops. Res., 10, 4, 291-298.

ZET
BULANIK DORUSAL PROGRAMLAMA: BR UYGULAMA

Gnmz dnyasDnda birok gerek hayat problemi belirsizlik iermektedir. BulanDk mantDk bu belirsizliklerle
mcadelede kullanDlan nemli tekniklerden biridir. Zadehin 1965 yDlDnda yapmD olduu alDmada bulanDk kme
teorisini aDklamDtDr. Bu tarihten sonra bulanDk mantDk eitli bilim alanlarDnda yaygDn olarak gelitirilmi ve
uygulamalarD yapDlmDtDr. Dorusal programlama problemlerinde de belirsizlik ieren durumlar bulanDk mantDk
yaklaDmlarD kullanDlarak incelenmektedir. Bu belirsizlikler bulanDk sayDlarla ifade edilelerek, bulanDk dorusal
programlama probleminin ama fonksiyonunda, kDsDtlarDnda, sa yan deerlerde olabilmektedir. Bu alDmada,
bulanDk dorusal programlama ile bir gerek hayat probleminin zlmesi hedeflenmektedir.

Anahtar Kelimeler: Dorusal programlama, BulanDk dorusal programlama, BulanDk kme teorisi, BulanDk sayDlar.


AN APPLICATION OF SHOCK MODELS TO THE INVENTORY
Aye Tansu
*
, Adeoye Olaitan

Cyprus International University, Engineering Faculty, Industrial Engineering Department, Nicosia, Cyprus
*ayset@ciu.edu.tr
ABSTRACT
The real world systems are subject to online deterioration. Yeh Lams model a new class of models called o-shock
models in which failure was dependent on the frequency of shocks. Rangan et.al presented this model by
generalizing Yeh Lams results for renewal shock arrivals and random threshold. In this paper inventory is
considered as a random. Demands occur at random and Inventory is ordered in single units.
Keywords - Inventory, o- model, random threshold
1. INTRODUCTION
This study involves the inventory application. In such a modeling approach, each order has a random lead time
similar to a - shock model. If the time between demands is less than i , the demand is satisfied. If the time between
demands is greater than i then demands are not satisfied. In such a modeling approach, a system is subject to
randomly occurring demands, each of which adds a nonnegative random quantity to the accumulated demand
process {W (t), t 0}.
Study has shown that systems are likely to experience demand if the time between two successive demand is very
small. While the earlier shock models concentrated solely on the magnitude of the damage caused by the shocks,
Yeh Lam and Zhangs model paid attention to the frequency of the shocks. Recently A. Rangan and A. Tansu [1] got
some results on a new class of shock model by analyzing the statistical characteristics of o shock model, thereby
establishing an optimal replacement and repair model for deteriorating systems.
In this paper the demand is considered instead of shock arrivals. It analyzes the existing models and uses demand as
a random instead of shock, and ordering inventory in single units.
2. NOTATION USED
Z: Random variable denoting the time between two successive demands.
z(.), Fz(.), (.)
Z
F : Probability density, Cumulative distribution, and survivor function of Z.
i = Random variable denoting the random lead time.
gI(.), GI(.), Probability density, Cumulative distribution and survivor function of I.
) (t W : Random variable denoting time between two successive orders.
kw(t), Kw(t), : Probability density, Cumulative distribution and survivor functions of W.
N(t): Counting variable denoting the number of ordered inventory in (0, t).

M (t) = E{N (t)}.
Lf(s): Laplace transform of the density function of (t).
3. THE MODEL ASSUMPTION
The model is governed by the following assumptions:
A1. A new system is put on operation at time t = 0. The system on demand is satisfied and the times are assumed to
take negligible amount of time. The system is inventory ordered at a fixed time T, which is the decision variable.
A2. The system is subject to demands. The time between demands Z is assumed to be independently and identically
distributed with distribution function FZ.(.).
A3. The demand is satisfied if the time between demands is less then random lead time i , and demands are not
satisfied if the time between demands is greater than random lead time i .
A4. The satisfying orders of systems take negligible amount of time to complete.
A5. Threshold value I is a random variable with distribution function GI.
A6. The demands and random lead time are independent of each other.
A7. A typical sample path of the operation of the system under the stated assumptions when the threshold value I is a
constant i is given in the Figure below.

X- Demand
X- Ordered inventory
Fig.1. A typical sample path of the operation of the system
4. CONCLUSION
The paper focused on the frequency of demand to the system while the ordering is done if the demand is necessary.
Demands occur at random and inventory ordered in single units. Two models are considered. In the first one the
demands are assumed to be exponentially distributed while in the second model the demands are uniformly
distributed. The different demand arrival distributions can be done and demand satisfaction can be analyzed
according to the distributions.
REFERENCES
[1] A. Rangan and A. Tansu Some Results on a New Class of Shock Models, Asia-Pacific Journal of Operational
Research.vol 27, no 4 pp 503-515.

6

THE POLICY DETERMNANTS OF THE REGIONAL DISPARITIES IN THE HIGHER EDUCATION IN
MATHEMATICAL SCIENCES: A MULTIVARIATE CASE STUDY OF LESSONS TO BE DRAWN
FROM THE PRIVATIZATION EFFORTS OF THE TURKISH HIGHER EDUCATION SYSTEM WITH
SPECIAL REFERENCE TO STATISTICAL SCIENCES.
Erkan Abdlgaffar AAOLU
Yeditepe University, Faculty of Economic and Administrative Sciences,The Department of Business
Administration34755 KayIsdaI Campus, stanbul, Turkey
agaoglu@ yeditepe.edu.tr; agaoglu_ag@yahoo.com
With the initiation of its first foundation university in 1985, Turkey had 31 universities in total during 1990. At the
beginning of year 2011, however, there were 166 universities (including 9 private vocational schools). 102 of these
were public universities (61.45%); 55 (33.50%) were initiated by foundations; and there were 9 (5.40%) private
vocational schools of higher education. Student population of the foundation universities was expected to approach
10% of the total. Although the phenomenon is relatively very new and expanding on a very rapid speed, it serves as
an extremely important primary academic learning exercise
This research focuses on drawing lessons from the Mathematical Sciences Education perspective of the said
learning exercise, drawn from the Faculties of Arts and Sciences with programs placing students with the same
type of examination scores. Within this perspective and background characteristics, this study would serve as the
very first of its nature in the Turkish literature of higher education.
Student selection characteristics of the Turkish University Entrance Examination System (SYS), however, is
oriented to department wise (academic program wise) selections utilizing various test modules, which makes it
almost impossible for all Mathematical Sciences to be placed with,n the same data matrix. We therefore pick up
Statistical Sciences as a prototype, and place them within the cluster of programs taking student inputs with the
same type of examination scores. The analysis of the science cluster programs of Faculties of Arts and Sciences, or
simply Faculties of Sciences is based upon Physics, Chemistry, Mathematics, Biology, and Statistics. We, on the
other hand, bring programs of the Faculties of Administrative Sciences and Economics side by side, and analyze
Econometrics which lies within these faculties with different placement criterions. n comparison to the scince
cluster.
We base this initial study upon bench marking Business Administration and Economics Departments of the
universities as a non mathematical science cluster to compare and contrast Econometrics programs of these
faculties. The advantage of such a selection is that almost all universities tend to have these favorite departments in
their portfolios. Thus, it is possible to handle Statistical Sciences without any missing data problem; moreover
such a minimum missing data approach would easily avoid any Validity and Reliability problems, which are
mostly confronted in quantitative approach such as of this study. Most importantly, this approach is very much in
line with the theme of this conference; intending to have a session on Statistics Education. Such a motive will help
us to initiate an inventory perspective within the Turkish Higher Education System, which would then be able to
provide a strategic planning base for micro and macro analysis. Further strength of this study is that it cross checks
the regional attraction clusters for the above domain.
The next very basic aim of this study is to cluster the above population of university departments in accordance with
Turkish Geographical Regions, namely, Black Sea, East Anatolia, Central Anatolia, South-East Anatolia,
Mediterranean, Aegean, and Marmara regions, with reference to the Regional Prosperity Index of the Turkish State
Planning Organization. All institutions of the Higher Education are then catagorized according to the above clusters.
Each iteration in the above analysis is repeated region wise; and the profile is interpreted through comprehensive

6

Descriptive Statistics, and also by Chi-Square test. Firstly, data for both 2003 and 2009 is subjected to a
Multiple Regression run; further elaborated through Logit & Probit analysis, for grouping of Foundation and
Public Universities. The general regression model is run with Entrance Scores for the considered Departments as
Dependent Variable(Y); Population(X1), Turkish State Planning Organization Prosperity Index of the State(X2), and
the percentage of seats filled by SYM(X3) as independent variables. The run is then replicated for 0-1 dummy-
dependent variable; with 0s for foundation and 1s for public universities. Results indicate an increasing tendency
of student preferences for populated regions, with an increasing impact for larger Economic Prosperity Regions,
thus rendering plenty of evidence for Regional Disparities. The regional implications of

such an early warning model give very important repurcussions for Strategic Planning dilemma within the Turkish
Higher Education System, and renders enormous re-planning as well as growth potential for further research. . Low
levels of Type I, and Type II errors, with strong descriptive statistics results are encouraging, reflecting prospects for
further platforms, which may include cross cultural studies. Further research could also be possible with the
inclusion of TRNC Universities, Foreign Universities on the list of SYM, full coverage of vocational school
departments, and many other areas. The study also depicts important repurcussions of Statistics Education and
Econometrics Education under two different platforms. In this respect, this study can be counted as the first
academic platform assess the SEI (Statistics Education Inventory).
In short, the study clearly indicate that the bottleneck do exist, and such a bottleneck exists when the competition in
the higher education industry is Imperfect due to the presence of two groups with conflicting competitive edges.
Any policy orientation what-so-ever, needs to concentrate upon this dilemma, and take corrective actions before any
long term macro-based strategy can be designated for long terms, for example, beyond 2023. This study is expected
to be the major theme of any other research intending to cover Inventorial perspective of the Turkish Higher
Education System.
Key Words: Analysis of Higher Education and Research Institutions; Regional Economic Development and
Development Disparities; Education and Research Institutions; Turkish Higher Education System; Mathematical
Sciences; Econometrics; Statistical Sciences; Discriminant Analysis; Turkish Foundation Universities; Turkish
Public Universities; Quality of Public and Private Education Systems; Strategic Planning of the Higher Education,
Early Warning Models.


6

SOME ASPECTS OF SIMULATION WITH STOCHASTIC INVESTMENT MODELS
ule AHIN, Hacettepe University, Beytepe, Ankara, Turkey, sule@hacettepe.edu.tr
A.David WILKIE, InQA Actuarial Software, Bournemouth, UK, david.wilkie@inqa.com
Introduction
In this paper we describe some of the theoretical and practical aspects of the Monte Carlo simulation of an
investment model. We discuss the input and output set of variables of the models and different ways of simulation.
We also discuss the initial conditions required defining the neutral initial conditions and neutralised parameters
which are found based on the neutral initial condition. Finally we suggest using additional information in the first
periods of the simulation to adjust the formulaeor parameters for a limited select period. We use Wilkie model as
an example but most of the aspects apply to any similar model used over time.
Wilkie Model
Wilkie model is a stochastic investment model developed by A. D. Wilkie which describes the behaviour of various
economic factors such as price inflation, wage inflation, dividend yields, share dividends, long term and short term
interest rates [2][3][4]. We use Wilkie model to describe the aspects of the Monte Carlo simulation of the stochastic
investment models as an example.
Practical and Theoretical Aspects
In this paper we consider the following aspects of the Monte Carlo simulation of the stochastic investment models.
3.1. Monte Carlo Simulation
Monte Carlo simulation is one of the common features of stochastic investment models. The models in general
cannot be treated analytically, except in limited circumstances but they are designed to be used in Monte Carlo
simulation exercises [1].
3.2. Initial Conditions
Every stochastic investment model needs some values of the state space at time t=0. These values are called initial
conditions. Lee and Wilkie introduced the neutral initial conditions and neutralised parameters [1]. Neural
initial conditions might be mean values for linear models and median or long run means for the non linear models.
3.3. Select Period
Economic period the models cover affects the parameters of the models. For example Wilkie model forecast of
inflation is based on the history of inflation itself and it has a relatively high standard deviation. The standard
deviation of the forecast for the rate of inflation in the Wilkie model over one year ahead is the same as over any
future year and this might be criticized because for short term forecasts the standard deviation can be considered as
relatively high. To overcome this problem we propose adjusted parameters for the short term which Lee and Wilkie
named as select period.
REFERENCES
[1] Lee P.J. and Wilkie A.D. (2000), A Comparison of Stochastic Asset Models, Proceedings of the 10
th
AFIR
Colloquium, Tromsoe.
[2] Wilkie A.D. (1986), A Stochastic Investment Model for Actuarial Use, Transactions of the Faculty of Actuaries,
39, 341-381.

6

[3] Wilkie A.D. (1995), More on a stochastic asset model for actuarial use, British Actuarial Journal, I, 777-964.
[4] Wilkie A.D., Sahin S., Cairns A., Kleinow T., (2010), Yet More on a Stochastic Economic Model: Part 1:
Updating and Refitting, 1995 to 2009, Annals of Actuarial Sciences, 5(1), 53-99.

ABSTRACT
SOME ASPECTS OF SIMULATION WITH STOCHASTIC INVESTMENT MODELS

Monte Carlo simulation of an investment model defined by a set of time series formula requires consideration of a
number of practical and theoretical aspects. In this paper we describe some of them, using the Wilkie model as an
example. We discuss the variables that can form the working set, the input set and the output set, all of which may
be different. There are different ways of simulating, either in a linear parallel structure or in a branching tree
structure. We then discuss the initial conditions required, which may be market conditions at some date, or may be
neutral initial conditions, which may be defined in different ways. What we call neutralizing parameters may
have role, and we discuss how these may be found. Finally we suggest using additional information in the first
periods of the simulation to adjust the formulaeor parameters for a limited select period. Although the Wilkie
model is used as an example, most of the aspects apply to any similar model used for simulation over time.
Key Words: Stochastic investment models, initial conditions, Monte Carlo simulation, select period, Wilkie model.


6

BLDR OTURUMLARI 1
SESSION 1
Olaslk ve Stokastik Sreler


6

BTNLEK REKOR DEERLER
Agh KOZAN*, Halil TANIL

Ege niversitesi, Fen Fakltesi, Istatistik Blm, 35100, B-Blok, Kat:2, Bornova, Izmir, Trkiye
agah.kozan@ege.edu.tr, halil.tanil@ege.edu.tr
Giri
Klasik Rekor Model ile ilgili ilk alGsmayG 1952de Chandler yapmGstGr. Kendisi, rekor deerlerin stokastik
davranGslarGnG incelemistir. O gnden bu yana bu alanda pek ok alGsma yapGlmGstGr.
Klasik rekor modelin tanGmGna gre,
{X
i
}
iN
+
, birbirinden baGmsGz ve aynG srekli ( ) F x daGlGm
fonksiyonu ve ( ) f x olasGlGk younluk fonksiyonuna sahip rasgele deiskenler dizisi olmak zere,
j
X gzlemi,
kendinden nceki tm gzlemleri asGyorsa buna st Rekor Deer ve kendinden nceki tm gzlemlerden kk
oluyorsa Alt Rekor Deer adG verilir [1].
Klasik rekorlarGn yanG sGra, bazG alGsmalarda, sadece o ana kadar meydana gelen en byk ve en kk deer ikilisi
kayGt altGna alGnmak istenebilir. Bu sekilde toplanan deerlere ise literatrde Gncel Rekorlar adG verilmektedir.
'
n
L ve
'
n
U , sGrasGyla gncel alt ve st rekor deerleri gstersin. BaslangGtaki gncel alt ve st rekor deerler
birbirine esittir,
' '
0 0 1
L U X = = .
' '
( , )
n n
L U aralGG Rekor KapsamG (Record Coverage) ve
' '
n n n
R U L = deeri
ise Rekor AGklGG (Record Range) olarak adlandGrGlmaktadGr.
i
X dizisinde alt veya st rekor meydana geldiinde
yeni bir Rekor AGklGG meydana gelecei aGka grlmektedir [2].
Bu alGsmada yukarGdakine benzer bir sekilde, zaman ierisinde meydana gelen alt ve st rekor deerlerin bir arada
toplanGp sGralanmasGyla olusturulan listeye ait sGralanmGs rasgele deiskenlerin ortak daGlGmG ile ilgilenilmistir.
Bir arastGrmacG, ilgilendii sistemin performansGnG sadece st veya sadece alt rekor deerler listesine dayalG olarak
deil de her iki listenin de btnlesik bir yapG ierisinde bulunduu bir model ile deerlendirmek isteyebilir. Bylesi
bir durumda, nerdiimiz model geerli olacaktGr. rnein, bir arastGrmacG kuraklGk ve sel gibi yaGsa balG olarak
nlem alGnmasG gereken iki olaanst durumu birbirinden ayGrmak istemeyebilir.
Tan"m: i zaman indeksi olmak zere,
}
N
X
i
i
X
+
= , birbirinden baGmsGz ve aynG F daGlGmlG rasgele

deiskenler dizisi olsun. (1) 1 = , (2) 2 = ve 3,..., r n = iin;
}
1: ( 1) ( 1): ( 1)
( ) min ( 1) : veya
i r i r r
r i r X X X X
~ ~ ~
= > ~ < > r nci Btnleik Rekor Zaman" olmak
zere,
}
( )
1,...,
r
r n
X
=
rasgele deiskenleri Btnleik Rekor Deerler Listesi olarak adlandGrGlmaktadGr.
( ) i i
Y X
= olmak zere }
1,...,
i
i n
Y
=
listesinin sGralanmasGyla olusturulan listeye
( )
1: 2: :
...
n n n n
Y Y Y < < <
SGralanmGs Btnlesik Rekor Deerler Listesi adG verilir.
Bu alGsmada yukarGda tanGmlanan sGralanmGs btnlesik rekor deerler listesinin elemanlarGnGn ortak olasGlGk
younluk fonksiyonu incelenecektir.

KAYNAKLAR
[1]Arnold, B.C., Balakrishnan. N. and Nagaraja, H.N., 1998. Records. John Wiley & Sons, New York
[2]Houchens, R.L., 1984. Record value, theory and inference. Ph.D. Dissertation, University of California,
Riverside.
ABSTRACT
MIXED RECORD VALUES
Consider an infinite sequence of independent and identically distributed (iid) continuous random variables. We
introduce the new concept of Mixed Record Values which can be described as ordered random variables
constructed from a collection of n lower and upper record values collected in a timeline. We obtain the joint
probability density function of these n Mixed Record Values.

Key Words: Mixed records, Record value theory, Current records


GENELLETRLM BETA MDAHALEL YARI-MARKOV RASTGELE YRY SREC N
ASMPTOTK SONULAR
Tlay KESEMEN
KT, Fen Fakltesi, MatematikBlm, 61080, Trabzon tkesemen@gmail.com
Zafer KK
Trabzon zkucuk@ktu.edu.tr

isem CAL
KT, Fen Fakltesi, Matematik Blm, 61080, Trabzonocalcisem@gmail.com
Tahir KHANIYEV
TOBB Ekonomi ve Teknoloji niversitesiMhendislik Fakltesi, Endstri Mhendislii Blm
06560 Stz, Ankaratahirkhaniyev@etu.edu.tr
1.zet
Bu alFsmada, kesikli sans karFsFmlF bir yarF-Markov rastgele yrys sreci ele alFnmFstFr. Bu sre
matematiksel olarak tanFmlanmFs ve ergodik daFlFmFnFn ilk drt momenti iin kesin ifadeler elde edilmistir.
Bunlardan yararlanarak, rastgele deiskenler dizisinin daFlFmF olmak zere
parametreli genellestirilmis beta daFlFmFna sahip olmasF durumunda ve iken srecin
ergodik daFlFmFnFn ilk drt momenti iin asimptotik sonular elde edilmistir. Bunlara ilaveten, bu asimptotik
sonulardan yararlanarak, srecin ergodik daFlFmFnFn arpFklFk ve basFklFk katsayFlarF iin de asimptotik aFlFmlar
elde edilmistir. Sonunda da elde edilen asimptotik aFlFmlarFn doruluu Monte Carlo simlasyon metoduyla test
edilmistir.
2.Giri
Fizik, kimya, biyoloji ve iktisat bilim alanlarFnFn yanF sFra kuyruk, gvenilirlik, sigortacFlFk ve matematiksel finans
gibi alFsma alanlarFnda karsFlasFlan birok ilgin problemlerin incelenmesinde ve ifade edilip zlmesinde
yenileme, dll yenileme, rastgele yrys sreleri ve onlarFn esitli modifikasyonlarF genis bir lde
kullanFlmaktadFr. Fakat bu srelerin her ynyle arastFrFlmasF teorik aFdan zordur. Bu zorluu ortadan kaldFrmak
iin 1900l yFllardan sonra, ya benzetim yntemleri kullanarak bilgisayar yardFmF ile sayFsal sonular elde etmek ya
da integraller iin asimptotik yntemlere basvurularak yaklasFk ve sade ifadeler elde etmek zere iki ynde
arastFrmalar younlastFrFlmFstFr. Bunlarla ilgili son yFllarda asimptotik yntemlerin uygulanmasFna ait birok deerli
alFsmalar ortaya konulmustur ([2], [3], [4]).
Simon C. Parker (1998) genellestirilmis beta daFlFmFnF ABD`nin gelir vergisi verilerine uygulayarak pareto ve
lognormal daFlFmdan daha esnek bir yapFya sahip olduunu gstermistir [5]. Beta daFlFmFnFn byle esnek bir
yapFya sahip olmasFndan dolayF reel hayatta ortaya Fkan problemlere karsF daha fazla uyumlu olabileceinden bu
alFsmada, mdahale esidi genellestirilmis beta daFlFmF olarak ele alFnmFstFr ve sre matematiksel olarak insa
edilmistir. Srecin ergodik daFlFmFnFn ilk drt momenti iin iken terimli asimptotik aFlFmlarF elde
KT, Fen Fakltesi, Istatistik ve Bilgisayar Bilimleri Blm, 61080

6

edilmitir. AyrHca, bu asimptotik sonulardan yararlanarak, srecin ergodik daHlHmHnHn varyansH, arpHklHk ve
basHklHk katsayHlarH iin de asimptotik aHlHmlar elde edilmitir. Sonuta, Monte Carlo simlasyon yntemi
uygulanarak, ergodik momentler iin elde edilen asimptotik sonularHn doruluu test edilmitir.
Anahtar Kelimeler: YarH-Markov rastgele yry sreci, kesikli mdahale, asimptotik aHlHmlar, genelletirilmi
beta daHlHmH.

KAYNAKLAR
[1] Feller W.(1971), Introduction to Probability Theory and Its Appl. II. J. Wiley, N.Y.
[2] Kesemen T. (2013), On the semi-Markovian Random Walk With Delay and Weibull Distributed Interference of
Chance, Hacettepe Journal of Mathematics and Statistics, in press.
[3] Khaniyev T., Aksop C. (2011), Asymptotic Results for an Inventory Model of Type (s,S) With a Generalized
Beta Interference of Chance,TWMS J. App. En. Math. V.1,N.2, 223-236.
[4] Khaniyev T.A., Mammadova Z. (2006), On the Stationary Characteristics of the Extented Model of type of (s,S)
With Gaussian Distribution of Summands, Journal of Statistical Computation and Simulation, 76(10), 861-874.
[5] Parker, Simon C. (1999), The Generalized Functions for the Size Distribution of Earnings, Economics Letters,
Elsevier, 62, 2, 197-200.

ABSTRACT
ASYMPTOTIC RESULTS FOR THE SEMI-MARKOVIAN RANDOM WALK WITH GENERALIZED
BETA DISTRIBUTED INTERFERENCE OF CHANCE
In this paper a semi-Markov random walk process ( ) with a generalized beta distributed of chance is
considered. is constructed mathematically and exact formulas for the first four moments of the ergodic
distribution of the process are obtained. Using these expressions the asymptotic expansions for the first four
moments of the ergodic distribution of the process are found as when the random variable has a
generalized beta distribution with parameters , Moreover, the asymptotic expansions for
the skewness and kurtosis of the ergodic distribution of the process X(t) are established. Finally, the accuracy of the
approximation formula is tested by the Monte Carlo simulation method.

Key Words: Semi-Markov random walk process, discrete interference of chance, asymptotHc expansions,
generalized beta distribution.


KNCL REKOR DEERLER
Halil TANIL
Ege niversitesi, Fen Fakltesi, statistik Blm, B-blok, Kat:2, Bornova, zmir, Trkiye. halil.tanil@ege.edu.tr
Giri
SayIlabilir sonsuz baImsIz ve aynI srekli F daIlImlI zaman sIralI rasgele deiskenler dizisi } +

=
i i
X X
~
ile
gsterilsin. m i s s 1 iin
m
X X X ,..., ,
2 1
lere dayalI i inci sIra istatistii
m i
X
:
olsun. Rekor deerlerin tanImI ve
bu deerlere ait daIlIm teorisi, u (extreme) hava kosullarInI modelleme motivasyonu ile ilk kez Chandler (1952)
tarafIndan verilmistir. rnein,
j
X gzleminin bir st (upper) rekor deer olmasI iin
1 : 1
>
j j j
X X sartI
salanmalIdIr. AyrIca, X
~
dizisinin st rekor deer zamanlarI ( ) 1 1 = U ve 1 > r iin
( ) ( ) }
1 : 1
, 1 : min

> > =
j j j
X X r U j j r U olmak zere ilk r adet st rekor deer
( ) ( ) ( ) r U U U
X X X X < < < < ...
3 2 1
seklinde gsterilmektedir.
Dier yandan, bazI alanlarda alIsan arastIrmacIlar (rnein, yasam sigortacIlII alanInda), u deerleri aykIrI
deerler (outliers) olarak grdkleri iin rekor deerler yerine ikinci en byk (veya en kk), nc en byk
(veya en kk) gibi k IncI en byk (veya en kk) deerlerle alIsma eilimi gsterirler. ste bu motivasyonla
literatrde ilk kez Dziubdziela ve Kopociski (1976), st k -rekor deerler kavramInI tanImlamIslar ve daIlIm
teorisini vermislerdir. Literatre bakIlIrsa, st k -rekorlarIn farklI sekillerde tanImlandII grlebilir. Bizim burada
vereceimiz tanIm Arnold ve di. (1998)ne aittir: X
~
dizisinin st k -rekor zamanlarI ( ) k U
k
= 1 ve 1 > r iin
( ) ( )
( ) ( )
}
1 : 1 1
, 1 : min
+
> > =
r U k r U j k k
k k
X X r U j j r U olmak zere, ilk r adet st k -rekor deer
( ) ( ) ( ) ( ) ( ) ( ) r U k r U U k U U k U
k k k k k k
X X X
: 1 2 : 1 2 1 : 1 1
...
+ + +
< < < seklinde ifade edilir.
Bu alIsma asaIdaki gibi bir motivasyondan hareketle ortaya IkmIstIr: VarsayalIm ki, bir arastIrmacI dnya
rekorlarI listesinin her zaman glgesinde kalmIs ve bu listeye girememis en baar%l% (en iyi) dereceleri kaydetmek
ve incelemek istemektedir. Bu motivasyon kincil Rekor Deer adInI verdiimiz, nceki rekor deerler listesinde
yer almayan ve gncel rekor deere en yakIn deer seklinde tanImladIImIz yeni bir kavramI ortaya IkartmaktadIr.
Bir baska deyisle, tm rekor deerleri silinmis X
~
dizisinin rekorlarIna ikincil rekor deerler adInI vermekteyiz. Bu
tanIma gre, X
~
dizisinin ikincil st rekor deer zamanlarI ( ) } 1 , : min 1
1 : 1
> < =

j X X j S
j j j
ve 1 > r iin
( )
( )
( ) } 1 , : min
1 : 1 1
> < < =

r S j X X X j r S
j j j r S
olup, ilk r adet ikincil st rekor deer
( ) ( ) ( ) r S S S
X X X < < < ...
2 1
seklinde gsterilmistir. kincil st rekor deer kavramInI irdelemek iin asaIdaki
zaman sIralI gzlem dizisini ele alalIm:
3.0, 3.1, 2.8, 2.7, 1.5, 3.6, 0.5, 3.5, 2.9, 3.9, (1)
YukarIdaki dizinin gncel st rekor deerleri ve gncel st ikincil rekor deerleri izelge1de gsterilmistir.
izelge1. Yukar%da verilen (1) gzlem dizisinin gncel rekor ve ikincil rekorlar%
Gzlem sIra no
Gzlem deeri

Gncel st rekor
Gncel ikincil st rekor

Bu izelge dikkate alHnHrsa, ilk 11 gzlemde gncel st rekor deerin 1 . 4 ve nceki st rekor deerlerden
olusturulan listenin } 9 . 3 , 1 . 3 , 0 . 3 olduu, gncel ikincil st rekor deerin ise 4 . 3 olduu grlecektir. Yani nceki
st rekor deerler listesine girememis ve gncel st rekor deere en yakHn deerin 4 . 3 ile 9. gzlem olduu aHktHr.
st rekor deerlerin aykHrH deerler olarak grld durumda ikinci en byk deerler de aykHrH deerler olarak
algHlanabilir (veya algHlanmalHdHr). rnein, bir sayH dizinin son iki st rekoru aykHrH deer ise, bu dizinin gncel en
byk ikinci deeri de kesin olarak aykHrH deerdir. Oysa, bu dizinin gncel ikincil st rekor deeri bir aykHrH deer
olabilir veya olmayabilir. ste bu sebeple, st rekorlarH aykHrH deerler olarak gren arastHrmacHlar, 2 = k iin st k -
rekorlar yerine nerdiimiz ikincil st rekor modelini tercih edebilirler.
Bu alHsmada, yukarHda tanHmladHHmHz X
~
dizisinin ilk r adet ikincil st rekor deerlerinin ortak olasHlHk younluk
fonksiyonu yinelemeli bir yaklasHmla elde edilmis, ayrHca geerli st rekor ve geerli ikincil st rekor deerler
bilindiinde, bir sonraki ikincil st rekor deerin kosullu olasHlHk younluk fonksiyonu verilmistir.
KAYNAKLAR
[1] Arnold, B. C., Balakrishnan, N. and Nagaraja, H. N. (1998). Records, John Wiley & Sons, New York.
[2] Chandler K.N. (1952), The distribution and frequency of record values, J. Roy. Statist.
Soc. B 14, 220228.
[3] Dziubdziela W. and Kopociski W. (1976), Limiting properties of the k-th record values,
Appl. Math. 15, 187-190.
ABSTRACT
SECONDARY RECORD VALUES
Consider an infinite sequence of independent and identically distributed (iid) continuous random variables.
We introduce the new concept of "secondary record value" which is not belong to the list of previous records and
closest the current record value in this sequence. We obtain the joint probability density function (pdf) of first r
secondary record values, recursively. We also obtain the conditional pdf of next secondary record value given by the
values of current secondary record and current record.

Key Words: Secondary records, Ordinary records, Distribution theory


AIK JACKSON MODELNDE MOMENTLERN BULUNMASI
Vedat SALAM
1
, Murat SAIR
1*
,

Erdin YCESOY
1
, Mlgan ZOBU
2
,Tolga ZAMAN
1
1
Ondokuz MayLs niversitesi, Fen Edebiyat Fakltesi, statistik Ana Bilim DalL, 55139 ,Samsun, TRKYE
2
Amasya niversitesi, Fen Edebiyat Fakltesi, statistik Ana Bilim DalL, Amasya, TRKYE
E-mail: istatistikci_murat@hotmail.com
Model asamalL tipli kuyruk sistemlerinden olusur. Msteriler sisteme parametreli Poisson akLmL
ile gelmektedir. Her bir bekleme hattLnda keyfi sayLda bekleme olabilir, i. sistemin her bir kanalLnda hizmet sresi
, parametreli stel daLlLma sahiptir ve ler baLmsLzdLr, her bir msteri nce 1. sistemde
daha sonra 2. sistemde ve bunun gibi r. sistemde hizmetini bitirerek genel sistemden ayrLlLr. Bu alLsmada ve
alLnarak sistem analiz edilmis, performans lleri ve bunlarLn optimal deerleri elde edilmistir. Bununla
birlikte her asamadaki msteri sayLlarLnLn baLmsLzlLL ve her asamada kalma srelerinin baLmsLzlLL sLrasLyla iki
teorem yardLmLyla ispatlanmLstLr. AyrLca Birinci ve ikinci asamadaki toplam kalma sresinin hypostel daLlLma
uyduu gsterilmis ve momentleri elde edilmistir.
Key Words: Jackson Modeli, performans lleri, optimizasyon, hypostel daLlLm, momentler.
Finding Moments at an Open Jackson Model
Abstract: The model consists of -stage type of queuing systems. The customers arrive to system
according to Poisson distribution with parameter . There are arbitrary numbers of waiting at every waiting room,
is the service time at every channel of -th system with exponential distribution having parameters
are independent. Every customer has service at -st system and then at 2-nd system and so on
finally at -th system and leaves the main system. In this paper system is analyzed, measures of performances and
their optimal values are found supposing and . In addition the independences of number of customers
and independences of sojourn times at every stage are proved with the help of two given theorems. Also it is shown
that the total time in system at stage 1 and at stage 2 is according to hyper-exponential distribution and moments of
this distribution are obtained.
Keywords : Jackson model, measures of performances, optimization, hyper-exponential distribution, moments.
KAYNAKLAR:
[1] Bhat ,U. N., 2008, An Introduction to Queuing Theory, Boston, 2008.
[2] Harrison, J., M., and Ngyen, V., 1992, The QNET method for two-moment analysis of open queueing
Networks,Queueing sistem , 6,1-32.
[3] Holdijk, A.,and Spieksima, F., 1992, On Ergodicity And Recurrence Properties Of a Markov Chain With an
Application To an Open Jackson Network, Adv. Appl. Prob. 24,343-376.
[4] Jackson, J.R., 1957, Network of Waiting Lines, Operation Research, 5,518-524.
[5] Stewart, W. J., 2009, Probability, Markov Chains, Queues, Simulation, New Jersey.


GECKMEL VE PARETO MDAHALEL DLL YENLEME SRECNN SINIR
FONKSYONELLERNN MOMENTLER N ASMTOTK AILIMLAR
Ihsan NVER
KT, Fen Fakltesi, Matematik Blm,61080, Trabzon ihsanunver@ktu.edu.tr
Zafer KK
KT, Fen Fakltesi, Istatistik ve Bilgisayar Bilimleri Blm,61080Trabzon, zkucuk@ktu.edu.tr
Senol DEMIR
KT, Fen Fakltesi, Matematik Blm,61080,Trabzon demirsenolll@gmail.com
Tlay KESEMEN
KT, Fen Fakltesi, Matematik Blm,61080,Trabzon tkesemen@gmail.com
1.zet
Bu al;smada, gecikmeli dll yenileme sreci olarak adland;r;lan yar;-Markov bir model (X(t)) ele al;nm;s ve bu
modeli ifade eden stokastik sre matematiksel olarak insa edilmistir. Baz; zay;f kosullar alt;nda bu srecin ergodik
oldugu ispatlanm;st;r. Bunlardan yararlanarak rasgele degiskenler dizisinin dag;l;m;
parametreli pareto dag;l;m;na sahip olmas; halinde srecin baz; s;n;r fonksiyonellerinin ilk drt momentin
asimptotik a;l;mlar; iken elde edilmistir. Sonunda, Monte Carlo simlasyon metoduyla elde edilen
bu asimptotik sonular;n dogrulugu test edilmistir.
2.Giri
Kuyruk teorisi, stokastik finans, gvenirlik teorisi, matematiksel sigorta, stok kontrol teorisi, fizik ve biyoloji gibi
alanlarda birok ilgin problemler yenileme ve dll yenileme sreleri ile ifade edilmektedir. S;n;r fonksiyonelleri,
srelerin karakteristiklerinin incelemesinde byk nem tas;maktad;r. zellikle srelerin ergodik dag;l;m;n;n
incelenmesi ve baz; olas;l;k karakteristiklerinin bilinmesi iin gereklidir. Bundan dolay;, bu al;smada s;n;r
fonksiyonellerinin incelenmesine genis lde yer verilmistir.
Pareto dag;l;m;, iktisat, sosyal bilimler, fen ve geofizik olmak zere genis bir alanda uygulanabilmektedir. Bu
alanlar;n d;s;nda matematiksel sigorta teorisinin birok problemlerinde zmnde pareto dag;l;m; aktif bir sekilde
kullan;lmaktad;r. Bu al;smada mevcut al;smalardan farkl; olarak gecikmeli dll yenileme sreci ele al;nm;st;r.
Mdahaleyi ifade eden rasgele degiskeni pareto dag;l;m;na sahip olmas; durumda srecin baz; s;n;r
fonksiyonellerinin ilk drt momenti iin iken asimptotik a;l;mlar elde edilmistir. Sonra da, elde
edilen asimptotik a;l;mlar;n yard;m;yla hesaplanan moment degerlerinin, kesin degerlere ne kadar yak;n oldugunu
gstermek iin zel bir durum ele al;nm;s ve bu durum iin Monte Carlo simlasyon yntemi uygulanarak
asimptotik a;l;mlar;n dogrulugu test edilmistir.
Anahtar Kelimeler: dll yenileme sreci, s;n;r fonksiyoneli, ergodiklik, asimtotik a;l;m, simlasyon, pareto
dag;l;m;.


KAYNAKLAR
[1] Feller W.(1971), Introduction to Probability Theory and Its Applications II, John Wiley.
[2] Khaniyev T.A., Aliyev R.T., Kk Z., Bekar N.O.(2008),On the Distributions of a Renewal Reward Process and
Its Additive Functional, Mathematical and Computational Aplications, 13, 1, 41-50.
[3] Aliyev R., Bekar N.O., Khaniyev T., nver . (2010),Asymptotic Expansions for the
Moments of the Boundary Functionals of the Renewal Reward Process With a Discrete Interference of
Chance,Mathematical and Computational Aplications, 15, 1, 117-126.
ABSTRACT
ASYMPTOTIC RESULTS FOR THE MOMENTS OF THE BOUNDARY FUNCTIONALS OF THE
RENEWAL REWARD PROCESS WITH DELAY AND PARETO DISTRIBUTED INTERFERENCE OF
CHANCE
In this paper, semi-Markov, a model called as the renewal reward processes (X(t)) is considered and the stochastic
process expressed by this model is constructed mathematically. Under some weak assumptions the ergodicity of this
process is discussed. Using these results the asymptotic expansions for the first four moments of the boundary
functionals are established as when random variable has a pareto distribution with parameters
Finally, the accuracy of the approximation formula is tested by the Monte Carlo simulation method.
Key Words: Renewal reward process, boundary functional, ergodicity, asymptotic expansion, simulation, pareto
distribution.


STATSTKSEL DAILIM PARAMETRELER TAHMNLERNN EFFICIENT GLOBAL
OPTIMIZATION (EGO) LE ELDE EDLMES
Ali MERT
*
, Olgun AYDIN
Ege niversitesi, Fen Fakltesi, Istatistik Blm, 35040,Bornova, Izmir, TRKIYE.
ali.mert@ege.edu.tr
1. Bir Metamodelleme Yntemi: Kr)g)ng
Metamodel, girdi/BktB arasBnda mevcut olduu varsayBlan bir fonksiyonel yapBnBn simlasyon alBsmasB ardBndan
tahminlendii istatistiksel yaklasBmdBr. Genellikle, ilgilenilen sistemin simlasyon modeli alBsmasBnBn dahi maliyetli
ve/veya ok fazla zaman alan olduu durumlarda kullanBlmaktadBr.
Kriging yntemi, bir maden mhendisi olan D.G. Krige tarafBndan gelistirilmistir ve sBka kullanBlan metamodelleme
tekniklerinden biridir. Kriging yntemi, rasgele bir srecin bilinmeyen BktB deerlerini tahminleyebilmektedir. Elde
edilen tahmin, rasgele sreten gzlemlenen BktB deerlerinin aBrlBklB lineer kombinasyonudur. Bu aBrlBklar tahmin
edilmek istenen noktadaki girdi ile nceden BktB deerleri gzlemlenen girdi noktalarB arasBndaki uzaklBa balBdBr.
BktB deerlerinin beklenen deeri sabittir. ABrlBklar tahmin varyansBnB minimum yapmak zere elde edilir. Hali
hazBrda gzlemlenen bir BktB deeri tahminlenmek istendiinde bu deerin gzlemlenmis olan tahmin deeri elde
edilecektir. [3]
Kriging yntemi ile herhangi bir x
*
noktasBndaki BktB deeri tahmin etmek istendiinde (1)deki denklemden
yararlanBlmaktadBr.
* 1

( ) ' ' ( ) y x f r R Y F
= + (1)
Y : gzlemlenmis BktB deerleri
y : x
*
noktasBndaki BktBnBn tahmin deeri
f : girdi ve BktB deiskenleri arasBndaki iliskinin formunu gsteren vektr
: f vektrndeki deerlerin katsayBlarB

r : tahminin gereklestirilecei x
*
noktasBndaki girdi deeri ile nceden gzlemlenmis girdi
deerleri arasBndaki korelasyon vektr
R : nceden gzlemlenen girdi deerleri arasBndaki korelasyon matrisi
F : nceden gzlemlenen girdi deerlerinin f vektrne uygun hallerinden olusan matris
2. EFFICIENT GLOBAL OPTIMIZATION (EGO)
EGO yntemi optimum deerinin elde edilmesinde bazB zorluklar yasanBlan fonksiyonlarBn optimizasyonunda
kullanBlan Kriging metamodeline dayalB bir yntemdir. EGO yntemine gre optimizasyon esnasBnda fonksiyonun
kendisi yerine Kriging yntemi yardBmB ile elde edilen Expected Improvement Function (Beklenen Gelisme
Fonksiyonu) (2) kullanBlBr. Beklenen Gelisme Fonksiyonu (2) maksimize edilir ve bu islem nceden belirlenen
durdurma kuralB salanana kadar tekrar edilir [1-2].

( )
min min
min

( ) ( )
f y f y
EI f y s
s s

= + (2)
3. STATSTKSEL DAILIMLARIN PARAMETRE TAHMNNDE EGO YNTEM KULLANIMI
Istatistiksel daBlBmlarBn parametre tahmini istatistik literatrnde nemli bir yer tutmaktadBr. Bu problemi zmek
iin En Kk Kareler, En ok Olabilirlik ve Moment tahmincileri gibi yntemler kullanmak mmkndr. zellikle
ilk iki yntem kullanBlBrken esasen bir optimizasyon problemi zmek gerekmektedir. Bu problemleri bazB daBlBmlar
iin parametrik olarak zmek mmkn deildir. Bu gibi durumlarda arastBrmacBlar daha baska yntemlere ihtiya
duymaktadBrlar. EGO yntemi de bu tip zm zor olan optimizasyon problemlerini zmekte kullanBlmaktadBr.
Bu alBsmada arpBk bir daBlBm olan Genellestirilmis Gamma daBlBmB (GGD) ve simetrik bir daBlBm olan Normal
daBlBmBn parametreleri En ok Olabilirlik yntemi ile elde edilen optimizasyon problemlerinin EGO ve Genetik
Algoritma (GA) ile zm yoluyla tahminlenmeye alBsBlmBstBr. Bahsi geen daBlBslardan farklB parametre
deerlerinde ve farklB rneklem lmlerinde veri setleri tretilmistir. SonrasBnda bu veri setleri iin parametre
tahminleri gereklestirilmistir.
GGD ve Normal DaBlBm iin sonulardan bir kBsmB izelge1de gsterilmistir. Normal DaBlBmBn her iki
parametresi iin de EGO ile hem kk varyanslB hem de yanlBlBB kk tahminler elde edilmistir. GGD iin ise
EGO l ve a parametreleri tahmininde her iki kritere gre daha iyi tahminler elde etmistir. GGD nBn c parametresi
iin ise GA daha iyi sonular vermektedir.
izelge 1. 30x255 lik veri seti iin l=1, c=2, a=3 parametrelerine sahip GGD ve ,
parametrelerine sahip Normal Da4l4m iin sonular

GGD Normal Da4l4m
l c a

GA

ortalama 1,559272 1,802621 2,323802 10.048657 8.721235
varyans 0,4437419 0,3576834 0,6717297 2.64021273 1.140325864
n*varyans 13,312256 10,730503 20,151891 79.2063819 34.20977591
yanlBlBk miktarB 0,559272 0,197379 0,676198 0.048657 0.278765
EGO
ortalama 0,788 2,5564 3,4464 10.028473 8.748784
varyans 0,1675 0,223087 0,174642 2.53942873 1.139819903
n*varyans 5,025 6,692622 5,23925 76.1828618 34.1945971
yanlBlBk miktarB 0,212 0,5564 0,4464 0.028473 0.251216
KAYNAKLAR
[1] D. R. Jones, M. Schonlau and W. J. Welch(1998), Efficient Global Optimization of Expensive Black-Box
Functions, Journal of Global Optimization.

[2] M. Schonlau, (1997), Computer Experiments and Global Optimizaton PhD. Thesis. University of
Waterloo,Canada.
[3] W. van Beers (2005) Kriging Metamodeling For Simulation PhD. Thesis, Tilburg University.
OBTANNG PARAMETERS OF STATSTCAL DSTRBUTONS WTH EGO
There are various approaches to obtain parameters of a statistical distribution such as Moment, Mean Square Error
and Maximum Likelihood (ML) Estimations. The problem is actually an optimization problem and becomes
problematic for some statistical distributions. In this study, we expressed ML functions of some statistical
distributions and optimized these functions using Efficient Global Optimization (EGO) method which is based on
Kriging Metamodeling technique. We generated data sets from different distributions in different sizes and we
estimated parameter values of mentioned statistical distributions of data sets, by employing EGO. We investigated
performance of EGO for various distributions and sample sizes.

Key Words: Parameter estimation, Generalized Gamma Distribution, Normal Distribution, Maximum Likelihood,
Efficient Global Optimization.


BLDR OTURUMLARI 2
SESSION 2


OKTAN SEMEL TESTLERDE KAYIP VER MEKANZMASININ NCELENMES: BBS RNE

Ergl DEMIR
Ankara niversitesi Eitim Bilimleri Fakltesi lme ve Deerlendirme Blm
erguldemir@ankara.edu.tr

Giri
KayCp veri mekanizmasC, kayCp verilerin ve kayCp veri ieren deiskenlerin karakteristiini belirlemede, bu
belirlemeye balC olarak kullanClacak kayCp veri yntem ve analizlerinin tercihinde anahtar rol oynamaktadCr. KayCp
veri mekanizmalarC zerine bilinen ilk kavramlastCrmalar, Rubin[4] tarafCndan yapClmCstCr. Rubin, kayCp verilerin
olusmasCna yol aan sreleri, kayCp verinin sekisiz kayCp (missing at random) ve gzlenen verinin sekisiz
gzlenen (observed at random) olup olmamasCna balC olarak tanCmlanmaktadCr. Allison[1] ve Enders[3], Rubinin
olduka teknik yaklasCmlarCndan hareketle kayCp veri mekanizmalarCnC daha genel dzeyde varsayCmla
aCklamaktadCr. Buna gre bir veri setinde kayCp verilerin olusmasCnC aCklayan mekanizma; (i) Tam Sekisiz KayCp
(Missing Completely at Random), (ii) Sekisiz KayCp (Missing at Random) ve (iii) Sekisiz Olmayan KayCp (Not
Missing at Random) olarak tanCmlanan varsayCmlarla aCklanabilmektedir. Bu varsayCmlar dorultusunda kayCp veri
mekanizmasCnCn aCklanmasC, pratikte bir veri setinde yer alan kayCp verilerin ihml edilebilir (ignorable) olup
olmadCC kararCnCn verilebilmesini salamaktadCr. Tam sekisiz bir biimde olusmasC durumunda kayCp verilerin
ihmal edilmesi, sekisiz olusmasC durumunda ise kayCp veriler yerine olasClCklC deer atamasC yapClmasC mmkndr.
Sekisizliin salanmamasC durumunda ise istatistiksel kestirimin yanlClCk ierme olasClCC yksektir. KayCp veri
mekanizmasCnCn belirlenmesindeki temel sorun, gerek deerlerin bilinmiyor olmasCdCr. Bu nedenle kayCp verilerle
iliskili potansiyel bir yanlClCCnCn incelenmesi, genellikle, bazC temel deiskenler aCsCndan yanCtlayanlar ve
yanCtlamayanlar arasCnda manidar bir fark bulunup bulunmadCCnCn test edilmesi yaklasCmCna dayanmaktadCr[2, 5].
Bu alCsmanCn amacC; oktan semeli testlerde, kayCp veri olusma olasClCC ile iliskili olabilecek deiskenlerin
belirlenmesi ve bu deiskenler dzeyinde kayCp veri mekanizmasCnCn incelenmesidir.
Yntem
Bu alCsma temel arastCrma trlerinden tarama modelinde bir arastCrma olarak tasarlanmCstCr. KayCp veri
mekanizmasCna ynelik inceleme ve analizler, Mill Eitim BakanlCC (MEB) tarafCndan 2009 yClCnda uygulanan
renci BasarCsCnC Belirleme SCnavC (BBS)nCn 9A kitapCC verileri zerinde gereklestirilmistir. BBS, Trke,
Matematik, Fen Bilimleri, Sosyal Bilimler ve Ingilizce alanlarCnda 5 alt testten olusmaktadCr. Trkiyede MEB
tarafCndan ortalama 5 yClda bir, tabakalC sekisiz rnekleme ile belirlenen bir rneklem zerinde uygulanmaktadCr.
BBS 2009 uygulamasCnda her bir alt testte 15er soru ieren 9A kitapCC, Trkiyenin 30 farklC ilinde toplam
16670 9. sCnCf rencisi tarafCndan yanCtlanmCstCr. Ham veri seti zerinde doru, yanlCs ve kayCp veri sayClarCnCn yanC
sCra kayCp veri olusma olasClCC ile iliskili olabilecek cinsiyet, blge, okul tr, anne ve baba eitim dzeyi, kendini
basarClC grme dzeyi, evde ders alCsma sresi, ders dCsC destek alma sresi gibi 11 baCmsCz deisken
tanCmlanmCstCr. Bu deiskenler ile kayCp veri olusma olasClCC arasCndaki iliskiler, her bir alt testte ayrC ayrC olmak
zere CHAID analizi ile analiz edilmistir.
Bulgular
Her bir alt testte, tanCmlanan her bir deisken dzeyinde, kayCp veri miktarlarC aCsCndan manidar fark bulunduu
grlmstr. KayCp veri miktarC aCsCndan en yksek manidar fark, blge deiskenine gre ortaya CkmCstCr.
Matematik ve Ingilizce alt testleri dCsCndaki testlerde ikinci sCrada, haftalCk ders dCsC destek alma sresi gelmektedir.
Alt testlere gre farklClCk gstermekle birlikte 2, 3 ve 4. sCralarda okul tr ve cinsiyet deiskenleri gelmektedir.
Anne ve baba eitim dzeylerine gre kayCp veri miktarlarC, en dsk dzeyde manidar fark olusturmaktadCr.
Sonu
Bu alCsmada tanCmlanan 11 baCmsCz deiskenin tamamCnCn, kayCp veri olusma olasClCC ile iliskili olabilecei
belirlenmistir. KayCp veri olusma olasClCC ile en yksek iliskiyi gsteren deiskenler, basta blge deiskeni olmak

zere, ders dII destek alma durumu, okul tr, cinsiyet ve kendini baarIlI grme dzeyidir. KayIp veri oluma
olasIlII ile en dk dzeyde ilikili deikenler ise anne ve baba eitim dzeyleridir. Sz konusu ilikiler, veri
setindeki kayIplarIn TSK varsayImInI salamadIIna ynelik kanIt oluturmaktadIr. Bu deikenler dzeyinde bir
kayIp veri yanlIlIInIn bulunma olasIlII, dolayIsIyla kayIp verilerin ihml edilmesi ve elde edilecek istatistiksel
kestirimlerin yanlIlIk ierme olasIlII yksektir.

KAYNAKLAR
[1] Allison, P.D. (2002). Missing Data. California: Sage Publication, Inc.
[2] Culbertson, M.J. (2011). Is It Wrong? Handling Missing Responses in IRT. Annual Meeting of the National
Council on Measurement in Education, April 2011.
[3] Enders, C.K. (2010).Applied Missing Data Analysis. New York: The Guilford Press.
[4] Rubin, D.B. (1976). Inference and Missing Data. Biometrika, s.63, n.3, sy.581-592.
[5] Whipple, T.W. ve Muffo, J.A. (1982). Adjusting for Nonresponse Bias: The Case of an Alumni Survey. 22nd
Annual Forum of the Association for Institutional Research, May, 16-19. Denver: Cleveland State
University
ABSTRACT
MISSING DATA MECHANISM IN MULTIPLE CHOICE TESTS: THE CASE OF BBS
In this study, it is aimed at define the variables related with presence of missing data and research the missing data
mechanism with these variables. Analyses were conducted on BBS-2009 data from 16670 students. BBS (student
achievement test) has been executed by Turkish Ministry of National Education every 4 or 5 years. 11 independent
variables like region and gender and school type etc. as well as the amount of missing data were defined on the raw
data set. In the analysis, CHAID were used. As a result, there are significant differences between amount of missing
data and every independent variables level. Region is the major variable indicating a highly significant relationship
with the possibility of missing data. Mother and father education level indicate a lowest relationship. All these
relations show that missing data are not provide the MCAR mechanism. The missing data bias is likely to occur for
statistical analysis.

Key Words: missing data, missing data mechanism, MCAR, MAR, NMAR


MEDYAN PARLATMA TEKN VE UYGULAMASI

Gken EFENDOLU, Nuri ELK
Bart=n niversitesi Fen Fakltesi, Bart=n niversitesi Fen Fakltesi statistik Blm Merkez/Bart=n, statistik
Blm Merkez/Bart=n
gefendioglu@bartin.edu.tr ncelik@bartin.edu.tr
1. Medyan Parlatma Teknii
Olumsall=k tablolar=, kategorik verilerden meydana gelir ve bu tablolara dayal= temel soru sat=r ve stunlarda anlaml=
bir fark olup olmad==d=r.
Medyan Parlatma Teknii basit toplan=r modele dayal= olumsall=k tablolar=n=n analizinde kullan=lan basit
fakat direnli bir veri zmleme tekniidir. Medyan Parlatma uygulanmadan nce daha verimli sonular elde etmek
iin verilere dntrme ilemi uygulan=r. Bu dntrme ilemi esas modeli arp=msal modele dntren bir
algoritmad=r.
ki ynl tabloda deikenler birbirinden ba=ms=z olarak deimektedir ve ba=ml= deiken deikenlerin her
kombinasyonu iin ayr= gzlemlenir.
Tablo 1: ki Ynl Tablo

.

Sz edilen toplamsal Medyan Parlatma modeliyle olumsall=k tablosundaki her xij aa=daki formlle yaz=labilir;
xij= + i+ j+ cij (1)
Burada genel deer, i sat=r etkisi, j stun etkisi ve cij hata terimidir.
Medyan Parlatman=n sonucu olumsall=k tablosunu daha iyi anlamam=za yard=mc= olur. deal durumda art=klar=n s=f=r
veya s=f=ra yak=n olmas= gerekir.
2. Dntrlm Veride Medyan Parlatma
j
i
1
.
.
.
I

1 . . . . . . . . . . . . . . j
x11 . . . . . . . . . . . . . . . .. .x1j
. .
. .
. .
xI1 . . . . . . . . . . . . . . .xIJ

Veri dnstrlmesi veri n islemenin sSk kullanSlan bir adSmSdSr. Analizin diger adSmlarSndan nce dnsm
uygulamanSn; normallestirme, verinin belirli dagSlSm zelliklerine ulasmak veya analizin sonraki adSmlarSnda avantaj
saglamak gibi esitli sebepleri vardSr.
Logaritma parametrik dnsmlerin zel bir rnegidir ve g dnsm olarak adlandSrSlSr. G dnsm
asagSdaki gibi tanSmlanSr;

t(x) = (x
1) / =0

ln() =0
Dnstrlecek x degerlerinin pozitif oldugu kabul edilir. Eger veride negatif x degerleri varsa onlarS pozitif yapacak
sabit bir deger bu negatif x degerlerine eklenir.
Bununla beraber, alSsmada yapSlacak uygulamada TIK ten elde edilen gerek veri setleri kullanSlarak Medyan
Parlatma Tekniginin avantajlarS vurgulanacaktSr.
KAYNAKLAR
[1] Klawonn, F., Crull, K., Kukita, A., Pessler, F.: Median polish with power transforma-
tions as an alternative for the analysis of contingency tables with patient data. In He,
J., Liu, X., Krupinski, E., Xu, G., eds.: Health Information Science, Berlin, Springer
(2012) 25{35
[2] Berthold, M., Borgelt, C., Hoppner, F., Klawonn, F.: Guide to Intelligent Data Analysis:
How to Intelligently Make Sense of Real Data. Springer, London (2010)
[3] Tukey, J. W. (1977). Exploratory Data Analysis, Reading Massachusetts: Addison-Wesley,
[4] Hoaglin, D. C., Mosteller, F., & Tukey, J. W. (1983). Understanding robust and exploratory data analysis. New
York: Wiley..
[5] Fink, A. M. (1988), How to Polish o Median Polish, SIAM Journal on Scientifc and Statistical Computing, 9,
932940.
ABSTRACT
Median Polish is a way of analysing contingency tables based on a simple additive model. It is a basic, however a
robust method of analysing. Most of the time, the data needs to be applied a power transformation, before using the
MP algorithm to get better results. A commonly used power transformation is the logarithm which essentially
changes the underlying model to a multiplicative model. In this work, Median Polish method is applied by using a
real data set.
Key words: Median Polish Method, contingency table, power transformation

VARYANS ANALZ MODELLERNDE BAIMSIZLIK VARSAYIMIN BOZULMASININ ETKS
Jale BALBEYOLU
Gazi niversitesi Fen Fakltesi statistik Blm 06500Ankara Trkiye
balibey@gazi.edu.tr
1.Giri
Birok istatistik zmlemesinde modelde yer alan rassal hata teriminin normal da9l9ma sahip ve birbirinden
ba9ms9z olduklar9 varsay9lmaktad9r. Buna bal9 olarak yokluk hipotezini test etmek zere test istatistikleri
olusturulur. Sayet normallik varsay9m9ndan spheye dslrse veya normallik varsay9m9 gereklesmez ise
parametrik olmayan istatistik tekniklerinden yararlan9l9r.
Scarono, S ve Devenport J.M taraf9ndan yap9lan al9smada, ikinci varsay9m olan ba9ms9zl9k varsay9m9n9n
gereklesmemesinin etkisi tek faktr varyans analizinde incelenmistir. Bu al9smada, gzlem say9s9ndan ve birimler
aras9 iliskinin miktar9ndan test istatistii olan Fnin ve buna bal9 olarak I tip hatan9n deistii gsterilmistir.
Balibeyolu J.nin al9smas9nda regresyon analizi ve tekrarl9 lmelerde ba9ms9zl9k varsay9m9n9n etkisi
incelenmistir. Regresyon analizi iin varsay9mdaki bozulman9n F istatistiinde bir deisiklie yol amad99
grlmstr.
2.Teorik Gsterim
Genel lineer model
Y x = +
2
(0, , ) N I
biimindedir.
Bir varyans analizi probleminde;
1 2 3
..........
k
I P P P P = + + , 0
i j
PP = ( i j ) kosulu alt9nda ve Pi izdsm matrisi olmak zere,
herhangi bir isleme ait kareler toplam9;
/
i
Y PY KT =
biimde yaz9labilir ve,
/ 2 2
/ ( )
i
Y PY X r Pi dir.
Ayn9 biimde F istatistiinin,
/
/
/ ( )
/ ( )
i
j
Y PY P Pi
F
Y PY P Pj
= (1)
olduu bilinmektedir.
}
1 2
, ,...,
k
S x x x =

2
( , )
i j
Cov x x = i j N =
( )
i j
Cov x x = i j N
olmasH halinde S kmesine sHnHf ii korelasyonlu deiken seti denir. Birimler arasHnda baHmlHlHk var ise ;
1 1 2 2
....... V C P C P = +
k
C +
k
P
0
i
C >
i
C =0
olmasH halinde I=V olmaktadHr.
Pi ise izdm matrisi olmak zere, (1) eitliini tekrar yazarsak;
/
/
/ ( )
/ ( )
j i i
i j j
C Y PY r P
F
C Y PY P

biiminde olacaktHr.
Grld zere F istatistii
Cj
Ci
gibi bir deiime uramaktadHr.
Bu alHmada iki faktr varyans analizinde, baHmsHzlHk varsayHmHnHn bozulmasHnHn etkisi, grup ii korelasyonun
1
,
gruplar arasH korelasyonun
2
olmasH durumu iin incelenecektir.
KAYNAKLAR
[1] Balibeyolu J. (1994), Regresyon analizi ve tekrarlH lmelerde baHmsHzlHk varsayHmHndaki bozulmanHn etkisi,
Gazi niversitesi Fen Edebiyat Fakltesi Fen Bilimleri Dergisi C.4, 97109.
[2] Graybil F. (1976), An Theory and Application of The Lineer Model, Wadsworth, Publishing Company.
[3]Kenny, D., A., Judd , C., M. (1986), Concequences of violating the independence asumption in analysis variance,
Psychological Bulletin , 99(3) 422 431.
[4]Winer , B. J, (1971) Statistical Principles in Experimental Design Mc Grow-HHll.
[5] Scariano, S., Davenport, J.(1987), The effect of violation of indepence assumption in the oneway anova,
American Statistician, 41, 123-139.

ABSTRACT
THE EFFECT OF VIOLATION INDEPENDENCE ASSUMPTION IN THE ANALYSIS OF VARIANCE
MODELS

In this focuses on relationship between true types I and II error probabilities and the effects of departures from
independence assumption on hypothesis testing in anova.
Key Words: Type I Error, Correlated data, Scaled F Variable


BR BOYUTLU KESME VE ANA MALZEME SEM PROBLEM N K AMALI TAM SAYILI
PROGRAMLAMA MODEL

Nergiz KASIMBEYLI
Endstri Mhendislii Blm, Anadolu niversitesi, Iki Eyll Kamps, 26555 Eskisehir
nkasimbeyli@anadolu.ed.tr
zet
alIsmada bir boyutlu kesme ve ana malzeme seimi problemi incelenmektedir. Bu problem, belli uzunluklu
siparislerin karsIlanabilmesi iin farklI boyutlara sahip ana malzemeler iinden toplam fire miktarInI minimum
yapacak optimal kesme planInIn belirlenmesi ve bu optimal plana karsI gelen ana malzemenin seilerek stoklanmasI
problemini kapsamaktadIr. Benzer problemlerin modellenmesi ve zlmesi srecinde karsIlasIlan en byk
zorluklardan biri, problemin matematiksel modelinin olusturulmasInda kesme planlarInIn ne sekilde
olusturulabileceidir. Literatrde yapIlmIs olan arastIrmalarIn ounda kesme planlarI matematiksel modelin
parametre kmesi olarak kullanIlmIstIr. Fakat kesme planlarInIn tamamInIn bir parametre kmesi olarak
olusturulmasI olduka zor, hatta ou zaman imknsIz bir problemdir, zira ok byk olmayan problemler iin bile
kesme planI sayIsInIn sonsuz denecek kadar byk boyutlara ulastII biliniyor ki bu da problemin zm sIrasInda
byk glklere neden olmaktadIr. Bu alIsmanIn amacI, sz konusu problemin zm iin kesme planlarInI
parametre kmesi olarak kullanmayan bir matematiksel model ve bu model iin bir zm algoritmasInIn
gelistirilmesidir. alIsmada, ele alInan problem iin iki amalI tam sayIlI, kesme planlarInI parametre olarak
iermeyen bir matematiksel model gelistirilmistir. Standart optimizasyon yazIlImlarInIn modelin zmnde
zorlanabilecei gz nnde bulundurularak, bu model iin zel bir zm algoritmasI da gelistirilmistir. Gelistirilmis
olan matematiksel model ve zm algoritmasI test problemler zerinde denenmistir.
REFERENCES
[1] Kasimbeyli, N., Sara, T., Kasimbeyli, R., (2011), A two-objective mathematical model without cutting patterns
for one-dimensional assortment problems, Journal of Computational and Applied Mathematics, Vol. 235 No 16, pp.
46634674.

ABSTRACT
A TWO-OBJECTIVE INTEGER PROGRAMMING MATHEMATICAL MODEL FOR ONE-
DIMENSIONAL CUTTING AND ASSORTMENT PROBLEMS

This paper considers the one-dimensional cutting and assortment problem which includes the determination of the
number of different sizes of standard lengths to be maintained as inventory and to be used to fulfill a set of customer
orders. One of the main difficulties in formulating and solving this kind of problems is the use of cutting patterns in
the mathematical model. Many mathematical programming approaches for solving the assortment problems assume
the existence of the set of cutting patterns. The corresponding mathematical models use the cutting patterns as model
parameters. Because of a huge number of cutting patterns to be obtained for such kind of models, this leads to
computational difficulties in solving these problems. The purpose of this paper is therefore to develop a
mathematical model without the use of cutting patterns as a parameter set. In this paper, a two objective integer
programming model is developed for solving a one-dimensional cutting and assortment problem with two or more
types of stock lengths. We suggest a special solution method. The mathematical model and the solution approach are
demonstrated on test problems.
Key Words: Cutting Problem, One-Dimensioanl Assortment Problem, Multi-Objective Optimization.


SIRALI LOJSTK REGRESYONDA ORANTISAL ORAN MODEL N PARALEL DORULAR
VARSAYIMI
Erkan ARI*
Cumhuriyet niversitesi Fen Fak. Istatistik Bl., 58140, Sivas, Trkiye, eari@cumhuriyet.edu.tr
Zeki YILDIZ
Eskisehir Osmangazi niversitesi Fen Fak. Istatistik Bl., 26480,Eskisehir,Trkiye, zyildiz@ogu.edu.tr
zet
SGralG lojistik regresyon zmlemesinde paralel dorular varsayGmGnGn salanmasG nemlidir. Paralel dorular
varsayGmG; sGralG lojistik regresyonda baGmsGz deiskenler ile baGmlG deisken arasGndaki iliskinin baGmlG deisken
kategorilerine gre deisiklik gstermediini ifade eder. Bu varsayGmGn salanmamasG durumunda OrantGsal Oran
modelinin kullanGlmasG hatalG olmaktadGr. Bu alGsmada, OrantGsal Oran Modeli iin paralel dorular varsayGmGnGn
salanmadGG sonucuna ulasGlmGstGr.
1. Orant-sal Oran Model (Proportional Odds Model) (PO)
SGralG lojistik regresyonda baGmlG deiskenin sGralG olduu ve kategoriler arasGnda paralellik varsayGmG salandGG
durumda alGsmalarda yaygGn olarak kullanGlan sGralG lojistik regresyon modeli OrantGsal Oran Model dir (Brant,
1990; Bender and Grouven, 1998).
OrantGsal Oran Model, sGralG lojistik regresyon iin McCullagh (1980) tarafGndan tanGmlanmGstGr. Model yGGlGmlG
olasGlGklarGn daGlGmGna dayanGr.
OrantGsal Oran Model yGGlGmlG olasGlGklar kullanGlarak Esitlik 1.deki gibi elde edilir (Kleinbaum and Ananth, 1997).

Burada bilinmeyen parametrelerin kestiricisi ve tane kestiriciye karsGlGk gelen
lar ise e karsGlGk gelen regresyon katsayGlarGnGn bir vektrdr.
2. Paralel Dorular Varsay-m-
SGralG lojistik regresyon modellerinde sGralG oddsa ait nemli bir varsayGm bulunmaktadGr. BaGmlG deisken
aGklanGrken, kategorilerine ait odds oranlarG iin ifade edilen formllerde kategoriler arasGnda parametre aGsGndan
herhangi bir fark yoktur. KGsacasG, baGmsGz deiskenler ile baGmlG deisken arasGndaki iliski baGmlG deiskenin
kategorilerine gre deismez, parametre tahminleri kesme noktalarGna gre deisiklik gstermez. SGralG lojistik
regresyonda, kategorili baGmlG deiskende, adet lojit karsGlastGrmasG iin varsayGm salandGGnda adet
kesme noktasG ve yalnGzca bir adet parametresi bulunur. Ancak ok terimli lojistik regresyonda ise adet lojit
karsGlastGrmasG iin adet kesme noktasG bulunurken, adet de parametresi vardGr. Iste sGralG lojistik
regresyon ok terimli lojistik regresyondan bu noktada ayrGlGr (Kleinbaum and Klein, 2010).
3. Paralel Dorular Varsay-m-n-n Testi
Paralel dorular varsayGmGnGn geerliliini kontrol etmek iin temelde Olabilirlik Oran Testi, Wald Ki-Kare testi gibi
testler kullanGlmaktadGr. SGralG lojistik regresyonda bu testler ile
parametrelerin farklG kategorilerindeki esitlii test edilerek paralel dorular varsayGmG sGnamasGna gidilir.

6

OrantEsal Oran Modelin geerlilii Olabilirlik Oran Testi ile incelendiinde, model anlamlE bulunmutur
( OrantEsal Oran Model anlamlE olmasEna ramen bu modelin kullanElabilmesi iin ncelikli olarak
Paralel Dorular VarsayEmEnEn test edilmesi gerekir. Paralellik varsayEmE iin parametrelerin farklE kategorilerdeki
eitlii test edilerek paralel dorular varsayEmEnEn salanEp salanmadEE test edilir. zmleme iin oluturulan
hipotez Eitlik 2.deki gibidir.
=
kEncE baEmsEz deikene ait katsayElarEn birbirine eit olup olmadEE olabilirlik oran testi ile incelenmi
ve deeri ile sEfEr hipotezi reddedilmitir ve paralel dorular varsayEmEnEn ihlal
edildii sonucuna ulaElmEtEr. BrantEn Wald testine gre de paralel dorular varsayEmE salanmamEtEr. Bu test
paralel dorular varsayEmEnEn hangi deiken veya deikenler tarafEndan bozulduu noktasEnda bilgi verir. Paralellik
varsayEmEnEn salanmamasEnda bir deikenin varsayEmE salamamasE yeterlidir.
4. KAYNAKLAR
Bender, R. and Grouven, U., 1998, Using Binary Logistic Regression Models for Ordinal Data with Non-
Proportional Odds, J. Clin Epidemiol Vol. 51, No.10, 809-816 p.
Brant, R., 1990, Assessing Proportionality in the Proportional Odds Model for Ordinal Logistic Regression,
Biometrics, Vol. 46, No. 4, 1171-1178 p.
Kleinbaum, D.G. and Ananth, C.V., 1997, Regression Models for Ordinal Responses: Review of Methods and
Applications, International Journal of Epidemiology, Vol 26, No.6, 1323-1333 p.
Kleinbaum, D.G. and Klein M., 2010, Logistic Regression. A Self- Learning Text, Third Edition, Springer, 590
p.
McCullagh, P., 1980, Regression Models for Ordinal Data, Journal of the Royal Statistical Society, Series B
(Methodological), 42, No. 2, 109-142 p.
ABSTRACT
The Parallel Line Assumption for Proportional Odds Model in Ordinal Logistic Regression
It is significant to ensure parallel line assumption in ordinal logistic regression analysis. Parallel line assumption
points out that the relation between independent and dependent variable does not differ in terms of dependent
variable categories. In case this assumption is not ensured, the use of proportional odds model is a mistake. In the
study,it is concluded that parallel line assumption for proportional odds model is not provided.
Key Words:Proportional Odds Model, Parallel Slope Assumption.


BLDR OTURUMLARI 2
SESSION 2
Zaman Serileri 2


ARALIK DEERL ZAMAN SERLER NGR YNTEMLERNN KARILATIRILMASI
Ars. Gr. Ebrucan SLAMOLU, Prof. Dr. Faruk ALPASLAN
OndokuzmayLs niversitesi, Fen Edebiyat Fakltesi, statistik Blm, Atakum-Samsun
e-posta: ebrucantiring@omu.edu.tr
1. Aral6k Deerli Zaman Serileri

AralLk deerli zaman serileri literatrde yeni arastLrLlan bir konudur. Gzlemleri gn iinde deisen veriler aralLk
deerli zaman serileri olarak bilinir. Bu seriler aLlLs-kapanLs veya en dsk - en yksek deerlerden olusmaktadLr.
AralLk deerli zaman serileri ekonomi, mhendislik, tLp, meteoroloji ve iktisat gibi esitli alanlarda grlebilir. Sz
konusu seriler; piyasa verileri, fiyat endeksleri, para - banka verileri, bilano verileri ve dLs ticaret endeksleri gibi
verilerdir.
alLsmamLzda zaman serilerinin esitli tahmin yntemlerinin farklL kombinasyonlarLnL karsLlastLrLlan deneysel bir
arastLrma yapLlmLstLr. KullanLlan seriler T. C. Merkez BankasL internet sitesinden (Elektronik Veri DaLtLm Sistemi-
EVDS) elde edilmistir. Bu seriler AltLn BorsasL slemleri I - stanbul (s gn, TL/ABD DolarL) en dsk (ABD/Ons)
gnlk verileri, AltLn BorsasL slemleri II - stanbul (s gn, TL/ABD DolarL) en dsk (TL/Kg) gnlk verileri ve
Geinme Endeksi (cretliler) (1995/100) en dsk gnlk verilerinden olusmaktadLr. Bu seriler kullanLlarak farklL
yaklasLmlar olusturulmus ve modelleme teknikleri karsLlastLrma iin kullanLlmLstLr. En dsk ve en yksek serileri
zmleyen YaklasLm1, merkez ve aLklLk serilerini zmleyen YaklasLm3 olusturulmustur. Karma Otoregresif
Btnlesik Hareketli Ortalama Sreci (Auto Regressive ntegrated Moving Avarage - ARIMA), Yapay Sinir AlarL
(Artificial Neural Networks - ANN), Holt stel Dzlestirme Yntemi (Holt Exponential Smooting Method) ve
Melez Modeller (Hybrid Models) kullanLlan modelleme teknikleridir. ngr sonularLnLn doruluunu len
performans ltleri Hata Kareleri OrtalamasLnLn Karekk (Root Of Mean Square Error-RMSE), Mutlak Hata
OranlarL OrtalamasL (Mean Absolute Percentage Error- MAPE) ve Yn Doruluu (Direction Accuracy - DA) dur.
izelge1. Aral6k deerli zaman serileri iin elde edilen sonular
ALTIN
BORSASI
LEMLER-
I
RMSE MAPE DA
YaklasLm1
ARIMA(0, 0, 1) = 93,47
2004
YSA (1-2-1) = 0,0006
2004
YSA (7-1-1) = 0,3878
2001
YaklasLm3
ARIMA(0, 0, 0) = 0,552
2000
YSA (10-5-1) =
MelezYSA=0,0085
2001 2001
MelezYSA = YSA (3-2-1) = 0,1837
2000 2000
ALTIN
BORSASI
LEMLER-
II
YaklasLm1
Holt stel
Dzlestirme=1032,2590
2000
YSA (3-2-2)=0,0014
2000
MelezYSA=0,5102
2000
YaklasLm3
ARIMA (1, 0, 0)=20,9430
2000
YSA (5-6-1)=0,0046
2000
YSA (10-2-1)=0,2041
2001
GENME
ENDEKS
YaklasLm1
MelezYSA=4,3817
2000
YSA (9-3-2)=0,0000185
2004
YSA (2-2-1) = YSA (9-4-1) = YSA (1-
6-1) = YSA (9-3-1) =0,0204
2001 2002
2003 2004
YaklasLm3
YSA (1-1-1)=
MelezYSA=1,2937
2000 2000
YSA (1-1-1)= YSA(1-1-
1)=0,0000
2000 2001
YSA (1-1-1)= MelezYSA=0,000
2000 2000
alLsmamLzda 03 Ocak 2000 ve 31 AralLk 2004 tarihleri arasLndaki zaman serisi iin ngr yntemi olan
ARIMA, Holt stel Dzlestirme, Yapay Sinir AlarL ve Melez Modeller karsLlastLrLlmLstLr. AltLn fiyatlarL ve
vatandaslarLn geim gereksinimini karsLlayabilmesi iin yaptLklarL harcamalar tahminlenmistir. Elde ettiimiz
sonulara gre aralLk deerli zaman serilerinin tahmininde yapay sinir aL modelinin dier zaman serisi tahmin

modellerine gre daha stn sonular verdii grlmtr. Bu nedenle yapay sinir alarHnHn ngrde etkin bir
yntem olduu sylenebilir.

KAYNAKLAR
[1] Akaike H. (1974), A new look at the statistical model identification, IEEE Trans. Autom, Control 19716-
723.
[2] Beheshti M., Berrached A., De Korvin A., Hu C. and Sirisaengtaksin O., (1998), On interval weighted
three-layer neural networks, in : SS98; Proceedings of the 31st Annual Simulation Symposium, IEEE
Computer Society, Washington, DC,USA.
[3] Billard L. and Diday, E. (2000), Regression analysis for interval-valued data. Data Analysis,
Classification and Related Methods, in: Proceedings of the Seventh Conference of the International
Federation of Classification Societies(IFCS00), Springer, Belgium.
[4] Lima Neto E. A. , De Carvalho F. A. T. (2008), Centre and range method for fitting a linear regression model
to symbolic interval data, Comput, Stat, Data Anal. 52, 1500-1515.
[5] Maia A. L. S. and De Carvalho, F. A. T. (2010), Holts Exponential Smoothing and Neural Network Models
For Forecasting Interval-Valued Time Series. International Journal of Forecasting, 02, 012.
ABSTRACT
THE COMPARE OF INTERVAL-VALUED TME SERES FORECASTNG METHODS
In this study, we aim to provide an introduction of interval-valued time series. Different approaches have been used
to analyze interval-valued time series. We have introduced central tendency and dispersion measures. We study on
Autoregressive Integrated Moving Average(ARIMA), Artificial Neural Networks(ANN), Holt Exponential Smooting
Method and Hybrid Models. These are model estimation methodologies for the analysis of interval-valued time
series. We used Root Of Mean Square (RMSE), Mean Absolute Percentage Error (MAPE) and Direction Accuracy
(DA).The significant result of study is that the results of application demonstrated the superiority of the Artificial
Neural Networks(ANN) in the interval-valued time series.
Key words: Interval-valued time series, Forecasting, Artificial Neural Networks, ARIMA, ANN, MAPE, DA,
RMSE.


DETRLM SSEL DZLETRME YNTEM
Gkan YAPAR ,Hanife TAYLAN
Dokuz Eyll niversitesi, Fen Fakltesi, Istatistik Blm
e-mail: guckan.yapar@deu.edu.tr ve hanife.taylan@deu.edu.tr

Deitirilmi ssel Dzletirme Yntemi
Bu alCsmada ssel dzlestirme yntemine alternatif bir yntem nerilecektir ve deistirilmis ssel dzlestirme
yntemi olarak adlandCrClacaktCr nk bu yntem geleneksel ssel dzlestirme metodunda dzlestirme katsayCsCnda
ufak bir deisiklik yapClarak elde edilecektir. Bu yntemde baslangC deeri ve optimum dzlestirme katsayCsC aynC
anda elde edilecektir. Bu yntemle geleneksel yntemdeki aynC dzlestirme katsayCsCnda baslangC deerine ve uzak
gemise daha az aCrlCk verilerek buradan elde edilen fazlalCk yakCn gemisteki verilere ssel olarak daCtClacaktCr.
nerilen bu yntem geleneksel ssel dzlestirme yntemiyle aynC dzlestirme katsayCsCnda karsClastCrCldCCnda eer
gelecek yakCn gemisin bir tekrarC olacaksa ou zaman gelecein tahmininde daha iyi sonu verecektir.
Son yzyCl da zaman serisi analizleri iin ok sayCda yntem nerilmistir. Son 25 yClda zaman serisi analizlerine
iliskin alCsmalarCn deerlendirmesi De Gooijer ve Hyndman (2005) tarafCndan yapClmCstCr. Literatrde birok zaman
serisi analiz yntemi gelistirilmistir fakat en basarClC yntemlerin temeli ssel dzlestirme ynteminden gelmektedir.
Bu yntemin ilk ve nemli alCsmalarC Holt, 1957; Brown, 1959; Winters, 1960 tarafCndan verilmistir. ssel
dzlestirme ynteminin zaman serisi analizlerinde en popler yntem olmasCnCn birok sebebi vardCr bunlardan ilki
ok basit ve uygulamasCnCn kolay olmasC fakat bu yntemin poplaritesinin esas nedeni gelecein tahminlenmesinde
dier ok k yntemler karsCsCnda tartCsClmaz stnldr (Gardner, 1985; Makridakis and Hibon, 2000).
ssel dzlestirme ynteminin temel mantCC gelecein tahminlenmesinde yakCn gemisteki gzlemlere daha fazla
aCrlCk vererek ssel bir sekilde azalarak gemisteki gzlemlere aCrlCk verme prensibidir. ssel dzlestirme yntemi
bir modeller ailesidir ve bu yntem zaman serisinin tane bileseninin olduunu varsayar bunlar dzey, eim ve
mevsimselliktir ve ama bu bilesenin son halini bulmak ve bunlarC kullanarak gelecein tahminlenmesidir. ssel
modellemede bes farklC trend ve farklC mevsimsellik bileseni ile bugn 15 farklC model olusturulabilmektedir
Gardner (1985).
ssel dzlestirme ynteminin uygulamasCnda takip edilmesi gereken adCmlar uygun modelin kararC daha sonra ise bu
modelin bilesenlerine iliskin dzlestirme katsayClarCnCn belirlenmesi ve dzlestirme istatistiklerinin baslangC
deerlerinin belirlenmesi. Modelin belirlenmesi verinin grsel incelenmesi ile olabilmektedir fakat dzlestirme
katsayClarC ve baslangC deerlerinin belirlenmesi iin birok yntem mevcuttur, Chatfield and Yar (1988).
Dzlestirme katsayClarC ve baslangC deerleri en ok olabilirlik veya hata karaler toplamCnC minimize etme
yntemiyle elde edilebilir. BaslangC deerlerinin belirlenmesinde uygulanan temel yntemler ilk gzlemin, ilk
birka gzlemin veya tm gzlemlerin ortalamasCnC almak ve daha sonra bu baslangC deerlerine gre optimum
dzlestirme katsayCsCnCn belirlenmesidir. Bu yntemler pratikte yaygCn bir sekilde kullanClmaktadCr fakat dzlestirme
katsayCsC kk ve gzlem sayCsC az olduunda yanlCs bir baslangC deeri tahminlemenin sonucunu olumsuz ynde
etkilemektedir. ssel dzlestirme ynteminin basarCsC en son gzleme verilen aCrlCk bir baska deisle dzlestirme
katsayCsCnCn ve baslangC deerlerinin belirlenmesine balCdCr.
Bu alCsmada nerilen yntemin geleneksel ssel dzlestirme yntemiyle karsClastCrmasCnC kolaylastCrmak iin model
olarak eim ve mevsimselliin olmadCC tek parametreli basit ssel dzlestirme yntemiyle yapClacaktCr. nerilen
yntemin geleneksel ssel dzlestirme ynteminin sahip olduu zelliklerin salandCC teorik olarak gsterilecek
ayrCca tahmin performanslarC uygulamalC olarak gerek veri setleri zerinde gsterilecektir.


Kaynaklar
[1] Brown, R.G., (1962). Smoothing, Forecasting and Prediction of Discrete Time Series. Prentice-Hall,
Englewood Cliffs, N.J.
[2] Gardner, Jr.E.S., (1985). Exponential smoothing: the state of the art. Journal of Forecasting, 4: 1-28.
[3] Holt C., (1959) Forecasting seasonal and trends by exponentially weighted moving averages. ONR
Research Memorandum 52.
[4] Makridakis, S. and Hibon, M., (2000), The M3-Competition: results, conclusions and implications.
International Journal of Forecasting, 16: 451-476.
[5] Winters, P.R., (1960). Forecasting sales by exponentially weighted moving averages. Management Science,
6: 324-342.

ABSTRACT
MODIFIED EXPONENTIAL SMOOTHING METHOD
In this study, a new exponential smoothing framework will be introduced as an alternative to traditional exponential
smoothing method. This new framework will be called modified exponential smoothing (MES) since it will be
obtained from traditional exponential smoothing method by modifying the smoothing parameter. By means of this
modification, initial value and optimum smoothing constant will be obtained simultaneously. The main concept in
this modification is giving less weight to initial value and old past observations and transferring this extra weight to
recent past observations to obtain more accurate and more adaptive forecasting results.
Key Words: Time series, exponential smoothing, smoothing parameter, initial value


HAVALMANI YOLCU TALEBNN BOX-JENKNS YNTEM LE NGRLENMES: ANTALYA
HAVALMANI RNE
Hakan DEMRGL, Hakan BOZDA
Sleyman Demirel niversitesi ..B.F.Ekonometri Blm, Sleyman Demirel niversitesi ..B.F.Ekonometri
Blm Mail: hakandemirgil@sdu.edu.tr, hakanbozdag@sdu.edu.tr

Giri
ngr, her planlama yapFlan alanda olduu gibi hava yolu sirketlerinin karlarFnF belirlemede kritik bir rol
oynamaktadFr. Bu nedenle havayolu yolcularFnFn talebinin modellenmesi ve ngrlenmesi gemiste ve gnmzde
nemli ve stratejik bir arastFrma konusu olmustur.
Bu alFsmada tek deiskenli zaman serisi yntemi olan Mevsimsel Box- Jenkins (SARIMA) yntemi yardFmFyla
Eyll 2013 - Austos 2014 dnemi iin Antalya HavalimanF' na ynelik kFsa dnem uluslararasF yolcu talebinin
ngrlenmesi amalanmFstFr. ArastFrmada, havalimanFnFn yolcu talebinin lt olarak havalimanFndan giris yapan
toplam uluslararasF yolcu sayFsF alFnmFs ve Ocak 2004-Austos 2013 dneminde Antalya HavalimanF dFs hatlar
terminalinden giris yapan aylFk uluslararasF yolcu sayFsF verilerinden yararlanFlmFstFr.
2. Yntem
Zaman serisi modeli olusturmada Box-Jenkins (1976) yntemi geleneksel ekonometrik modellere gre, duraanlFF,
deterministik bilesen bilgisini ve gelecee iliskin tahminleri bir arada ortaya koyduu iin sFk tercih edilen bir
yntemdir.
Yntem belirlenen birok model arasFndan en iyi modeli seerek zaman serisinin gelecekte alacaF deerleri tahmin
etmeye yneliktir. Bir deiskene iliskin yapFlacak tahmin, kendi gecikmeli deerleri, hata terimleri ya da her ikisinin
birlesimi ile yapFlmaktadFr. Yani deisken, kendi dinamikleri ile aFklanmaya alFsFlmaktadFr.
Box-Jenkins yaklasFmFn da temel fikir, cimrilik (tutumluluk) prensibine dayanmaktadFr. Cimrilik (seyreklik-azlFk
anlamFnda) prensibi zaman serisi verilerinin zelliklerini ortaya koyan optimal (minimum sayFda parametre veya
serbestlik derecesini gznnde tutan) bir model kurmayF amalar. Box-Jenkins, tutumlu modellerin ok sayFda
parametre ieren modellere gre daha iyi ngr rettiklerini ne srer. Tutumlu bir modelin verilere uyumu,
gereksiz herhangi bir parametrenin eklenmesinden daha iyidir.
YaklasFmdaki temel adFmlar genel hatlarFyla, zaman serisi modelinin belirlenmesi (tanFmlanmasF), model
parametrelerinin tahmin edilmesi, ayFrt edici kontrol (test) ve ileri ynelik tahmin (nraporlama-ngr) olarak drt
adFmda zetlenebilir.
Duraan bir zaman serisinin t-dnemindeki gzlemlerinin, bir nceki yFlFn aynF dnemine karsF gelen dnemine ait
gzlemlerinin artF rassal sokun dorusal bir fonksiyonu olarak ifade edildii durumda srecin mevsimsel otoregresif
sre olduu ifade edilmektedir. Duraan-dFsF zaman serisinin mevsimsel AR ve mevsimsel MA srelerine sahip
olmasF durumunda olusturulan modeller, Mevsimsel Btnlesik Otoregresif-Hareketli Ortalama Modeli olarak
adlandFrFlmakta ve SARIMA(P;D;Q)veya ARIMA(P;D;Q)s biiminde gsterilmektedir. Burada kullanFlan
P;D;Q simgeleri sFrasF ile mevsimsel AR bileseni mertebesini, mevsimsel fark alma derecesini ve mevsimsel
MA bileseni mertebesini gstermektedir. Bu modellerde zaman serisi gzlemleri sadece mevsimsel gecikmelerde ve
katlarFnda baFmlF olmakta, mevsim iindeki gzlemler baFmsFz olmaktadFr. Mevsim etkisi tasFyan seriler, hem
mevsimsel olmayan hem de mevsimsel olan bilesen olarak modelde yer alacaklarF iin modellerde bu ayrFma uygun
olarak mevsimsel olan parametreler ve mevsimsel olmayan parametreler olarak ifade edilmeleri gerekmektedir.

KAYNAKLAR
[1] uhadar, M., Gngr, I., ve Gksu, A., (2009 C: 14), Turizm Talebinin Yapay Sinir AlarM ile
Tahmini ve Zaman Serisi Yntemleriyle KarsMlastMrmalM Bir Analizi : Antalya Iline Ynelik Bir
Uygulama, Sleyman Demirel niversitesi I.I.B.F. Dergisi.
[2] Box, G. E .P., Jenkins S. G., Rreinsel G. C. (1994), Time Series Analysis: Forecasting and Control., New
Jersey, Prentice-Hall Inc., Third Editions.
[3] Montgomery, D.C., Jennings, L.A. ve KlahcM, M., (2008), Introduction To Time Series Analysis And
Forecasting, New Jersey, John Wiley & Sons. Inc.
[4] Grubb, H., Mason, A.,(2001 Volume: 17), Long Lead Time Forecasting Of UK Air Passengers By Holt Winters
Methods With Damped Trend, Journal of Air Transport Management.
[5] Abdelghany, A., ve Guzhva, V. S., (2010 Volume: 5), A Time-Series Modeling Approach For Airport Short-
Tern Demand Forcasting, Airport Management.
ABSTRACT
FORECASTING AIRPORT PASSENGER DEMAND BY BOX-JENKINS : A CASE STUDY OF ANTALYA
AIRPORT
In this study it is aimed to build Seasonal Box-Jenkins model (SARIMA) and with this model to foresight the short
term international passenger demand of Antalya International Airport for September 2013 and Agust 2014. In this
research it is used the total number of international passenger arrivals as a measure of inbound international
passengers demand and monthly international passenger arrivals to Antalya in the period of January 2004 Agust
2013 data were utilized to build appropriate model. As a consequence of several attempts it has been observed that
SARIMA(P;D;Q) model has presented best performance and by the means of this model it has been forecasted the
monthly inbound tourism demand to Antalya Airport for September 2013 and Agust 2014.
Key Words: Time Series, SARIMA Models, Airport Passangers Demand, Forecast


!

ZAMAN SERLER ANALZNDE YEN BR YAPAY SNR ALARI ALIMASI VE
KARILATIRMALI ANALZ

Aras.Gr. Selim DNMEZ

Eskisehir Osmangazi niversitesi F1 blok Meselik Kamps posta kodu:26480 sdonmez3@gmail.com
Yapay Sinir Alar Ve Zaman Serileri Analizi
Yapay sinir alarN metodolojisi, 20. yzyNlNn ortalarNndan bu yana nemli bir lde gelismistir. Baslarda Mccullogh
ve Pitts(1943) tarafNndan temelleri atNlan yapay sinir alarN modelleri daha sonra Rosenblatt(1958), Hopfield(1982)
gibi ncler tarafNndan modernlestirilmistir. Daha sonraki yNllarda yapay sinir alarN esitli alanlarda uygulanmaya
baslanmNstNr. BunlarNn basNnda fonksiyon yaklasNmN, rnt sNnNflandNrmasN ve zaman serileri analizi gelmektedir.
Zaman serileri analizi zerine yazNlan makalelerden bugne kadar 2418i yapay sinir alarN metodolojisinin
kullanNmNnN
iermektedir(http://apps.webofknowledge.com/summary.do?SID=X1b8jaLfhaKeP39A1E4&product=WOS&qid=1&
search_mode=GeneralSearch). Zaman serileri analizinde yapay sinir alarN haricinde kullanNlan yntemlerin arasNnda
ARIMA metodolojisi, Bayesi istatistik metodolojisi, bulanNk mantNk metodolojisi ve salamcN istatistiksel
yaklasNmlar bulunmaktadNr. Bu yntemlerin belli avantajlarN olduu gibi belli dezavantajlarN bulunmaktadNr. Bu
durumda arastNrmacNnNn bir zaman serisini analiz ederken yapNlabilecei en iyi sey, bu yntemleri karsNlastNrarak bir
sonuca varmaktNr. Zaman serileri analizinde kullanNlan yapay sinir alarN modelleri, pek ok alanda parametrik
olmayan bir model esidi olarak son derece islevsel olabilmektedir ancak istatistiksel bir teoriye dayanmadNka bunu
zaman serileri analizinde uygulamak son derece zordur. Bu zorluun temel kaynaN, ideal bir yapay sinir aN
modelinde sinaptik aNrlNklarNn durumundan kaynaklanNr. Bu konu Alada(2011) tarafNndan incelenmis ve tabu
algoritmasN kullanarak en iyi yapay sinir aN tasarNmNnN bulmaya alNsmNstNr. Bu verimli sonu veren alNsmaya
ramen yapay sinir alarN tasarNmNnNn, zaman serilerinde ngr problemin tamamNnN zetlemediini dsnmekteyiz.
Herseyden nce istatistiksel bakNs aNsNyla bakNldNN vakit dnyadaki her zaman serisi verisi ARIMA modelleriyle
veya daha az bilinen ama klasiklesmis hal-uzayN modelleriyle(ingilizcesi state-space model) ifade edildii grlr.
Bu durumda ngr problemi, modelleme probleminden tamamen olmasa da kNsmen baNmsNz olarak ele alNnmalNdNr.
Bunun yanNnda bu durum, yapay sinir alarNnda sabit miktarda girdi nron sayNsNnNn bulunabileceini gstermektedir
ki bu alNsmada bu durum kanNtlanmaya alNsNlacaktNr. Gelistirilen yntemde, nce veride gereklestirilen
standartlastNrma ile yntemin islemesi kolaylastNrNlacak. Ikinci adNmda girdi tabakasNndaki nron miktarN istatistiksel
olarak belirlenilecek ve de sinaptik aNrlNklar iin en kk kareler tahmin yntemiyle gven aralNklarN gelistirilerek
zm arama uzayN belirtilecek ve orda zm aranacaktNr. rnein istatistiksel zaman serileri arasNnda meshur olan
gaz NkNsN(gas furnace data) verisinde model asaNdaki sekilde olusturulup uygulandNNnda asaNdaki sonular
NkmNstNr:

(1)

LglLlm8MSL 1esL8MSL Mu kaLsayisi a1 kaLsayisi b1 kaLsayisi b2 kaLsayisi
0.00S67SS 0.0046889 0.2S12 0.81S 0.0464 -0.072S

Bunun yanNnda Bass ve Clarke(1972)nin satNs oranlarN ile reklamcNlNk oranlarN arasNnda iliski arayan makalesindeki
veriyi aynN modelle analiz ettiimizde asaNdaki sonularla karsNlastNk:

izelge2.
EitimRMSE TestRMSE Mu katsayGsG a1 katsayGsG b1 katsayGsG b2 katsayGsG
0.015467 0.0095021 0.1622 0.4691 0.2794 0.1676

Bu sonular her ne kadar veri standartlatGrmasG sayesinde elde edilmi gzkse de veri standartlatGrmasG olmadan
da iyi sonular elde etmek de mmkndr. rnein sinaptik aGrlGklarGn aralGklarGnG Tikunun yntemiyle
oluturursak Bass ve Clarke(1972)nin verisinden aaGdaki sonularG elde edebiliriz:

izelge3.

EitimRMSE TestRMSE Mu katsayGsG a1 katsayGsG b1 katsayGsG b2 katsayGsG
15.371 5.4129 7.7432 0.5499 0.0673 0.0807

Grld gibi yntem olduka iyi sonu verebilmektedir. Bunun yanGnda ilem aGsGndan byk kolaylGk da
salanmaktadGr. Bu nedenle bu yntemin zaman serileri analizinde baarGlG sonular elde edeceini grebiliriz.

KAYNAKLAR
[1] Bass, F. M., and Clarke, D. G.(1972), Testing distributed lag models of advertising effect, J. Marketing
Research 9, 298-308.
[2] Hopfield J.J.(1982), Neural networks and Physical Systems with emergent collective computational abilities,
Proceedings of the National Academy of Sciences, 79, 2554-2558
[3] Mccullogh W.S. and Pitts W.(1943), A Logical calculus of the Ideas Immanent in Nervous Activity,
Proceedings of the National Academy of Sciences, 79, 2554-2558
[4] Rosenblatt F.(1958), The Perceptron: A Probabilistic Model for Information Storage and Organization in the
Brain, Psychological Review, 65, 6, 386408
[5] Alada .H.(2011), A new architecture selection method based on tabu search for artificial neural networks,
Expert systems with applications, 38, 3287-3293


BLDR OTURUMLARI 2
SESSION 2
Veri Madencilii


KMELEMEYE DAYANAN BRLK FLTRELEME - KARILATIRMALI BR ALIMA
zkan ASLAN Nevin GLER
Anadolu niversitesi, Mhendislik Fakltesi, Bilgisayar Mhendislii Blm, ki Eyll Kamps, ESKSEHR
Mula SAtkA Koman niversitesi, Fen Fakltesi, statistik Blm, Ktekli Kamps, MULA,
ozkanaslan@anadolu.edu.tr, nguler@mu.edu.tr
birliki Filtreleme
nternet, intranet ve ticari sistemlerin hAzla gelismesiyle birlikte, kullanAlabilir evrimii bilgi miktarA da nemli
lde artmAstAr. Buna balA olarak, kullanAcAlar iin gerekli bilgilerin hAzlA ve etkin bir sekilde bulunmasA olduka zor
hale gelmistir. Bu problemin zm iin ok sayAda bilgi filtreleme teknii gelistirilmistir. sbirliki Filtreleme (F)
[1] bu tekniklerin basAnda gelmektedir. F, filtreleme islemi iin evrim ii kullanAcAlarAn nceki tercihleri ve ilgi
alanlarAndan yararlanmaktadAr. Buna balA olarak zellikle e-ticaret alanAnda kullanAcAlara ok sayAda web sayfasA,
dokman, kitap vs gibi eler arasAndan kullanAcAlarAn ihtiyalarA dorultusunda nerilerde bulunmak amacAyla
kullanAlmaktadAr. IFdeki temel ama, gemiste benzer ilgi alanlarAna sahip kullanAcAlarAn gelecekte de benzer
davranAs gsterecei varsayAmdan yola Akarak bir grup kullanAcAnAn tercihlerine gre aktif kullanAcA olarak
adlandArAlan kullanAcAnAn tercihlerini tahmin etmektir. Geleneksel IF algoritmasA su sekilde zetlenebilir: n tane
kullanAcA (
1 2
, ,...,
n
k k k ) ve m tane eden olusan (
1 2
, ,...,
m
o o o ) olusan bir veri tabanA olusturulur. Her kullanAcA
(
i
k ) iin grslerini bildirdii veya oyladAA bir e kmesi belirlenir. Derece skoru matrisi olusturulur. Derece
skoru matrisi kullanAcAlarAn elere belli bir aralAkta verdii oylardan (
ij
d ) olusan (nxm) boyutunda bir matristir.
Ancak her kullanAcA tm eleri oylamamaktadAr ve dolayAsAyla derece skoru matrisinin bazA elemanlarA eksiktir.
Fdeki ama, dier kullanAcAlar ile benzerlii llerek aktif kullanAcA iin grsn belirtmedii elere iliskin oyu
tahmin etmektir. Aktif kullanAcA ile dier kullanAcAlar arasAndaki benzerlii lmek iin esitli benzerlik lleri
kullanAlAr. Bu alAsmada asaAdaki gibi tanAmlanan Pearson Korelasyon kullanAlacaktAr:
,o ,o
1
2 2
,o ,o
1 1
(d d )(d d )
(k , k )
(d d ) (d d )
x h x y h y
x h x y h y
n
k k k k
h
x y
n n
k k k k
h h
PK
=

= =
~ ~
=
~ ~

(1)
Burada
,
d
x h
k i
, x. kullanAcAnAn, h. eye verdii oyu, d
x
k
, x. kullanAcAnAn y. kullanAcA ile ortak oyladAA elerin
derecelerinin ortalamasAnA, n ise x. kullanAcA ile y. kullanAcAnAn ortak oyladAA e sayAsAnA gsterir. Aktif
kullanAcAya benzer kullanAcAlarAn belirlenmesi iin, bu kullanAcAnAn tm kullanAcAlar ile benzerliinin hesaplanmasA
gerekmektedir. IF veritabanlarAnAn genellikle ok byk boyutta olduu dikkate alAndAAnda bu sekilde bir hesaplama
olduka maliyetlidir. Kmelemeye dayanan IF, geleneksel IF yntemlerinin bu dezavantajAnA ortadan kaldArmak
amacAyla nerilmistir. IFde kmeleme analizi uygulanmasAndaki ama, veri setini birbirine benzer kullanAcAlardan
olusan alt kmelere ayArmak ve bylece aktif kullanAcA hangi kmeye daha yakAn ise o kmede yer alan kullanAcAlar
ile arasAndaki benzerlii hesaplamaktAr. Benzerlikler hesaplandAktan sonra tahmin islemi iin asaAdaki esitlik
kullanAlmaktadAr:
1
1
(k , k )(d d )
(k , o )
(k , k )
h h
a
m
a h k k
h
a a k m
a h
h
PK
p d
PK
=
~
= +
(2)

Burada m
a
o esini oylayan dier kullanMcMlarMn sayMsMnM gstermektedir.
Uygulama
Bu alMsmada isbirliki filtreleme alanMndaki performanslarMnM deerlendirmek amacMyla hiyerarsik kmeleme
yntemleri[2], K-Ortalamalar (KO) [2][3], BulanMk C-Ortalamalar[2][3], Gustafson-Kessel[2][3], Olabilirlikli C-
Ortalamalar (OCO) [3], Iyilestirilmis Olabilirlikli C-Ortalamalar [3] ve AMrlMklandMrMlmMs Olabilirlikli C-Ortalamalar
[3] kmeleme algoritmalarM Jester [4] veri setine uygulanacaktMr. Burada ilk olarak veri seti 5 ayrMk alt kmeye
ayrMlacaktMr. Her veri setinin %80i eitim, %20i ise test seti olarak kullanMlacak ve test setinde yer alan
kullanMcMlarMn elere verdii oylar tahmin edilmeye alMsMlacaktMr. KarsMlastMrma kriteri olarak ise asaMdaki gibi
tanMmlanan Ortalama Mutlak Yzde Hata (OMYH) ve Ortalama Hata Kareler (OHK) kriterleri kullanMlacaktMr:
1
(k , o ) (k , o )
*100
(k , o )
n
a a a a
a a a
p p
OMYH
p
=
~
=
(3)
2
1
(p(k , o ) p(k , o ))
n
a a a a
a
OHK
n
=
~
=
(4)
Burada n test veri setinde oylanmamMs e sayMsMnM gstermektedir.
KAYNAKLAR
[1] Su, X., Khoshgoftaar, T.G., A Survey of Collaborative Filtering, Adv. Artifi. Int., 2009.
[2] Gler, N., BulanMk Kmeleme Analizi ve BulanMk Modellemeye UygulamalarM, Y.Lisans Tezi, Mula
niversitesi, Fen Bilimleri Enstits, Mula, 2006.
[3] Gler, N.,Olabilirlikli ve BulanMk Kmelemeye Dayanan Modelleme Teknikleri ve YazMlMm Gvenilirliinin
Tahminine UygulanmasM, Mula SMtkM Koman niversitesi, Fen Bilimleri Enstits, 2012.
[4] http://goldberg.berkeley.edu/jester-data/
ABSTRACT
COLLABORATIVE FILTERING BASED ON CLUSTERING A COMPARATIVE STUDY
Collaborative filtering (CF) is widely used recommender systems. CF recommends items to active user by
considering relationships between users. For this aim, it exploits similarities between users. However, in case of the
number of users is large, calculating the similarities is very time-consuming. Clustering techniques is used to
alleviate this drawback of CF. In this study, the performance of various clustering algorithms in the field of CF are
compared.

Key Words: Recommender Systems, Collaborative Filtering, Clustering Techniques


BANKACILIKTA PAZARLAMA SONU TAHMN N BR RNT
SINIFLANDIRMA UYGULAMASI

Selver Ezgi YALNIZ*, Hasan OUL

Baskent niversitesi, Mhendislik Fakltesi, Bilgisayar Mhendislii Blm,06810, Ankara, TRKYE,
seyalniz@baskent.edu.tr, hogul@baskent.edu.tr

lkemizde son yKllarda bankacKlKk sektr zor bir dnem yasamaktadKr. zellikle 2001 yKlKnda meydana gelen
ekonomik kriz sonrasKnda bankalar msteri aKnK genisletebilmek amacKyla msteri odaklK hizmetlere nem
vermeye baslamKstKr. Birok bankanKn rekabet ortamKnda basarKlK olabilmeleri iin etkin pazarlama teknikleri
gelistirmeleri ve dolayKsKyla msterileri ile dorudan iletisime gemeleri gerekmektedir. Bu alKsmada,
vadeli hesap atKrma zerine yapKlan bir kampanya sreci sonunda, kampanya bilgileri ve msteri profilinden
KkarKlacak bazK zelliklere gre herhangi bir msterinin hesap atKrKp atKrmayacaKnK kestiren bir akKllK sistem alt
yapKsK zerinde alKsKlmKstKr. Bu amala ok sayKda reticili sKnKflandKrma algoritmasK zellik azaltma
yntemleriyle birlikte deerlendirilmis ve karsKlastKrmalK sonularK raporlanmKstKr.
Uygulamada bir bankanKn pazarlama kampanyasKnda kullandKK gerek hayattan alKnmKs veriler kullanKlmKstKr.
KullanKlan yntemler ise; Temel Bilesen Analizi (Principal Component Analysis), Fisher Dorusal AyKrtacK
(Fisher Linear Discriminant Analysis), En YakKn K Komsu AlgoritmasK (K Nearest Neighbor Algorithm), Naive
Bayes SKnKflandKrKcKsK (Naive Bayes) ve Destek Vektr MakinasK (Support Vector Machine) metotlarKdKr.
Uygulanan esitli metotlara gre veri kmesi zerinde deerlendirme kriterleri belirlenmis ve bu kriterler
zerinden karsKlastKrma yapKlarak en iyi sonuca ulasKlmaya alKsKlmKstKr.
Uygulamada kullanKlan veri kmesi UCI- Machine Learning Repository den alKnan Bank Marketing isimli veri
kmesidir. Bu veri kmesi MayKs 2008 ve KasKm 2010 yKllarK arasKnda bir Portekiz bankasKnKn 17 farklK
pazarlama kampanyasKnda kullanKlmasK iin gerek kisilerden toplanmKstKr [3]. Veriler toplamda iki set
halinde sunulmustur. Bu iki setten birincisi 45211 rnei ieren orijinal veri kmesi iken, dieri bu orijinal veri
kmesinin %10 azaltKlmKs bir versiyonu olarak
4521 rnei iermektedir. Uygulamada makine renme algoritmalarKnKn hesaplarKnda zaman probleminin
yasanmamasK iin 4521 rnek ieren kk veri kmesi kullanKlmKstKr. 4521 rnek iinde
4000 tanesi vadeli mevduat aKlmayan msterileri belirtirken, dier 521 tanesi vadeli mevduat hesabK aKlmKs olan
msterileri gstermektedir. Veri kmesi toplamda 14 zellik (13 zellik + 1 sKnKf bilgisi) ile ifade edilmistir.
Buna gre veriler srekli (continous), sayKsal (numeric) ve ikili (binary)
zelliklere sahiptir Tablo.1de veri kmesindeki zellikler, tanKmlarK ve trleri verilmistir.
Tablo 1: Verilerin zellikleri

zellik AdK AKklama Tr
Kiisel Mteri Bilgileri
Yas Msterinin yasK SayKsal
s Msterinin is durumu (sistem yneticisi, issiz,
ynetici, v.b.)
Srekli Kategorik
Evlilik Durumu Msterinin evli olup olmadKK kili (Evli(1) veya Deil(0))
Eitim Dzeyi Msterinin eitim dzeyi (ilkokul, ortaokul, lise,
niversite mezunu)
Srekli Kategorik
Kredi Durumu Msterinin gncel kredisinin olup olmadKK kili (Var(1) veya Yok(0))
Hesap Bakiyesi Msterinin yKllKk ortalama bakiye bilgisi SayKsal
Konut Durumu Msterinin ikamet ettii konutun kira olup
olmadKK
kili (Kira(1) veya Deil(0))
Bor Durumu Msterinin bireysel borcunun olup olmadKK kili (Var(1) veya Yok(0))
Gncel Kampanya Bilgileri

Konusma Sresi Msteri ile son grsmenin sre bilgisi SayKsal
Grsme SayKsK Msteri ile kampanya iin ka kez grsld SayKsal

nceki Kampanya Bilgileri
Gn SayKsK Msteri ile bir nceki kampanyada son
grsmenin zerinden ka gn getii.
SayKsal
Toplam Grsme
SayKsK
Msteri ile daha nceki kampanyalar iin
toplamda ka kez grsld
SayKsal
BasarK Durumu Bir nceki kampanyanKn basarKya ulasKp
ulasmadKK
Ikili (BasarKlK(1) veya BasarKsKz(0))

Veri kmesinde srekli olarak belirtilen msterinin is durumunu gsteren zellik, farklK gelir dzeylerine
gre belirlenmistir. Buna gre -1 ile 8 arasKnda sayKlar farklK is durumlarKnKn maaslarKna gre artan bir sKrayla
atanmKstKr. Yine srekli bir zellik olarak belirtilen msterinin eitim dzeyi, farklK eitim seviyelerine
uygun olarak verilmistir.
Buna gre 4 farklK eitim dzeyi iin 0-4 arasK deerler msterilere atanmKstKr( rnein niversite mezunu
olan kisiye 4 deeri atanmKstKr.) . Eitim dzeyi bilinmeyen msteri iin girilen deer -1 deeridir. Veri
kmesine reticili renme yntemleri uygularken 2 asamalK apraz dorulama (cross validation)
uygulanmKstKr. Bu sekilde eitim kmesinden matematiksel olarak bir model hesaplanKp, modelin doruluu test
kmesinde denenmektedir. YapKlan deneylere gre (Tablo 2), en iyi sonu zellik azaltKmK olmadan SVM
uygulamasKyla elde edilmistir. AlKnan sonular byle bir yaklasKmKn bankacKlKk karar destek sistemlerinde
uygulanabilirliini gstermektedir.
Tablo 2: Uygulama Sonular4
Yntem Doruluk Kesinlik Duyarl4l4k zgllk MKK
FLDA 86% 43% 61% 89% 44%
FLDA/PCA 68% 12% 27% 74% 1%
k-NN (k=25) 89% 56% 10% 99% 71%
k-NN/PCA 88% 0% 0% 100% 0%
NB 88% 49% 38% 95% 36%
NB/PCA 88% 15% 1% 99% 1%
SVM 92% 60% 82% 93% 66%
SVM/PCA 81% 37% 90% 80% 50%
SVM 94% 66% 96% 94% 76%

KAYNAKLAR

[1] Ling, X. and Li, C., Data Mining for Direct Marketing: Problems and Solutions. 4th KDD conference,
AAAI Press, 7379, 1998.
[2] Page, C. and Luding, Y., Bank managers direct marketing dilemmas customers attitudes and purchase
intention. International Journal of Bank Marketing, 147163, 2003.
[3] Moro S., Laureano R., Cortez P. Using Data Mining for Bank Direct Marketing: An Application of the
CRISP-DM Methodology, Euro. Sim. Model. Conf. (ESM2011) pp. 117-121, 2011

Key Words: Principal Component Analysis, PCA, Fisher Linear Discriminant Analysis, FLDA, K Nearest
Neighbor Algorithm, k-NN, Naive Bayes, NB, Support Vector Machine, SVM.


LSA VE PLSA LE TRKE METNLERN ANLAMSAL BENZERLNN LLMES
Volkan UZUN, Engin YILDIZTEPE,
Dokuz Eyll niversitesi, Kaynaklar Yerleskesi, Fen Fakltesi Istatistik Blm,35160,Buca/Izmir/TRKIYE
volkanuzun87@gmail.com , engin.yildiztepe@deu.edu.tr

1. Giri
Gnmzde internet kullanImI sayesinde her geen gn elektronik ortamda saklanan veri miktarI artmaktadIr.
Teknolojik imknlar sayesinde veriye erisim kolaylasmIstIr. Ancak farklI trdeki ve yapIdaki bu veri yIInlarI
arasIndan istenilen bilgiye hIzlI ve doru erismek giderek daha fazla nem kazanmaktadIr. Metin halindeki
verilerden yararlI ve anlamlI bilgilerin edinilmesi iin kullanIlan yntemler metin madencilii olarak tanImlanabilir.
Metin madencilii, doal dil isleme, bilgi geri kazanImI, istatistik gibi bilim dallarIndan yararlanIr. Metinlerin
anlamsal benzerliklerinin llmesi, anlamsal iliskilerinin belirlenmesi, metin zetleme gibi konular metin
madenciliinin alIsma alanlarIndandIr. Bu alIsmada Trke metinlerin benzerliklerinin llmesi iin Gizli Anlam
Analizi (Latent Semantic Analysis LSA) ve OlasIlIksal Gizli Anlam Analizi (Probabilistic Latent Semantic
Analysis PLSA) yntemleri incelenmistir. LSA ve PLSA metin benzerliklerinin belirlenmesi konusunda nerilen
yntemlerin basInda gelmektedir. Ikinci ve nc blmlerde bu iki yntem hakkInda detaylI bilgi verilmis,
uygulama blmnde Trke ve Ingilizce metinler zerindeki sonular tartIsIlmIstIr.
2. Latent Semantic Analaysis LSA
LSA, 1990larIn basInda metinlerin anlamsal iliskilerinin belirlenmesi iin nerilmis bir yntemdir (Derweester vd,
1990). LSA, Tekil Deer AyrIstIrmasInI (Singular Value Decomposition) kullanarak, metinlerin anlamlarI arasIndaki
iliskileri belirlemeye alIsan bir yntemdir. Metinler bazI metin temsil yntemleri ile matris halinde ifade edildikten
sonra Tekil Deer AyrIstIrmasI metodu ile temel matrise ayrIstIrIlIr daha sonra uygun boyut indirgemesi yapIlarak
sonu matrisi elde edilir. Elde edilen bu sonu matrisine uygun benzerlik hesaplama yntemleri uygulanarak
benzerliin derecesi hesaplanabilir. LSA, gnmzde daha ok metin zetleme ve metin benzerliinin bulunmasI
konularInda kullanIlmaktadIr.
3. Probabilistic Latent Semantic Analaysis - PLSA
PLSA, LSA metodundan farklI olarak Expectation-Maximization (EM) algoritmasIndan faydalanIr. Metinlerin ve
kelimelerin hangi olasIlIklarla hangi konulara ait olduunu belirlemeye alIsIr (Hofmann, 2001). BaslangIta, kelime
ve dokman olasIlIklarI rassal olarak, konu olasIlIklarI ise konu sayIsIna gre esit olarak belirlenir. ArdIndan
expectation adImInda bu olasIlIklar kullanIlarak yeni deerler belirlenir ve bu yeni deerler ile maximization
adImInda yeni olasIlIklar hesaplanIr. Yeni olasIlIk deerleri ile bir nceki olasIlIklar arasInda fark nceden belirlenen
esik deerden kk oluncaya kadar islem devam ettirilir. PLSA sadece metin benzerliklerinin belirlenmesinde deil
ses ve grnt verilerinin sInIflandIrIlmasInda da kullanIlmaktadIr.
4. Uygulama
Bu alIsmada Trke metinler arasIndaki benzerliin istatistiksel olarak llmesinde LSAnIn ve PLSAnIn
performansI arastIrIlmIstIr. Ilk blmde, kullanIlan yntemlerin teorisi ve bu yntemleri Trke metinlerde
uygulayabilmek iin gereken islemler anlatIlmIs, uygulama kIsmInda ise haber ajanslarIndan elde edilen farklI
konulardaki metinlerin anlamsal olarak benzerliklerinin lmleriyle ilgili sonular verilmistir. Elde edilen sonulara
gre LSAnIn ve PLSAnIn Trke metinlerde anlamsal benzerliin lm iin kullanIlabilecei grlmstr.
Anahtar Kelimeler: Gizli anlam analizi, OlasIlIksal Gizli Anlam Analizi, Metin madencilii

KAYNAKLAR
[1] Deerwester S., Dumais S., Furnas G., Laundauer T., Harshman R. (1990), Indexing by Latent Semantic Analysis.
Journal of the American Society for Information Sciences, 41(6), 391-407.
[2] Hofmann, T., (2001), Unsupervised Learning by Probabilistic Latent Semantic Analysis, Machine Learning, 42,
177-196
[3] Landauer, T.K., Foltz, P.W., Laham, D. (1998), Introduction to Latent Semantic Analysis. Discourse Processes,
25, 259-284.
[4] Nakov, P., Popova, A., Mateev. P., Weight functions impact on LSA performance, The EuroConference Recent
Advances in Natural Language Processing RANLP'01, Bulgaristan, 2001.
[5] Wang, Z., Tsim, Y.C., Yeung, W.S., Chan, K.C., Jinlan, Liu., (2007), Probabilistic latent semantic analysis
(PLSA) in bibliometric analysis for technology forecasting, Journal of Technology Management Innovation, 2, 11-
24.
ABSTRACT
MEASURING SEMANTIC SIMILARITY IN TURKISH TEXTUAL DATA USING LSA AND PLSA
Text summarization and semantic measurement are current text mining topics. Latent Semantic Analysis (LSA) is an
important method to determine semantic similarity between texts. Probabilistic Latent Semantic Analysis (PLSA) is
another method to determine semantic relations between texts. In this paper, LSA and PLSA performances were
researched in measuring semantic similarity in Turkish textual data. Twelve news articles were chosen from three
different news agency and LSA and PLSA were used to measure semantic similarity. According to results, PLA and
LSA can be used to measure semantic similarity in Turkish textual data.
Key Words: Latent Semantic Analysis, Probabilistic Latent Semantic Analysis, Text Mining


EKGDEK NORMAL VE ERKEN KARINCIK KASILMASI VURULARININ SINIFLANDIRILMASI
r. Gr. Yasin KAYA
Karadeniz Teknik niversitesi Enformatik Blm
yasin@ktu.edu.tr
1. Giri

Gnmzde lme neden olan en nemli problemlerden biri kalp rahats@zl@klar@d@r. Kalp rahats@zl@klar@n@n erken
teshisi ve tedavisi ani lmleri nleyebilir[3]. Insan vcudu zerinden alg@lanan ve kalbin aktivitesi gsteren
elektriksel isaretlere elektrokardiyogram (EKG) ad@ verilir. Insan lmlerinin byk bir yzdesi kalp
rahats@zl@klar@ndan olusmaktad@r. Bu yzden kalbin al@smas@ s@ras@ndaki bozukluklar@n iyi bir gstergesi olan ve
hastaya zarar vermeden, vcut zerinden kolayl@kla elde edilebilen EKG isaretleri, islenme ve yorumlama a@s@ndan
byk nem tas@maktad@r[3]. Bu al@smada Normal ve Erken Kar@nc@k Kas@lmas@ vurular@n@n h@zl@ bir sekilde ve
yksek dorulukta s@n@fland@r@lmas@ iin s@n@fland@rma algoritmalar@n@n sonular@ irdelenmistir.
2. Materyal ve Metot

2.1. EKG verileri

Normal EKG isareti, kalbin dinlenme durumundaki taban seviyesi zerine s@ralanan belli basl@ P, Q, R, S ve T adlar@
verilen dalgalardan olusur. Bazen T dalgas@n@ takiben kk genlikli bir U dalgas@ da olabilir[2].

ekil 1. Normal bir EKG vurusundaki nemli dalgalar
Normal bir kalp at@m@, dalgan@n sekli, sresi, RR aral@@ gibi temel parametreler ierir. Bu parametrelerdeki
deismeler kalpte bir rahats@zl@k olduunu gsterir. Bu dzensiz dalga faz@ aritmi olarak isimlendirilir ve aritmiler
hasta iin tehlikelidir[2-3].
2.2. EKG veritaban)

al@smada Massachusetts Teknoloji Enstits Beth Israil Hastanesi (Massachusetts Institute of
Technology Beth Israel Hospital MIT-BIH) aritmi veritaban@ndan al@nan 48 EKG kayd@ kullan@lm@st@r[1].


2.3. EKG verilerinin s1n1fland1r1lmas1

EKG verilerinin islenmesinde karar verme islemi genellikle asamada gereklestirilmektedir: n isleme ve
normallestirme islemi, znitelik Lkartma islemi, SLnLflandLrma islemi.

3. Yap1lan al1malar

zellik Lkarma ve sLnLflandLrma islemlerinden nce giris sinyali ilk olarak pencere genislii 3 olan bir ortalama
filtresi kullanLlarak sinyal zerindeki grltler azaltLlmLstLr. Sinyalde bulunan daha byk sapmalarL gidermek iin
(zellikle ana izgiden sapmalar - baseline drift) sinyal filtrelenmistir. Burada ana izgiden sapmanLn giderilmesi iin
2Hzin altLndaki frekans bilesenleri sinyalden alak geiren (low pass) filtre kullanLlarak LkarLlmLstLr.
SLnLflandLrma islemi iin zellik vektr olarak bir kalp vuru sinyalinin zaman serisi kullanLlmLstLr. Bir vuru sinyalini
elde etmek iin sinyalde R tepeleri tespit edilmis ve 100 rnek nce ve 150 rnek sonra olmak zere 250 rneklik bir
vektr olusturulmustur. SLnLflandLrma iin iki ayrL sLnLfta (N-Normal vuru, V-Erken karLncLk kasLlmasL) yapLlmLstLr.
SLnLflandLrma islemlerinde kullanLlan sLnLflandLrma algoritmalarL ve basarLmlarL izelge 1de verilmistir.
izelge1. S1n1fland1rma sonular1
SLnLf /Algoritma NN KNN Bayes DT ID3 SWM
N 99,6 99,76 92,53 99,23 98,71 99,50
V 93,6 94,04 88,82 92,52 90,64 59,39

KAYNAKLAR
[1] Moody, G. B. and Mark R. G.(1990), The MIT-BIH arrhythmia database on CD-ROM and software for use
with it. Computers in Cardiology. IEEE Computer Society Press, p. 185-188.
[2] Yazgan, E. ve Korrek, M. (1996), TLp Elektronii, IT yayLnlarL, ISBN:975-561-073-1
[3] Dokur, Z. (1998), Yapay Sinir AlarL ve Genetik Algoritmalar KullanLlarak EKG vurularLnLn SLnLflandLrLlmasL,
Doktora Tezi, Fen bilimleri Enstits, Istanbul Teknik niversitesi
ABSTRACT
THE CLASSIFICATION OF NORMAL AND PREMATURE VENTRICULAR CONTRACTION
IMPULSES OF ECG
Today, one of the most important problems that cause death is heart disorders. Early detection and treatment of heart
disease may prevent sudden death. Detected through the human body and seen as a result of activity of the heart's
electrical signals is called electrocardiogram (ECG). Decision-making process of ECG data processing is generally
full fill in three stages: Pre-processing and normalization process, the feature extraction process, classification
process. In this study compared the results of the classification algorithms for the classification of Normal and
Premature Ventricular Contraction impulses of ECG data.

Key Words: EKG, NN, SWM, Bayes, Karar AalarL


GS KTLELERNN YOUNLUKLARININ MAMOGRAF GRNTLERNDEN
STATSTKSEL OLARAK ELDE EDLMES
Tolga BERBER, Ugur SEVIK
Karadeniz Teknik niversitesi, Fen Fakltesi, Istatistik ve Bilgisayar Bilimleri Blm
tberber@ktu.edu.tr, usevik@ktu.edu.tr
Adil ALPKOAK
Dokuz Eyll niversitesi Mhendislik Fakltesi Bilgisayar Mhendisligi Blm
alpkocak@cs.deu.edu.tr
PFnar BALCI
Dokuz Eyll niversitesi TFp Fakltesi Radyodiyagnostik Anabilim DalF
Pinar.balci@deu.edu.tr

1. Giri

Gnmzde mamografi grntleri, ggs kanseri teshisinde kullanFlan en nemli ara lardan biridir. Meme
kanserlerinin basarFlF bir sekilde tedavi edilmesi her seyden nce erken tanFya baglFdFr. Mamografi bu noktada,
yani meme kanserinin erken tanFsFnda, ok nemli bir rol oynar. Son yFllarda, bilgisayar destekli tanF (BDT)
alanFnda birok alFsma otomatik veya yarF otomatik olarak ggs kitlelerini algFlama ve tanFma zerine
yogunlasmFstFr. Bu alFsmalarFn birogunda temel olarak istatistiksel ve matematiksel yntemler kullanFlmFstFr.
zellikle, grntlerden istatistiksel znitelik FkarFmF; bu zniteliklere dayalF makine grenmesi sistemlerinin
gelistirilmesi ve bu sistemlerin kullanFmF ile otomatik olarak kitle sFnFflandFrFlmasF en sFk kullanFlan yntemlerdir.

2. statistiksel znitelik (kar(m(

Dokuz Eyll niversitesi Radyodiyagnostik Anabilim DalF Mamografi biriminden elde edilen
260 ggs kitlesi grnts kullanFlarak, kitlelerin yogunluk zellikleri istatistiksel olarak
tahmin edilmeye alFsFlmFstFr. Veri setimizde 119 adet yksek yogunluklu, 111 es yogunluklu,
6 adet dsk yogunluklu ve 24 adet radyolsen kitle bulunmaktadFr [1]. znitelik vektrlerinin
%10u egitim amacFyla kullanFlmFs ve sistem 10 asamalF apraz dogrulama ile sFnanmFstFr. alFsmada gri seviye
birlikte grlme matrisinden (Gray Level Co-occurance Matrix; GLCM) ayFklanan znitelikler [2] ile
tarafFmFzdan nerilen ve kitlenin polar gsteriminin istatistiksel zellikleri kullanFlmFstFr [3]. Bu znitelikler
birlikte kullanFlarak 3 adet sFnFflandFrFcF egitilmis ve basarFmlarF sFnanmFstFr.

3. Yntem

Mamografi grntlerinden ayFklanan znitelikler, literatrde sFklFkla kullanFlan 3 adet gzetimli grenme
yntemleri kullanarak sFnFflandFrFcFlar gelistirilmis ve bu sFnFflandFrFcFlarFn ggs kitlelerinin zelliklerini
sFnFflandFrma basarFmF sFnanmFstFr. alFsmamFza; Saf Bayes [4], Dogrusal AyFrFcF Analizi [5] ve k-En YakFn
Komsu grenme yntemleri kullanFlmFstFr. Elde edilen sonular dogruluk legi kullanFlarak llms ve
sonular Grafik 1de verilmistir.


4. Sonular

Grafik 1. Younluk zellii s.n.fland.rma sonular..

Sonulara gre dk younluklu ve radyolsen kitleler yksek younluklu ve e younluklu kitlelerden daha
baarMlM bir ekilde sMnMflandMrMlmMlardMr. zellikle dk younluklu kitleler kitle polar gsteriminden ayMklanan
istatistiksel znitelikler, dorusal ayrMMm analizi sMnMflandMrMcMsMyla birlikte kullanMldMMnda %98,06 oranMnda bir
baarMm deeri elde edilmitir.

KAYNAKLAR
[1] Akay O., Alpkoak A., BalcM P., and Dicle O., (2009), MuDMaDs: A Multipurpose
Digital Mammography Reference Dataset, Proceedings of 6th National Medical
Informatics Conference, Antalya, Turkey.
[2] Haralick R. M., Shanmugam K., and Dinstein I. H., (1973), Textural features for image classification,
IEEE Transactions on Systems, Man and Cybernetics, 3(6), pp.
610621.
[3] Mierswa I., Wurst M., Klinkenberg R., Scholz M., and Euler T., (2006), YALE: Rapid
prototyping for complex data mining tasks, Proceedings of the 12th ACM SIGKDD
International Conference on Knowledge Discovery and Data Mining, ACM, pp. 935
940.
[4] Zhang H., (2004), The Optimality of Naive Bayes, Proceedings of the 17th
International FLAIRS conference, AAAI Press, Menlo Park, CA.
[5] Mika S., Ratsch G., Weston J., Scholkopf B., and Mullers K., (1999), Fisher
discriminant analysis with kernels, Neural Networks for Signal Processing IX,
Proceedings of the 1999 IEEE Signal Processing Society Workshop, IEEE, pp. 4148.

ABSTRACT

IDENTIFICATION OF BREAST MASS DENSITIES FROM MAMMOGRAPHY IMAGES USING
STATISTICAL METHODS

In this study, we measured performance of statistical low-level image features on breast mass density
classification task. According to the results, LDA classifier with statistical properties of polar mass
representation feature obtains the highest accuracy score with
98.06%.

Key Words: Breast cancer, Mass density, Machine Learning, Statistical Feature Extraction


BLDR OTURUMLARI 2
SESSION 2
Statistics Theory 1


FISHER INFORMATION IN PROGRESSIVE TYPE II CENSORED ORDER STATISTICS AND THEIR
CONCOMITANTS FOR SOME COPULA MODELS
Tugba YILDIZ, Burcu ER
*
Dokuz Eylul University, Department of Statistics, Faculty of Science, 35160 Buca, Izmir, TURKEY,
tugba.ozkal@deu.edu.tr, burcu.hudaverdi@deu.edu.tr
Introduction
Fisher information takes part in statistical inference through the Cramer-Rao inequality and its association with the
asymptotic properties of the maximum likelihood estimators. The problem of finding the efficient estimators caused
the researchers to take the evaluation of corresponding Fisher information into concern. The Fisher information is
closely related to sufficiency and efficiency. When computing the relative efficiency of the estimator, especially
finding the optimal estimator, Fisher information can be used. Fisher information from censored samples is a useful
tool for planning life testing experiments and for evaluating the performence of estimators and tests based on
censored samples.
Progressive type II censoring model have an important role in the reliability and life tests. Let N identical units be
placed on a lifetime test at time zero. Immediately following the ith failure, Ri surviving units are randomly
withdrawn from the test, 1_ i _ n. Thus, n failures are observed then R1 + R2 + + Rn units are progressively
censored, since N = n+R1 ++Rn. The resulting n ordered values that are obtained result of this type of censoring
are referred to as progressive type II censored order statistics and expressed as
R
~
N : n : n
R
~
N : n : 2
R
~
N : n : 1
X ..., X , X
. The
censoring scheme is denoted by R
~
= (R1,R2,,Rn). When R
~
= (0,0,,0), the progressive type II censoring scheme
reduces to the case of no censoring and usual order statistics are obtained.
In our study, we consider Fisher information in progressive type II censored order statistics and their concomitants.
Let (Xi,Yi), i = 1, 2, be a sequence of independent and identical distributed bivariate random variables (X,Y) with
an absolutely continuous distribution function FX,Y(x,y). The Y value associated with Xr:n is denoted by Y[r:n]. Y[r:n] is
called the concomitant of the rth order statistics. They are also known as induced order statistics in the literature. The
concomitants are of interest in selection and prediction problems based on the ranks of the Xs. Concomitants of
order statistics used mostly in selection procedures, when k(< n) individuals are chosen on the basis of their X-
values. Then the Y values represent performance of an associated characteristic. As an example, if the k out of n
canditates as judged by their scores in a screening test, then Y[n-k+1:n],, Y[n:n] are the scores on a final test. Or, If k
rams from sample size n is selected for breeding in according to their genetic make up, then the quality of the wool
of one of their female offspring might be represented by Y[n-k+1:n],, Y[n:n]. For the details of concomitants can be
found in Bhattacharya (1984), David (1993), David and Nagaraja (1998).
Let (X,Y) is absolutely continuous with joint c.d.f. FX,Y (x,y; ) and p.d.f fX,Y (x,y; ). Xr:n be the rth order statistic
and Y[r:n] be its concomitant obtained from random sample ofsize n from f, for 1_ r _ n. David and Nagaraja(1998)
gives the joint p.d.f. of (Xr:n; Y[r:n]) as
[ |
[ | [ |
r n
1
1 r
1
Y , X
) (x; F 1 ) (x; F ) y; kf(x, ) y; (x, f
n : r n : r

=

where
r)! - (n 1)! - (r
n!
k =
.
In this study, the Fisher information about dependence parameter of a bivariate copula model for progressive type II
censored order statistics and their concomitants is given. Also the values of Fisher information for different values of
N, n and for different censoring schemes are computed.

REFERENCES
[1] Abo Eleneen, Z.A. (2008), Fisher information in Type II Progressive censored samples.
Commun. Statist. Theor. Meth. 37:682-691.
[2] Amini, M., Ahmadi, J. (2007), Fisher information in record values and their concomi-
tants about dependence and correlation parameters. Statistics&Probability Letters 77: 964-972
[3] Bhattacharya, P.K. (1984), Induced order statistics. Theory and application. In: Krish-naiah, P.R., Sen, P.K.
(Eds.), Handbook of Statistics, vol. 4 North-Holland, Amsterdam, pp. 383-403.
[4] David,H.A. (1993), Concomitants of order statistics: review and recent developments. In:Hoppe, F.M. (Ed.),
Multiple Comparisons, Selection and Application in Biometry. Dekker, New York, pp. 507-518.
[5] David, H.A., Nagaraja, H.N. (1998), Concomitants of order statistics.In: Balakrishnan,N., Rao, C.R.,(eds)
Handbook of statistics, 16. Elsevier, Amsterdam, pp 487-513.
FISHER INFORMATION IN PROGRESSIVE TYPE II CENSORED ORDER STATISTICS AND THEIR
CONCOMITANTS FOR SOME COPULA MODELS
We study on the Fisher information about the dependence parameters for a bivariate copula of progressive type II
censored order statistics and their concomitants. The relative efficiency of the estimator of the dependence parameter
for progressive type II censored order statistics and their concomitants is obtained. Also, some numerical results are
presented.
Key Words: Fisher Information; progressive type II censored order statistic; concomitant; copula


A NEW RESTRICTED ESTIMATOR
Glesen STNDA SIRAY, Selma TOKER
*
University of Cukurova, Faculty of Science and Letters, Department of Statistics, Adana, Turkey,
gustundag@cu.edu.tr, stoker@cu.edu.tr
Modified and Restricted Two Parameter Ridge Estimators
The standard multiple linear regression model is

where y is an vector of observations on the response variable; X is a model matrix of full column rank
of observations on non-stochastic explanatory variables; is a vector of unknown parameters and is an
vector of disturbances. For the standardized variables in a multiple linear regression model and denote
correlation matrix of the regressors and vector of correlations of the dependent variable with , .
In the presence of the multicollinearity, biased estimators alternative to the ordinary least squares estimator (OLSE)
are proposed as a remedy for this problem. The most popular estimator is the ridge regression estimator (RE) which
is proposed by Hoerl and Kennard (1970). Although the RE is the most common estimator for dealing with
multicollinearity, it has also negative drawbacks. These negative drawbacks led Lipovetsky and Conklin (2005) to
introduce the two parameter ridge estimator (TRE).
Another alternative technique to remedy the problem of multicollinearity is specifying restrictions on the parameter
space. Suppose that there are linear equality restrictions on the parameter vector as where the is
and of full row rank , is an vector and both and are known.
Swindel (1976) introduced the modified ridge regression estimator by combining the prior information with the ridge
regression.
By shrinking towards the shortest vector =H'(HH')h which satisfies the linear restrictions , Gross (2003)
proposed the restricted ridge estimator.
In this paper, by following Gross (2003) we introduce two new estimators, the modified two parameter ridge
estimator (MTRE) and restricted two parameter ridge estimator (RTRE) as

where and are two new constant parameters, is a given non stochastic vector which should be chosen to
represent the prior information on and is obtained by writing in the MTRE. It is easily seen that

includes the RRE for and the restricted least squares estimator (RLSE) for and as
special cases.
We obtain a criterion for the choice of q which makes the coefficient of multiple determination (R) maximum as
,
where and
.
We find the matrix mean square errors of the MTRE and RTRE as follows:

.
The formula of is so complicated therefore the comparison of this estimator with the other
estimators can not be easily seen theoretically. So, we examine the theoretical results with a data set about Total
National Research and Development Expenditures (Gruber, 1998). It is emphasized that specifying restrictions on
parameters decreases the estimated scalar mean square error values of the OLSE, RE and TRE. Besides this, the
RTRE outperforms the RRE and RLSE under given restrictions and prior information.
KAYNAKLAR
[1] Hoerl, A. E., Kennard, R. W. (1970). Ridge regression: biased estimation for nonorthogonal problems.
Technometrics, 12, 55-67.
[2] Gross, E. (2003). Restricted Ridge Estimation. Statistics and Probability Letters, 65, 5764.
[3] Lipovetsky, S. and Conklin, W. M., (2005). Ridge Regression in Two Parameter Solution. Applied Stochastic
Models in Business and Industry, 21: 525-540.
[4] Swindel, B. F., (1976). Good estimators based on prior information, Communications in Statistic, 5, 1065-1075.
[5] Gruber, M.H.J. (1998). Improving Efficiency by Shrinkage. Marcel Dekker, Inc, New York.

Key Words: restricted two parameter ridge estimator, modified two parameter ridge estimator, two parameter ridge
estimator, restricted ridge estimator, ridge estimator

A NEW APPROACH FOR LEARNING STRUCTURE IN HYBRID BAYESIAN NETWORKS
Emre DNDER , Mehmet Ali CENGZ
Ondokuz MayAs University, Faculty of Science,,Departmet of Statistics, Kurupelit/SAMSUN

emre.dunder@omu.edu.tr
macengiz@omu.edu.tr
Bayesian networks are the probabilistic graphical models that represent causal relations in a multivariate dataset. The
main task is constructing the graphical model with an automated method. These methods are called as structure
learning in Bayesian networks. In recent years many researchers have focused on learning the structure of Bayesian
networks. Some real problems are more naturally modeled by hybrid Bayesian networks that consist of mixtures of
continuous and discrete variables with their interactions described by equations and continuous probability
distributions. When mixed data is used, the continuous part of the data should be normally distributed. The failure of
this assumption can occur to the construction of wrong causal relations in Bayesian networks. Because of this
limitation the discretization methods are used for rendering continuous variables to the discrete ones. Generally, the
continuous variables are discretized to solve the distributional problem for learning the structure. The use of different
discretization techniques can be expected to affect the quality of the learned structure. Due to the loss of information,
the discretization process causes the errors.
In this paper we introduce a new constraint based approach for learning hybrid Bayesian networks from data. Instead
of classical statistical independence tests, generalized linear modeling (GLM) methods are replaced to learn the
Bayesian network structure. There is no need to use any discretization method in structure learning processes
together with this approach so the loss of information about the data is prevented. The implementations are
performed in R project statistical programming language.
Key Words: Hybrid Bayesian Networks, Structure Learning, Generalized Linear Modelling

KAYNAKLAR

1. Neapolitan R. (2003), Learning Bayesian Networks, Prentice Hall Series in Artificial Intelligence.
2. Faraway J. J. (2006), Extending the Linear Model With R, Boca Raton London New York
3. Scutari M. (2011), Measures of Variability for Graphical Models, Universita degli Studi di Padova,
Dipartimento di Scienze Statistiche.


UNCERTAINTY ASSESSMENT OF THE RESPONSE SURFACE MODEL PARAMETERS WITH
BAYESIAN AND FUZZY APPROACHES
zlem TRKSEN

Ankara University, Faculty of Science, Statistics Department, 06100, Tandoan, Ankara, Turkey
turksen@ankara.edu.tr
Introduction
It is well-known that the first stage for the solution of response surface problems is modeling of the unknown
response. Regression analysis has been used as a powerful tool for investigating the relationship between response
and input variables. This relationship is defined by the unknown model parameters which are uncertain and specific
to the problem. In this study, the uncertainty of response surface model parameters are evaluated by using Bayesian
and fuzzy approaches. The probability simply describes the uncertainty in the Bayesian framework while the
possibility is used for representing uncertainty in the fuzzy framework. HPD credible interval and alfa-cut values are
used to analyse the uncertainty of model parameters for Bayesian and fuzzy approaches, respectively.
Bayesian Modeling Approach
A key feature of Bayesian statistics is combining two seperate sources of information, prior information and data.
The result is posterior distribution. Linear regression methods can be thought of as Bayesian posterior inference
based on a non-informative prior distribution for the parameters of the normal linear model. In linear regression
model, the observations consist of a response variable in a vector Y
( ) 1 n and one or more input variables in a
matrix X
( ) n p . The parameters, regression coefficients and error variance of fitted model, are denoted as
( ) 1 p and
2
( ) 0 > . The model that relates observations and parameters is written as
( )
2 2
, , ~ ,
n n
N I Y X X . (1)
Once the model is specified, the Bayesian analysis seeks the posterior distribution for the parameters. A non-
informative prior distribution, commonly used for linear regression, can be defined as
( ) ( )
1
2 2
, h

,
p
R ,
2
0 > . (2)
The posterior distribution of given
2
is

( )
( )
1
2 2
, ~ ,
p
N

Y XX (3)
in which
( )
1

= XX XY. The marginal posterior distribution of
2
is
2
2
~ ,
2 2
k kS
GI

Y

and the marginal posterior distribution of given Y is obtained as
( )
( )
1
2
~ ; ,
p
t k S

Y XX where
k n p = and
( ) ( )
2

S k
= Y- X Y- X . In this study, the Bayesian confidence interval (HPD credible

interval), which provides an actual probability statement based only on the observed data, is used to analyse the
uncertainty of the model parameters. The 100 % HPD credible interval, for each
j
, 1, 2,..., j p = , is defined
as
( )
1
1
2
k
j j t
S d F

[
| j
\ J
, 1, 2,..., j p = (4)
in which
j
d is a diagonal element of
( )
1
XX and
( )
1
k
t
F
is a quantile function.
ACKNOWLEDGEMENTS
The author thanks to Prof. Dr. Aysen Apayd<n for her informative guidance about fuzzy approach. The author also
thanks to Prof. Dr. Maria Antonia Amaral Turkman for her valuable contributions and helpful suggestions which led
to improvements on Bayesian approach.
REFERENCES
[1] Carlin B.P. and Louis T.A. (2009), Bayesian Methods for Data Analysis, Third edition, Chapman and Hall.
[2] Gelman A., Carlin J.B., Stern H.S. and Rubin D.B. (2003), Bayesian Data Analysis, Second edition, Chapman
and Hall.
[3] Paulino C.D., Turkman, M.A.A. and Murteira, B. (2003), Estatistica Bayesiana, Fundaao Galouste Gulbenkian.
[4] Trksen, . (2011), Fuzzy and Heuristic Approach to the Solution of Multi Response Surface Problems, PhD
Thesis, Ankara.
ABSTRACT
UNCERTAINTY ASSESSMENT OF THE RESPONSE SURFACE MODEL PARAMETERS WITH
BAYESIAN AND FUZZY APROACHES
Modeling of the unknown response is a crucial step to get knowledge about the relationship between the response
and input varibles. The predicted response model involves many parameters which are uncertain simply because of
the lack of knowledge. In this study, Bayesian and fuzzy approaches are used to analyse the uncertainty of the
response surface model parameters. In Bayesian approach, the uncertain quantity of parameters are referred as
random variable. Besides, the uncertainty of the parameters is represented as a fuzzy number in fuzzy approach. The
interested approaches are illustrated on a multi response experimental data set from the literature.

Key Words: Bayesian regression, fuzzy regression, uncertainty of parameters


OPTMAL REPLACEMENT MODEL FOR SYSTEMS WTH SNGLE SPARE AND LEAD TME
Aye TANSU
ayset@ciu.edu.tr
1.Introduction
In the replacement model of [1] the system was replaced at periodic instants of time . These periodic
replacements imply the availability of the replacement system. In practice this implication posses difficulties. For
instance when the system is expensive like military hardware or unwieldy like a generator in a gas turbine, the
assumption of a continuous supply of replacements is suspect. It is reasonable in commercial industries that only one
spare unit which can be delivered upon order is available for replacement. Also in each of the above cases a random
lead time for delivering the spare unit could not be ignored. Thus it becomes essential and more practical to analyze
the effects of single spare and its lead time for delivery on the replacement times. Nakagawa and Osaki [2]
developed an age replacement policy with random lead time. Osaki and Yamada [3] discussed an age-replacement
policy with random lead time and with cost for stock and system downtimes. Sheu and Griffith [4] considered a
general age-replacement policy with age dependent minimal repair and random lead time. Keywords:
optimal replacement, spare, lead time.

2. Model
A replacement model for a system based on the frequency of shocks with a single spare is developed. The delivery of
the spare is subject to a random lead time. Using the long run average cost per unit time the optimal replacement
time is obtained explicitly. The model is governed by the following assumptions: Assumption1. At the
beginning, the system is put into operation which is conveniently taken to be the time origin t=0. The system is
replaced whenever it reaches the age T by a spare if available. The spare unit is assumed to be as good as new.
Assumption2. The system is subjected to shocks and frequency of shocks dependent failures so that the distribution
function of the failure time is . Assumption3. An order for a spare unit is placed at each of the instant of the
installation of a new/spare unit. Assumption4. The lead time for the delivery of the spare unit is a random variable
with distribution function having a finite mean. Assumption5. The shock arrival times, the threshold times and
the lead time are all mutually independent random variables. From the foregoing assumptions it is clear that the time
between two successive system replacements forms a cycle. In computing the length of a cycle and the cost involved
in a cycle we have to consider four mutually exclusive cases which are listed below:
Case 1: If the ordered spare arrives and no failures occur before time T , then the delivered spare unit is put
into stock until T when the working unit is replaced by the spare. In this case the length of the cycle is T
and the relevant costs are q
1
, the cost ofreplacement and c
s
the cost rate for stocking the spare unit for a
period (T L) .

Case 2:
L

0 T L TF
T < L < T
F


6

If the ordered spare arrives after time T and no failure occurs before the arrival of the ordered spare unit,
then the working unit is replaced by the spare as soon as it is delivered. In this case the length of the cycle is
L and the relevant cost is the cost of replacement q
2
Case 3:
TF

L<TF <T

0 L TF
T
If the ordered spare arrives before failure and the failure occurs before the replacement time T ,
then the delivered unit is put into stock and the working unit is replaced by the spare upon failure. In this
case the length of the cycle is failure time
T
F
and the relevant costs are the cost of replacement q
3

and the cost rate for stocking the spare unit c
s
for a period (T
F
L) .
Case 4:
L

0 TF L
T
F
L
If the ordered spare arrives after failure, then the system is shut down andv replaced by the
spare as soon as the spare is delivered. In this case the length of the cycle L and the relevant
costs are the cost of repalcement and the cost resulting fromsystem down time cp for a period
(L-TF).

[1]A.Rangan and A.Tansu (2010), Some Results on a New Class of Shock Models, Asia-Pacific
Journal of Operational Research, Vol. 27 (4).
[2] Nakagawa, T., & Osaki, S. (1974), Optimum replacement policies with delay,
Journal of Applied Probability, 11, 102-110.
[3] Osaki, S., & Yamada, S. (1976), Age replacement with lead time, IEEE Transctions on
Reliability, 25, 344-345.
[4] Sheu, S.H., & Griffith, W.S. (2001). Optimal age-replacement policy with age-
dependent minimal-repair and randonm-leadtime, IEEE Transctions on Reliability, 50, 302-309.

Uluslararas 8. statistik Kongresi,
BLDR OTURUMLARI 2
SESSION 2
ok Deikenli statistik
117
AIMLAYICI FAKTR ANALZNDE FAKTR IKARMA METODUNUN SEMNE LKN

BR SMLASYON ALIMASI
Algn OKURSOY
*
Kvan YKSEL
AD Ske letme Fakltesi Ynetim Biliim
Sistemleri Blm
09200 Aydn / Trkiye
aokursoy@adu.edu.tr
E la Gelitirme Ve Farmakokinetik Aratrma-
Uygulama Merkezi
35100 zmir / Trkiye
kianc.yuksel@ege.edu.tr
Giri
Aratrmacnn, lme aracnn lt faktrlerin says hakknda bir bilgisinin olmad durumlarda ve belli bir
hipotezi snamak yerine, lme aracyla llen faktrlerin doas hakknda bir bilgi edinmeye alt inceleme
trlerine amlayc faktr analizi (exploratrory factor analysis) denir (Tavancl,2010, 46). Amlayc faktr
analizi bir veri azaltma tekniinden ibarettir. Amlayc faktr analizinde, maddelerin ilgili faktrler altnda
kmas ve yksek faktr yk deerleri ile elde edilmesi arzu edilir. Maddelerin gerekte hangi faktr altnda
lme yaptklar bilinmedii durumlarda bu analiz yntemi kefedici olarak kullanlabilir (okluk vd., 2010,
189).
Bu almada, amlayc faktr analizinin uygulanmasnn admlar ayrntl bir ekilde ele alnacak ve her bir
adm iin uygulamada karlalan problemlere ilikin neriler getirilecektir. Ayrca faktrlerin elde edilmesinde
kullanlan yntemler olan temel bileenler, temel eksenler ve en ok olabilirlik metotlar verilerin normal
dalma sahip olduu ve normal dalmdan sapma gsterdii durumlar iin simlasyon yntemi kullanlarak
incelenecektir. Hangi metodun hangi durumda kullanlmasnn faydal olaca aratrlacaktr.
Faktr Analizinde rneklem Bykl, oklu Balant ve Normallik
Veri setinin faktr analizine uygunluunun snanmas iin rneklem bykl, normallik, dorusallk, oklu
balant ve tekilliin kontrol edilmesi analizin doru sonular vermesine yardmc olacaktr. rneklem
geniliinin lme aracnda yer alan deiken saysna gre belirlendii durumlar faktr analizinde gzlem
saysnn belirlenmesinde daha sklkla bavurulan bir yntemdir. Genel kural olarak her deiken iin 10 gzlem
alnmas nerilmektedir (Velicer ve Fava, 1998, 232). Faktr analizinde normal dalm varsaymnn yerine
getirilemedii durumlarda ise zm alternatifleri azalmakla birlikte veri setinden yararl sonular elde edilebilir
(okluk vd., 2010, 208). Eer faktr analizi veri seti ierisindeki faktr saysn belirlemek ve deikenler
arasndaki ilikileri zetlemek iin kullanlyorsa deikenlerin normal dalma sahip olma art aranmayabilir
(Tabachnick ve Fidell, 2007, 613). Faktr analizi srecinde deikenler arasndaki dorusallk analizin
sonularnn gvenilir olduuna iaret eder. ki deikene ait ilikinin dorusal olduu hesaplanan korelasyon
katsaysnn kritik deer ile karlatrlmasyla snanabilir. Kritik deerin hesaplanmasnda aadaki formlden
yararlanlabilir (Spiegel ve Stephens, 1999, 317,336).
(1)
oklu balant sorununun var olup olmadn anlamaya ynelik olarak kullanlan yntemlerden bir tanesi olan
Koul Endeksidir (CI Condition Index). Veri matrisi ierisindeki dorusal ball tespit etmeye ynelik
olarak kullanlan bir yntemdir (Wissmann, Toutenburg ve Shalabh, 2007, 3). Koul Endeksi (k), en byk
zdeerin en kk z deere blmnn karekk olarak tanmlanabilir (Rao et al., 2008, 97; Gujarati, 2004,
362). Eer k > 30 ise iddetli bir oklu balantdan bahsedilebilir.
118
Faktr karma Metodunun Seimi

Faktr analizinde deikenlerin normal dalma sahip olduu durumlarda gre bu iki faktr karma metodunun
yerine en ok olabilirlik metodunun nerilmitir. Fabrigar, Wegener, MacCallum ve Strahan (1999, 277), faktr
analizi sonrasnda istatistiksel hipotez testleri uygulanacak ve gven aralklar tahmin edilecekse faktr karma
metodu olarak En ok Olabilirlik ynteminin (Maximum Likelihood) kullanlmasnn daha doru olacan
belirtmilerdir. Alan yaznda, normal dalm varsaym salanamad durumlarda ise, faktr elde edilmesinde
PAF metodunun kullanlmasnn daha doru olaca vurgulanmtr (Fabrigar et al., 1999, 283; Costello ve
Osborne, 2009, 134). PAF metodu PCA metoduna gre poplasyon yklerinin elde edilmesinde daha uygun
sonular vermektedir (Widaman, 1993, 282).
alma verileri SAS programnda IML dili ve Factor prosedr kullanlarak tretilmitir. ok deikenli
normal dalma uygun olarak oluturulan deikenler hedeflenen poplasyon korelasyon matrisine
(R) bal olarak rastgele tretilmitir. Verilerin tretilmesinde temel matris ayrma yntemi (basic matrix
decomposition procedure) kullanlmtr (Kaiser, H. F., and K. Dickman, 1962). Normal olmayan ok deikenli
veriler ise nceden belirlenmi arpklk ve kuyruk kalnl deerlerine bal olarak edilmi ok deikenli
normal dalma ait deienlerin dntrlmesi ile elde edilmitir (Vale and Maurelli, 1983).
KAYNAKLAR
[1] OKLUK, ., EKERCOLU, G.,BYKZTRK, . (2010). Sosyal Bilimler in ok Deikenli
statisik : SPSS ve LISREL Uygulamalar. Ankara: Pegem Akademi.
[2] FABRGAR, L. R., WEGENER, D. T., MACCALLUM, R. C., & STRAHAN, E. J. (1999). Evaluating the
use of exploratory factor analysis in psychological research. Psychological Methods, 4(3), 272-299.ss.
[3] Kaiser, H. F., and K. Dickman. 1962. Sample and Population Score Matrices and Sample Correlation
Matrices from an Arbitrary Population Correlation Matrix. Psychometrika 27:179-182.
ABSTRACT
A SIMULATION STUDY FOR SELECTION OF FACTOR EXTRACTION METHODS IN
EXPLORATORY FACTOR ANALYSIS
Key Words: Exploratory factor analysis, Factor Extraction Method
The exploratory factor analysis is one of the data reduction techniques. In the exploratory factor analysis, it is
desired that items are appeared under the relevant factors and they have high factor loading values. In factor
analysis, sample size, normality and multicollinearity affect the results of analysis. In this paper, steps of the
exploratory factor analysis are detailed and suggestion will be given for encountering possible problems.
Moreover, Normality effects will be discussed for factor extraction method such as Principal Component
Analysis, Principal Axis Factoring and maximum likelihood by simulation study. Simulation will be run for
normal distribution and non-normal distribution.
119
MANOVA VARSAYIMLARININ SALANMAMASI DURUMUNDA

UZAKLIK ANALZ YNTEMNN KULLANIMI
B. Bar ALKAN
1
, Cemal ATAKAN
2
1
E-mail:bbalkan@sinop.edu.tr
2
Ankara niversitesi, Fen Fakltesi, statistik Blm, Ankara
Email:atakan@science.ankara.edu.tr
1. Giri
Veri kmesinde heterojenlik, arpklk, kayp veri gibi problemler sz konusuysa veya deikenlerin says
gzlemlerin saysndan daha byk ise, ok deikenli tek ynl varyans analizi (MANOVA) gibi geleneksel
ok deikenli teknikler, gruplar arasndaki farkllklar belirlenecei zaman yksek derecede kukulu sonular
verebilmektedir. Byle durumlarda tek ynl MANOVAya alternatif bir karmsal metot olarak Gower ve
Krzonowski (1999) tarafndan nerilen ve uzaklk llerine dayanan Uzaklk Analizi (UA) ynteminin
kullanm aratrmaclarn daha doru ve gvenli bulgulara ulamalarn salayacaktr. Gower ve Krzonowski
(1999) almalarnda Temel Koordinat Analizi (TKA) ve Uzaklk Analizi (UA) olarak adlandrlan iki
yaklam ele almlardr. TKA, Temel Bileenler Analizine (TBA) paralel bir yaklam olup, analiz iin gzlem
iftleri arasndaki uzaklklardan oluan matrisi kullanr. UA ise MANOVAya paralel bir yaklam olup, kareler
toplamlarndan daha ok gzlemler arasndaki uzaklklarn paralanmas temeline dayanr (Fenty 2004).
2. Uzaklk Analizi
n tane birimin g tane grup iine
1 2 g
n , n ,..., n byklklerinde blndn varsayalm. Gruplandrma n g
boyutlu G matrisi ile gsterilebilir. i birimi r grubunda yer alyorsa
i r
g 1 = , dier durumda
i r
g 0 =
biimindedir.
( )
1 g
diag n ,..., n = N ,
1 2 g
n , n ,..., n grup birim saylarndan oluan kegen bir matristir.
( )
1 g
n ,..., n = m ise, grup birim saylarn ieren bir vektrdr.
Grup ortalamalarnn koordinatlar ise,
( )
T
1
g p g g n g n p

= X N G X (1)
eitlii ile elde edilir.
3. Uzaklk Analizi ile Biplot Kullanm
Uzaklk analizi ile Biplot birlikte oluturulabilir. UA Biplot, deiken says, gzlem saysndan fazla ise
etkileyici boyut indirgeme zelliklerine sahiptir (Gardner vd. 2009). Byk veri kmelerin analizlerinde
MANOVA varsaymlarnn salanmas zor olduundan, UA kullanm bu tr veri kmeleri iin nemlidir. UA,
grup ortalamalar arasndaki uzaklklar maksimize eder. Grup yapsnn grafiksel olarak incelenmesi iin UA
Biplot kullanlr.
120
4. Uygulama
Gerrild ve Lantz (1969) tarafndan elde edilen ham petrol rneklerini ieren veri kmesi, kumta blgesinden
(Blge I: Wilhelm, Blge II: Aagi-Mulinia, Blge III: Yukar-Mulinia) alnan 56 ham petrol rneklerinin
vanadyum, demir, berilyum, doymu hidrokarbonlar, aromatik hidrokarbonlar kimyasal zelliklerini
iermektedir. Veri kmesine R programnda yer alan ktphane ve fonksiyonlar yardmyla oluturulan program
ile UA Biplot uygulanm elde edilen bulgular yorumlanmtr.
5. Sonu
Bu almada, Temel Koordinat Analizi (TKA), Uzaklk Analizi (UA) ve Biplot yntemleri incelenmi ve
gerek bir veri kmesi zerinden MANOVA varsaymlarnn salanmamas durunumunda uzaklk analizi
kullanmnn nemi vurgulanmtr. almada ayrca varsaymlarn salanmamas durumunda MANOVAya
alternatif kullanlabilecek dier yaklamlar da ksaca ele alnm ve uzaklk analizine gre avantaj ve
dezavantajlar tartlmtr.
KAYNAKLAR
[1] Fenty J. (2004), Analyzing distances, The Stata Journal, Vol. 4(1), pp. 1-26.
[2] Gardner-Lubbe S., Roux N.J.L., Maunders H., Shah V. and Patwardhan S. (2009), Biplot methodology in
exploratory analysis of microarray data, Statistical Analysis and Data Mining, Vol. 2(2), pp. 135-145.
[3] Gerrild P.M. and Lantz R.J. (1969), Chemical Analysis of 75 Crude Oil Samples from Pliocene Sand Units,
ELK Hills Oil Field,. U.S. Geological Survey Open-File Report, California.
[4] Gower J.C. and Krzanowski W.J. (1999), Analysis of distance for structured multivariate data and
extensions to multivariate analysis of variance, Applied Statistics, Vol. 48, pp. 505-519.
ABSTRACT
THE USE OF DISTANCE ANALYSIS WHEN ASSUMPTIONS OF MANOVA ARE VIOLATED
Multivariate analysis of variance (MANOVA) is used for testing the null hypothesis of equal mean vectors for g
groups. MANOVA assumes homogeneity of variance-covariance matrices and multivariate normality.
MANOVA can not be used when its assumptions are violated. In this study, we used analysis of distance
biplot as an alternative method of MANOVA. As a real data application the mean vectors of the crude oil
samples dataset for tree regions are examined.
Key Words: Analysis of distance, biplot, multivariate analysis of variance, principal coordinates Analysis
121
KANONK KORELASYON ANALZNDE BOYUT SAYISINA KARAR VERLMESNDE PARALEL

ANALZ YAKLAIMI
Glhayat GLBAI MEK
*
,Fatma NOYAN ,Selahattin AYDODU
Yldz Teknik niversitesi, Fen-Edebiyat Fakltesi, statistik Blm, 34220, stanbul, TRKYE
gulhayat@yildiz.edu.tr,fnoyan@yildiz.edu.tr,saydogdu23@gmail.com
Giri
Hotelling (1936) tarafndan gelitirilmi olan Kanonik Korelasyon Analizi (KKA) iki deiken seti arasndaki
ilikileri analiz etmek iin kullanlan ok deikenli istatistik yntemlerden biridir. KKA her bir setteki orijinal
deikenlerden, ayn set iinde korelasyonsuz olacak ve setler arasndaki korelasyonu maksimum yapacak
ekilde, orijinal deikenlerin lineer kombinasyonlar olan yeni deikenleri bulmaya alr. Bu yeni deiken
iftlerine kanonik deikenler ve kanonik deikenler arasndaki korelasyona da kanonik korelasyon denir[1].
p sayda deikenli y ve q (p sq) sayda deikenli x deiken seti srasyla
y
ve
x
ortalamal ve
yy yx
xy xx
E E (
E = (
E E
(

(1)
kovaryans matrisli (p+q) deikenli normal dalmdan gelmek zere, y ve x deiken setleri arasndaki kanonik
korelasyonlar
1
1 ... 0
p
> > > > olup,
1 1
yy yx xx xy

E E E E nin zdeerlerinin pozitif karekkleridir. KKAda
sfr olmayan kanonik korelasyon says boyut says olup, ayn zamanda zerinde allacak kanonik deiken
saysdr. Boyut saysna karar vermek iin ncelikle
12
0 E = sfr hipotezi,
0 1 2
: ... 0
p
H = = = = (2)
test edilir. H
0
reddedilirse, hangi kanonik deikenlerin sfr olduklarnn belirlenmesi iin, H
0
takip eden
hipotez
1 2
: ... 0, 1, 2,..., 1
d d d p
H d p
+ +
= = = = = (3)
test edilir. H
d
hipotezlerinin testinde Lawley-Hotelling iz istatistii, Wilksin
d
olabilirlik oran istatistii ve
Bartlett-Nanda-Pillai iz istatistii gibi MANOVAda da kullanlan istatistikler nerilmi olup, Bartlett veya
Lawley tarafndan modifiye edilen Wilksin
d
istatistii yaygn olarak kullanlmaktadr[2].
Paralel Analiz (PA) faktr veya temel bileen saysna karar vermek iin kullanlan bir tekniktir. lk olarak Horn
(1965) tarafndan nerilmi olan bu teknikte np orijinal veri setiyle ayn sayda deiken ve gzlem ierecek
ekilde birim kovaryans matrisli ok deikenli normal dalmdan np boyutlu rastgele veri setleri retildikten
122
sonra, orijinal veri setine ait korelasyon matrisinden elde edilen zdeerler ile, rastgele veri setlerinden elde
edilen korelasyon matrislerinin zdeerleri karlatrlr[3]. Uygulamada genellikle orijinal veri setinden elde
edilen i.zdeer, rastgele veri setlerinden retilen i.zdeerlerin %95, %99 gibi istenilen belli bir yzdesinden
veya ksaca 95. veya 99. persentilden byk olduunda i.temel bileen veya faktrn analize katlmasna karar
verilir[4].
Bu almada PA metodu KKAya modifiye edilerek, KKAdaki boyut saysna karar vermek iin PAnn
kullanlabilirlii aratrlmaktadr. Bu amala sfrdan farkl iki kanonik korelasyona sahip
( )
1 2 3 4 5
.9, .6, 0 = = = = = , p=7 ve q=5 olan varsaymsal bir anaktleden farkl byklkte
rnekler ekilerek, klasik hipotez testlerinden ve PAdan bulunan boyut saylar karlatrlmtr.
KAYNAKLAR
[1] Hotelling H. (1936). Relations between two sets of variates. Biometrika, 28:321-377.
[2] Caliski T., Krzyko M. and Woyski W. (2006). A comparison of some tests for determining the number of
nonzero canonical correlations. Communication in Statistics-Simulation and Computation, 35:727-749.
[3] Horn J. L. (1965). A rationale and test fort he number of factors in factor analysis. Psychometrika, 30:179-
185.
[4] OConnor B. P. (2000). SPSS and SAS programs for determining the number of components using parallel
analysis and Velicers MAP test. Behavior Research Methods, Instruments, & Computers, 32(3): 396-402.
ABSTRACT
PARALLEL ANALYSIS APPROACH TO DETERMINE DIMENSIONALITY IN CANONICAL
CORRELATION ANALYSIS
Canonical Correlation Analysis (CCA) considers the relationships between two sets of variables, maximizing the
correlation between two new sets which are linear transformations of the original variables from both sets and
not correlated within the sets. The correlation coefficients between new sets are called canonical correlations.
The number of nonzero canonical correlations is called dimensionality in CCA. Parallel Analysis (PA) is a
simulation based method for determining the number of factors or principal components to retain. In this study,
PA method is adapted to CCA in order to investigate the applicability of PA as a dimensionality determination
method in CCA.
Key Words: Canonical correlations, dimensionality, parallel analysis
123
OK DEKENL ARMEDYEN KAPULALARDA RETC FONKSYONUN VE ALE

PARAMETRESNN TAHMN EDLMES
Dr. Sddk ARSLAN
a*
Prof. Dr. Fikri ZTRK
b
Prof. Dr. Salih ELEBOLU
c
a
: Gazi niversitesi Bankaclk ve Sigortaclk Yksekokulu Bankaclk Blm ANKARA
sarslan@gazi.edu.tr
b
: Ankara niversitesi Fen Fakltesi statistik Blm ANKARA
c
: Gazi niversitesi Fen Fakltesi Blm ANKARA
zet
Latince bir kelime olan copula Trke yaznda kapula olarak kullanlmaktadr. Kapula paralar arasnda balant
veya iliki kurma anlamna gelmektedir. statistikte kapula terimi bir rastgele deiken vektrnn ortak dalm
fonksiyonu ile bu dalmn marjinalleri arasnda bant kuran ok deikenli zel bir fonksiyon anlamnda
kullanlmaktadr.
Tanm kmesi
n
I , deer kmesi I olan
( ) u u C
I I C
n
:
(1)
fonksiyonu iin; temelli fonksiyon, b) b a s olan
n
I e b a, iin | | ( ) 0 , > b a
H
V ve u nun bir tane
k
u
hari tm bileenleri 1 ise ( )
k
u C = u koullar salandnda C ye n boyutlu kapula denir.
| ) | | 1 , 0 , 0 : , srekli kesin azalan ve konveks fonksiyon ve ( ) ( ) ( ) { } t x R x t t > e = =
| : inf
1
olmak zere,
( ) ( ) ( ) ( ) { }
d d d
u u u u u u C
1
2
1
1
1
2 1 ,
... , ... , ,

+ + + =
(2)
biiminde yazlan kapulaya Arimedyen kapula ve fonksiyonuna kapulann retici fonksiyonu denir
Arimedyen kapulay kullanl klan zellik, ok deikenli bir dalm fonksiyonunu (kapulann kendisi) tek
deikenli bir fonksiyon (retici fonksiyon) yardmyla ifade etmesidir.
Bu almann birinci amac, ortak dalm fonksiyonu H olan ( )
d
X X , ,
1
= X rastgele vektrnn,
dayand kapulann Arimedyen olduu varsaym altnda, retici fonksiyonun bir tahmin edicisinin elde
edilmesidir. nk Arimedyen kapulay tahmin etme ile retici fonksiyonu tahmin etme edeer problemlerdir.
kinci ama ise ortak dalm fonksiyonunun kapulasnn, Arimedyen kapulalarn belirli bir parametrik ailesi
olduu varsaym altnda aile parametresinin tahmin edicilerinin elde edilmesidir.
Bu almada istatistiksel sonu karm kavram, Arimedyen kapulalarda retici fonksiyonun tahmin
edilmesi olarak ele alnmaktadr. Yani ( )
d
X X , ,
1
= X rastgele vektrnn dayand kapulann
Arimedyen olduu varsaym altnda, retici fonksiyonun parametrik olmayan bir tahmin edicisinin elde
edilmesidir.
ok boyutlu Arimedyen kapulalarda sonu karm, retici fonksiyon iin, retici fonksiyonun tam
d monoton olmasna bal olarak radyal dalm zerinden Williamson d dnm aracl ile
yaplmaktadr.
Bir rastgele vektrn dayand kapulann Arimedyen olduu varsaymnda bulunmak, istatistiksel sonu
karm asndan nemlidir. Arimedyen kapulalarn deime zelliinin bir sonucu olarak deikenler
arasndaki ikierli uyum ls katsaylarnn birbirine yakn olmas, bu deikenlerin kapulasnn Arimedyen
olduu varsaym iin bir kriter olarak kullanlabilir. Uygulama verilerinin seiminde bu durum dikkate
alnmtr.
124
Veri kmesinin ait olduu Arimedyen kapula ailesine karar verilirken, aile parametresinin Kendalln t suna
dayal tahmin edicisi kullanlarak parametre tahmini yaplr. Bu tahmin deeri kullanlarak Kendall dalmna
dayal Kolmogorov-Smirnov uyum iyilii testi kullanlarak aileye karar verilmektedir. Uygulama olarak,
Trkiyedeki be bankann 25.09.2009-15.10.2012 tarihleri arasndaki gnlk getirileri kullanlmtr.
KAYNAKLAR
Arslan, A. 2013. Arimedyen Kapulalar zerine Bir alma. Doktora tezi (baslmam). Ankara niversitesi
111s, Ankara.
Genest, C., Neslehova J. and Ziegel J. 2011a. Inference in Multivariate Archimedean Copula Models Test, 20,
223-256.
McNeil, A. J. and Neslehova J. 2009. Multivariate Archimedean Copulas, D- Monotone Functions and
1
l Norm Symmetric Distributions. The Annals of Statistics, 37, 3059-3097.
Nelsen, R. B., 2006. An Introduction to Copulas. Springer, 270 s., New York.
ABSTRACT
ESTIMATING GENERATING FUNCTION AND FAMILY PARAMETERS IN MULTIVARIATE
ARCHIMEDEAN COPULAS
Statistical inferencing on Archimedean copulas estimation is the estimation of generating function of
Archimedean copulas itself. In this study, it is focused especially on the inference for the multivariate
Archimedean copulas. Four different estimators, the estimator for the generator function, the estimator for the
family parameter based on the Kendalls tau, the OLS estimator based on the generator function and the OLS
estimator based on the Kendalls distribution are discussed. The estimators developed in this study are compared
by a simulation study through the three copula family, namely, Clayton, Frank and a new Archimedian copula
family proposed by Arslan (2013). As a case study, the generator functions and parameters of the considered
three families were estimated for the daily stock market returns data set.
Key Words: Copulas, Archimedean copulas, generator function, coefficient of agreement, concordance, Kendall
distribution, Kendalls t , radial distribution
125
OK DEKENL SIRA STATSTKLER ZERNE

Sinan ALIK
Frat niversitesi Fen Fakltesi statistik Blm 23119 Elaz/ TRKYE
scalik@firat.edu.tr
1.Giri
ok deikenli sral istatistikler; marjinal sralamalar gz nne alnarak tanmlanabilir. ok deikenli sral
istatistiklerdeki inceleme, tek deikenli sral istatistiklerdeki kadar ayrntl olmaz. Bu almada sral
istatistiklerde, bamsz fakat ayn dalml olmas gerekmeyen tesadfi deikenlerin bamsz ve ayn
dalml tesadfi deikenler trnden veren teorem, ok deikenli hale genelletirilmitir.
2. ok deikenli Sra statistikler
Bu almadaki ilikiler ve aritmetik ilemler daima bileenler trnden incelenecektir.
x ( )
m
x x x , , ,
2 1
= ve y ( )
m
y y y , , ,
2 1
= verildiinde
x sy olmas m i , , 2 , 1 = iin
i i
y x < (1)
x + y ( )
m m
y x y x y x + + + = , , ,
2 2 1 1

olarak ele alnacaktr.
1
,
2
,,
n
m-boyutlu n tane tesadfi vektr olsun. Burada ( )
m i i i i , 2 , 1 ,
, , , = dir.
j n j j , , 2 , 1
, , , , j-inci bileenlerin sralanm deerleri
( ) ( ) ( ) j
n n
j
n
j
n
X X X
: : 2 : 1
s s s
olarak ifade edilebilir.
n r
Z
:
dnm kullanlarak
( )
( )
j n j j n r
j
n r
Z X
, , 2 , 1 : :
, , , =
olarak yazlabilir. Ayrca
X
( ) ( ) ( )
( )
m
n r n r n r n r
X X X
:
2
:
1
: :
, , , =
olarak ifade edilebilir. (1) de tanmland gibi
X s
n : 1
X s s
n : 2
X
n n:

olur. Burada,
X
( ) ( ) ( )
( )
m
n n n n
X X X
: 1
2
: 1
1
: 1 : 1
, , , =
126
m-deikenli rnek minimumu ve

X
( ) ( ) ( )
( )
m
n n n n n n n n
X X X
:
2
:
1
: :
, , , =
m- deikenli rnek maksimumdur.
Teorem 1.1. (i.n.n.i.d. tesadfi deikenler)
n n n
X X
: : 1
s s ,
n
, ,
1
i.n.n.i.d. tesadfi deikenlerinin sral istatistikleri ve
i
F ,
i
nin d.f.
si olsun. O zaman her B Borel cmlesi iin
( ) { } ( ) ( ) { }
_ _
= =
e = e
k S
S
n n
S
n
n
k
n
k n
n n n
B X X P
n
k
B X X P
: : 1
1
: : 1
, ,
!
1 , ,
olur. Burada toplam, { } n ,..., 2 , 1 nin k elemanl tm S alt kmeleri zerinden alnr. Bununla birlikte
S
n n
S
n
X X
: : 1
s s ,
_
e
=
S i
i
S
F S F
1
ortak dalm fonksiyonlu n tane i.i.d. tesadfi deikenin sral istatistiklerini gstermektedir. [Reiss, 1989].
KAYNAKLAR
[1] Barnett, V. (1976), The Ordering of Multivariate Data, Journal Roy. Statist. Soc., Ser. A, 139, 318-344.
[2] Reiss, R.D. (1989), Approximate Distributions of Order Statistics, Springer-Verlag, New York Inc., USA.
[3] Guilbaund, O. (1982), Functions of non-i.i.d. random vectors exspresed as functions of i.i.d. random vectors,
Scandinavian Journal of Statistics, 9, 229-233.
ABSTRACT
ON THE MULTIVARIATE ORDER STATISTICS
In the study, the definition of multivariate order statistics is given furthermore, the theorem related to distribution
of order statistics of i.n.n.i.d. (independent not necessarily identically distributed) random variables to that of
order statistics of i.i.d. (independent and identically distributed) random variables is generalized for multivariate
case.
Key Words: Multivariate order statistics, independent not necessarily identically distributed, independent and
identically distributed.
127
BLDR OTURUMLARI 3
SESSION 3
Bulank Teori
128
TP-1 BULANIK FONKSYON YAKLAIMININ ZAMAN SERLERNDE BR UYGULAMASI

Ali Zafer DALAR
1*
, Erol EROLU
1
, Ufuk YOLCU
2
, ada Hakan ALADA
3
, smail Burhan TRKEN
4
1
Ondokuz Mays niversitesi, Fen Edebiyat Fakltesi, statistik Blm, 55139, Samsun, TRKYE E-mail:
*
alizafer.dalar@omu.edu.tr, erole@omu.edu.tr
2
Ankara niversitesi, Fen Fakltesi, statistik Blm, 06100,
Ankara, TRKYE, E-mail: varyansx@hotmail.com
3
Hacettepe niversitesi, Fen Fakltesi, statistik Blm,
06800, Ankara, TRKYE, E-mail: aladag@hacettepe.edu.tr
4
TOBB niversitesi, Mhendislik Fakltesi,
Endstri Mhendislii Blm, 06560, Ankara, TRKYE,E-mail: bturksen@etu.edu.tr
Giri
Bulank kme teorisi ilk olarak Zadeh [1] tarafndan ortaya atlm ve bu teori birok alanda uygulanmtr. Bu
teoriden yola klarak birok karm sistemi ortaya koyulmutur. Bulank karm sistemleri tahmin problemleri
iin yaygn kullanlmakla birlikte, zaman serisi tahmin problemi iin yeterince yaygn kullanlmamaktadr.
Zaman serisi tahmininde bulank kme teorisinin en sk kullanld yntemler bulank zaman serisi
yaklamlardr. Bulank zaman serisi yntemleri, klasik zaman serisi yntemleri iin geerli olan kstlara sahip
olmamas nedeniyle zaman serisi ngrs elde etmek iin son yllarda literatrde sklkla kullanlmaya
balanmtr. Birok bulank zaman serisi yaklam, klasik bulank karm sistemleri gibi kural tabanl
almaktadr. Kurallarn belirlenmesi karm sistemi iinde nemli bir problem olmakla birlikte, yntemlerin
performansn da etkileyen nemli bir faktrdr.
Bulank karm sistemlerindeki kural tabanlarna gerek duymayan bulank fonksiyon yaklam Trken [2]
tarafndan ortaya konulmutur. Bulank fonksiyon yaklamlar, bulank kme teorisine dayal olarak regresyon
ve kmeleme problemleri iin nerilmitir. lerleyen yllarda Trkenin [2] bulank fonksiyon yaklam, farkl
yapay zek yntemleri ve farkl bulank kme tipleri kullanlarak gelitirilmitir (elikylmaz, [3]). Bulank
fonksiyon yaklamlar zaman serisi tahmini iin, regresyon problemi erevesinde dier zaman serlerinin e anl
kullanlmas ile zmlenmeye allmtr. Ancak zaman serisi ngrs elde etmede, ounlukla zaman
serisinin zmlenmesinde dier zaman serilerinin e anl deikenleri yerine, zmlenecek zaman serisinin
gecikmeli deikenlerini kullanmak baarl sonular vermektedir. Bu almada zaman serisi ngrs iin
standart bulank C-ortalamalar kmeleme yntemini kullanan tip-1 bulank fonksiyon (T1BF) yaklam,
ngrlecek zaman serisinin gecikmeli deikenleri kullanlarak, bir gerek hayat zaman serisine uygulanmtr
ve elde edilen sonular literatrdeki dier baz yntemler ile karlatrlmtr.
Uygulama
Yntemin performansnn deerlendirilmesi amacyla literatrde sklkla kullanlan bir gerek hayat zaman serisi
kullanlmtr. Zaman serisi 1956-1994 yllar arasnda eyreklik gzlemlenen Avusturya bira tketimi zaman
serisidir ve mega litre cinsiden deerler olarak verilmitir. Toplam 148 gzlem ieren zaman serisinin son 16
gzlemi test verisi olarak, dier gzlemler ise eitim verisi olarak kullanlmtr. Yntemin performansnn
karlatrlmas amacyla, bu yntemin yan sra literatrde sklkla kullanlan baz yntemler
SARIMA- Mevsimsel Otoregresif Btnleik Hareketli Ortalama Modeli
WMES- Wintersn arpmsal stel Dzletirme Yntemi
L&NL ANN- Lineer ve Lineer Olmayan Yapay Sinir Alar (Yolcu vd., [4])
MNM-FTS-arpmsal Nron Modele Dayal BZS Yaklam (Alada, [5])
ile zaman serisi zmleme sonular kullanlmtr. Yntemin uygulanmasnda gecikme says (m) 2 ile 16
arasnda 1 arttrlarak, kme says (ks) 3 ile 10 arasnda 1 arttrlarak ve alfa kesim katsays () 0 ve 0.1 alnarak
toplamda 240 farkl zm elde edilmitir. Bulunan bu farkl zmler arasnda en iyi uygunluk deerine sahip
olan zm, m=12, ks=10 ve =0.1 olduu durumda elde edilmitir. Tm yntemlerden elde edilen ngrler
129
iin hata ltleri (Hata Kareler Ortalamas Karekk-HKOK, Hatann Mutlak Yzdelik Ortalamas-HMYO,
Yn Doruluu-YD) izelge 1de verilmitir.
izelge 1. Tm Yntemlerden Elde edilen ngrler ve Performans lleri
Test Data SARIMA WMES L&NL ANN MNM-FTS T1BF
HKOK 47.0367 53.3295 18.7888 29.1381 17.8515
HMYO 0.0949 0.1072 0.0357 0.0532 0.0350
YD 0.7333 0.6667 1.0000 0.9333 1.0000
KAYNAKLAR
[1] Zadeh L.A. (1965). Fuzzy Sets, Inform and Control, 8, 338-353.
[2] Turksen I.B. (2008). Fuzzy function with LSE, Applied Soft Computing, 8, 1178-1188.
[3] Celikyilmaz A. (2005). Fuzzy Functions with support vector machines. M.A.Sc. Thesis, Department of
Mechanical and Industrial Engineering, University of Toronto, Toronto, Ontario, Canada.
[4] Yolcu U., Aladag C.H. and Egrioglu E. (2013). A New Linear & Nonlinear Artificial Neural Network
Model for Time Series Forecasting, Decision Support System Journals, 54, 1340-1347.
[5] Aladag C.H. (2013). Using multiplicative neuron model to establish fuzzy logic relationships, Expert
Systems with Applications, 40(3), 15, 850-853.

ABSTRACT
AN APPLICATION of TYPE-1 FUZZY FUNCTION APPROACH For TIME SERIES
Fuzzy inference systems have been used for prediction problems in the literature. Classical fuzzy inference
systems are rule based systems. The determination of the rules is important and difficult problem. Fuzzy function
approaches were proposed as a good alternative for fuzzy inference systems. These approaches are not rule
based. This is a big advantage for them. Fuzzy function approaches were applied to obtain forecasting by using
simultaneous variables of other time series as covariates. In this study, type-1 fuzzy function (T1FF) approach
has been applied to obtain forecasts of Australian beer consumption time series. The performance of T1FF
approach has been compared with some recent methods in the literature.
Key Words: Type-1 Fuzzy Function Approach, Forecasting, Fuzzy C-means, Fuzzy Time Series, Artificial
Neural Networks.
130
BULANIK SSTEM MODELLEME

*Elif Burcu DLDEN, I.Burhan TRKEN
TOBB Teknoloji ve Ekonomi Universitesi, Mjendislik Fakltesi, Endstri Mhendislii Blm
Ankara /Trkiye
ebdilden@etu.edu.tr , bturksen@etu.edu.tr
Bulank Regresyon Modelleme
Klasik regresyondan farkl olarak, bulank regresyonda yelik deerleri Bulank C- Ortalamalar algoritmas
kullanlarak veri kmesinden ekilmekte ve regresyon modeli ierisine girdilerle beraber dahil
edilmektedir.Analiz ierisinde kullanlan veri setine ait girdi ve kt bilgileri aada gsterilmektedir:
X1 X2 X3 X4 X5 X6 X7 X8 Y
Cement Blast
Furnace
Slag
Fly
Ash
Water Superplas
Ticizer
Coarsa
aggregate
Fine
Aggregate
Age Concrete
Compressive
Strength
izelge 1. Beton Sertlii Dayankll Veri Setine Ait Deikenler
ncelikle veri setine ait girdilerden regresyon modeline seilebilmesi kapsamnda korelasyon analizi yaplmtr.
Modelde bulunmas gereken etkin deikenler x1, x5 ve x8 olarak belirlenmitir. FCM bekleme algoritmas
uygulanarak, bek says c deeri alt ve bulanklk derecesi m parametresi ise 1.8 olarak bulunmutur. Bulank
c- ortalamalar algoritmas sonucunda bulunan yelik dereceleri ile klasik regresyondan farkl olarak girdi matrisi
X aadaki gsterilen baz rneklerle deerlendirilirler:
X= [1,i,X], Xi=[ 1, i
2
,X] , Xi= [1, i
2
,i
m
, exp (i), X] (1)
Burada girdi matrisi X ve yelik deerlerinin eitli transformasyonlarn iler ile modeller kurularak belirleme
katsays R
2
ve ortalama karesel hata RMSEye gre deerlendirilir. Bulank regresyon yaplrken yeliklere ait
transformasyonlarn rnein; ,
2
, log(( 1-) / ) gibi deerlendirilerek uygun bir yap belirlenir.
Buna bal olarak yaplan bulank regresyona ait R
2
ve RMSE deerleri aada verilmitir:
bek 1 bek 2 bek 3 bek 4 bek 5 bek 6
RMSE 0,07185 0,07797 0,08315 0,10018 0,07985 0,06875
R2 88,2 86,1 84,2 77,1 85,5 89,2
izelge 2. Bulank regresyona ait R2 ve RMSE deerleri
Sonu olarak ilikilerin belirsizlik altnda, gerei daha iyi yanstabilmesi bakmndan bulank regresyon ile
yaplan modellemenin dier yaklamlara gre, daha stn performans verdii aka grlmektedir.
131
KAYNAKLAR
[1] L.A.Zadeh, (1965), Fuzzy Sets, Information and Control, 8(3), pp.338-353
[2] L.A.Zadeh, (1965), Fuzzy Sets and Systems, In:Fox J..ed.,System Theory.Polytechninc Press,Brooklyn,
Newyork, pp.29-39.
[4] A.Celikyilmaz and I.B. Turksen, (2009), Modeling Uncertainty with Fuzzy Logic, Studies in Fuzziness and
Soft Computing, Volume 240
ABSTRACT
FUZZY SYSTEM MODELLING
With application of FCM algorithm, membership values are calculated and fuzzy regression analysis is
conducted. It is shown that the performance of the fuzzy regression analysis is better than the other benchmark
strategies.
Key Words: Fuzzy logic, fuzzy regression, fuzzy clustering, prediction,
132
KAPI KASASI MALATININ FULL TP-2 BULANIK YAKLAIMLA MODELLENMES

M. Bahar BAKIR
a
, . Burhan TRKEN
b
a
Bartn niversitesi Fen Fakltesi statistik Blm 74100 Merkez/BARTIN
b
TOBB niversitesi Mhendislik Fakltesi Endstri Mhendislii Blm 06560 Stz/ANKARA
mbaskir@bartin.edu.tr; bturksen@etu.edu.tr
Kap Kasas malat Srecinin Full Tip 2 Bulank beklenmesi
Full Tip 2 Bulank bekleme Algoritmas
Gerek yaama ait bir sistem birimlerinin benzerlik veya benzememe durumlarna gre beklenme yaplarn
incelemede Bulank bek Ortalamalar (FCM) ([1]) algoritmas ska kullanlmaktadr. te yandan, Tip 2
bulank sistem yapsn ortaya koymak amac ile Trken ([2]) tarafndan nerilen Full Tip 2 Bulank bekleme
(FT2FCM) algoritmas bir en iyileme problemi olarak (1)deki gibidir.
( ) ( ) ( )
( ) ( ) ( )
'
1 1
'
1 1
min ' '( ), ' ( ) '
0 ' ( ) 1, , ; ' ( ) 1, ; 0 ' ( ) , , 1, 2,..., '; 1, 2,...,
ik
ik ik ik
n c
m
lk lk lk
A
k l
c n
lk lk lk
l k
J U U W u u u w
u u i k u u k u u n i l c k n
= =
= =
=
s s s s s = =
__
_ _
(1)
Burada, { }
n
x x x X ,..., ,
2 1
= p-boyutlu uzayda n elemanl veri seti,
| |
1 2 '
, ,..., ,
k k c k
W w w w =
( ) ( ' , ' 1, ) c bek says c n e bekleri temsil eden merkez vektr, '
lk
u lar
ik
u nin ( ,
ik k
u x X e in bee ait
olma derecesi)
lk
w ya ait olma derecesi olmak zere
( )
'
'( ) ' ( )
ik
lk
c n
U U u u
(
=

yelik matrisinin yelikleri; m
uygun bulanklk mertebesidir. J minimize edilen ama fonksiyonunu, ||.||
A
A=I ile klid normunu
gstermektedir. (1) ile verilen en iyileme probleminin zm izelge 1deki gibidir.
izelge 1. FT2FCM algoritmasnn en iyileme problemi zmleri.
yelik Matrisinin yelikleri ( )
1
2/( 1)
'
*
1
'
' ( ) , *
'
ik
m
c
lk i k A
lk
l lk jk
A
u w
u u i j
u w
=
(
| |
(
| = =
( |
\ . (

_
Merkezler
( ) ( )
( ) ( )
1
1
'
, 1, 2,..., '
'
n
m
lk ik ik
k
lk n
m
lk ik
k
u u u
w l c
u u
=
=
= =
_
_
Kap Kasas malat Srecinin Full Tip 2 Bulank beklenme Yaps
Bir Kap Dorama Fabrikasnda birim kap imalatnda yapm gerekletirilen alt ana ksm; Kap Kasas, Kap
Kanad, Ayarl Pervaz, Panel Kap Kanad, Cam talar ve Havalandrma Menfezinden olumaktadr (bkz. [3]).
Birim Kap Kasas imalat toplamda 17 alt aamadan olumaktadr. Bu alt aamalarn 6 tanesinde insan
gcnden yararlanlmaktadr. Kap kasas alt aamalarnda geen ortalama sreler bakmndan problemin
zm asndan en etkili olanlar Pareto analizine gre belirlenmitir (bkz. izelge 2).
133
izelge 2. Kap kasas alt aamalarnda geen ortalama sreler iin Pareto analizi sonular.
Aamalar
11. 13. 14. 15. 16. 17.
Ort. Sre 15.23 15.00 10.02 10.02 9.33 9.33
Yzde (%) 22.1 21.8 14.5 14.5 13.5 13.5
Toplam % 22.1 43.9 58.4 72.9 86.5 100.0
izelge 2ye gre, Kap kasasna ilikin ok Girdili Tek ktl (GT) sistemde 11., 13., 14. ve 15. alt
aamann gerekleme sreleri (srasyla x
1
*
, x
2
*
, x
3
*
ve x
4
*
) girdileri; 6 adet alt aamann toplam gerekleme
sresi (y*) kty oluturmaktadr. Toplam sreye tama sreleri de dahildir. Buna gre, Kap kasas iin
oluturulan 1005 boyutlu GT sistem ile FCM algoritmasndan ve Kim-Ramakrishna ([4]), elikylmaz-
Trken ([5]) bek geerlik indekslerinden yararlanlarak elde edilen en iyi (c*=2, m*=1.8) ikilisi iin
beklenme yaps ekil 1de gsterilmektedir. ekil 1de gsterilen bek-2ye ait yeliklerin FT2FCM
algoritmas sonucu beklenme yaps ekil 2deki gibidir.
69 69.5 70 70.5 71 71.5 72 72.5 73 73.5
0
0.2
0.4
0.6
0.8
1
y*
u
ik

bek-2
bek-1
ekil 1. En iyi (c*=2,m*=1.8) ikilisi iin kap kasas
GT sistemin bulank beklenmesi.
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0
0.2
0.4
0.6
0.8
1
u
'lk
(
u
ik
)
u
ik

bek-1
bek-2
bek-3
ekil 2. En iyi (c=3,m=2.2) ikilisi iin bek-2
yeliklerin bulank beklenmesi.
KAYNAKLAR
[1] Bezdek, J.C. (1981), Pattern Recognition with Fuzzy Objective Function Algorithms, Plenum Press, New
York.
[2] Trken, .B. (2013). Full Type 2Full Type n Fuzzy System Models, the 13th Annual Conference of the
European Network for Business and Industrial Statistics (ENBIS-13), Ankara (15-19 September).
[3] Bakr, M.B. (2006), Kap-Dorama Srecinde Alt Sigma Yaklam, 5. statistik Gnleri Sempozyumu
Bildiriler Kitab, 71-78, Antalya (24-27 Mays).
[4] Kim, M. and Ramakrishna, R.S. (2005), New indices for cluster validity assessment, Pattern Recognition
Letters, Cilt 26, No 15, 2353-2363.
[5] elikylmaz, A. and Trken, I.B. (2008a), Validation Criteria for Enhanced Fuzzy Clustering, Pattern
Recognition Letters, 29 (2), 97-108.
MODELING OF A DOOR FRAME PRODUCTION BY FULL TYPE 2 FUZZY APPROACH
We have studied with a Door Joinery Factory of a Turkish Corp. Group. We investigate the reasons of the Factorys problem
and identify the base of the problem as the use of human sources on production time of Door Frame. The systems of the
production time of door frame are analyzed with the proposed Full Type 2 fuzzy approach by Trken ([2]).
Key Words: Door frame, pareto analysis, Full Type 2 fuzzy clustering, cluster validity indices.
134
TRKYEDE BOANMA SAYILARI VE SOSYO EKONOMK GELMLE GRE LLERN

KMELENMES
Aye AY ATALAY, Ebl Muhsin DOAN, Ahmet ATALAY
Atatrk niversitesi Narman Meslek Yksekokulu 25530 Narman/Erzurum Ayatalay@Atauni.Edu.Tr
Erzurum Teknik niversitesi ktisadi dari Bilimler Fakltesi 25240 ERZURUM muhsindogan@erzurum.edu.tr
Atatrk niversitesi Narman Meslek Yksekokulu 25530 Narman/ERZURUM ahatalay@atauni.edu.tr
Geniletilmi zet
Bu almada 2011 ylnda Trkiyede illerde gerekleen boanma saylar ve illerin sosyo ekonomik
gelimilik sralar (SEGE) dikkate alnarak illerin kmeleme analizi yaplmtr. Kmeleme analizi hem klasik
k-ortalamalar hem de bulank c-ortalamalar teknikleri kullanlarak yaplmtr. Kmeleme analizi ile iller 7
kmeye ayrlmtr. K-ortalamalar teknii SPSS program ile, bulank c-ortalamalar teknii ise Matlab program
ile yaplmtr. Ayrca her iki yntem ile elde edilen kmeleme sonularna gre Corafi Bilgi Sistemleri(CBS)
yazlm olan ArcInfo yazlm ile illerin tematik haritalar oluturulmutur. almada kullanlan veriler Trkiye
statistik Kurumu (TUK) den elde edilmitir.
1. 1. K-ortalamal Kmeleme Yntemi
Hiyerari olmayan kmeleme yntemlerinden en ok kullanlan k-ortalamalar teknii, her iterasyonda yeni bir
kme merkezi oluturularak, bir eleman yeniden hesaplanan yeni merkeze daha yakn ise o kmeye tanr. Bu
yntemde bireyler, gruplar ii kareler toplamn en kk yapacak ekilde k kmeye blnr x
1
, x
1
, x
2
,., x
n
deikenlerinin her biri p deikenli gzlem vektrleri, ok boyutlu X uzaynda birer nokta ifade ederken, ayn
uzayda a
1n
, a
2n
, ., a
kn
her grup birey iin kme merkezleri olarak belirlendiinde, aadaki formle gre
bireyler en kk uzakl veren (en yakn) kmeye snflanmaktadr (Pollard, 1981; Tatldil, 1996; zgr,
2003).
_
=
=
n
i
in i N
a x
n
W
1
2
min
1
(1)
ekil 1. K-ortalamalar tekniine gre illerin tematik haritas
2. 2. Bulank C- Ortalamal Kmeleme (Fuzzy c-Means Clustering) Yntemi
Bulank kmeler klasik kmelerden farkl olarak her bir veri noktas birden fazla alt kmeye deiik derecelerle
ait olabilmektedir. Ancak ayn veri noktasnn st ste den deiik kmelerdeki yelik derecelerinin toplam
1e eit olmaldr. Bunun anlam bir i verisinin j kmesine ait olma yelik derecesi
i,j
ise m kme says olmak
zere;
135
_
=
=
m
j
j i
1
,
1...(2)
geerlidir.
ekil 2. Bulank c-ortalamalar tekniine gre illerin dalm
almada iki ynteme gre elde edilen kmelerdeki illerde farkllklar grlmektedir. Bu farklln nedeni
olarak bulank c-ortalamalar teknii k-ortalamalar tekniine gre balang deerlerinden daha az
etkilendiinden kaynaklanmaktadr. Bulank c ortalamalar teknii genellikle daha kararl sonular rettii
gzlemlenmitir.
Anahtar kelimeler: kmeleme analizi, k-ortalamalar, bulank c-ortalamalar
Kaynaklar
[1] Tatldil, H. (1996), Uygulamal ok Deikenli statistiksel Analiz, Cem Ofset Ltd. ti., Ankara.
[2] zdamar, K. (2002), Paket Programlar ile statistiksel Veri Analizi(ok deikenli Analizler), 4. Bask, Kaan
Kitabevi, Eskiehir.
[3] Pollard, D. (1981), Strong consistency of k-means clustering, The Annals of statistics. 9 (1), 135-140.
[4] zgr, E.. (2003), ok Deikenli statistiksel analiz Yntemleri ve Bir Uygulama, Doktora tezi, Sosyal
Bilimler Enstits, Gazi niversistesi, Ankara.
[5] Hppner, F., Klawonn, F., Kruse, R., and Runkler, T. (2000), Fuzzy Cluster Analysis, John Wiley&Sons,
Chichester.
ABSTRACT
CLUSTERING OF PROVINCES IN TURKEY ACCORDING TO NUMBER OF DIVORCE AND
SOCIO-ECONOMIC DEVELOPMENT
In this study, the clustering of provinces was carried out taking into account the divorce took place in provinces
and socio-economic development of provinces in Turkey in 2011.Clustering analysis was carried out using both
the techniques of fuzzy c-means and the classical k-means. The provinces is divided into seven Cluster by cluster
analysis. K-means technique was carried out by using SPSS software, fuzzy c-means technique performed with
the Matlab. In addition, according to the results based on clustering obtained by the two methods, thematic maps
of the provinces were carried out with ArcInfo that is Geographic Information Systems software.
Keywords : Cluster analysis, k-means, fuzzy c-means
136
BULANIK VER ZARFLAMA ANALZ YNTEM LE ORUM LNDEK LSELERN ETKNLK

LM
Emre DEMR, Sevil DEMR
Hitit niversitesi, Osmanck mer Derindere MYO
Teknik Programlar Blm, 19500, orum, Trkiye emredemir@hitit.edu.tr
stn Zekllar Enstits (ZE), tutlar Mah.
Anadolu 2. Sok. No: 10/10A, 19030, orum, Trkiye, sewilyalcin@hotmail.com
1.zet
Trk Milli Eitim Sisteminin nemli bir paras olan ortaretim kurumlar lkemizin kalknma ve geliiminde
nemli eitim kurumlardr. rencilerimizin ortaretim kurumlarnda daha kaliteli eitim alabilmesi iin
ncelikle okullarmzn etkin almas gerekmektedir. Bunun salanabilmesi iin eitim kurumlarmzn
koullarnn devaml iyiletirilmesi, buna bal olarak da okullarmzn mevcut durumunun belirlenmesi
gerekmektedir. Kaynaklarn snrsz olmamas daha etkin ve verimli bir ekilde kullanlmasnn nemini ortaya
karmaktadr. Bu kaynaklar kullanan karar verme birimlerinin etkinliinin karlatrlmasnda kullanlan
yntemlerden biri olan Veri Zarflama Analizi (VZA) ilk kez 1957 yllnda Farrell tarafndan ortaya atlan Snr
retim Fonksiyonu nerisi ile ekillenmi, VZA yntemi ilk olarak Charnes, Cooper ve Rhodes tarafndan,
kamu kurulularnn teknik verimliliini lmek ve karlatrmak amacyla gelitirilmitir. Gerekletirilen ilk
VZA uygulamasnda (Charnes ve di., 1978) okullarn karlatrmal verimliliklerinin llmesi hedeflenmitir.
stisnalar haricinde, tm girdi ve kt verilerinin belirsizlik sebebiyle tam olarak elde edilemedii bir durumda,
bu deerlerin yalnzca 0 >
L
ij
x ve 0 >
L
rj
y olmak zere ve [
L
ij
x ,
U
ij
x ] ve [
L
rj
y ,
U
rj
y ] eklindeki aralklarla
gsterilen alt ve st snrlar arasnda olduklar biliniyor olsun. Etkinlik lm iin snrlandrlm verilerin
kullanld girdiye ynelik Aralk Saylarla Bulank Veri Zarflama Analizi (BVZA) modeli:
max
U
j
0
u
_
_
=
=
=
m
i
L
ij i
s
r
U
rj r
x v
y u
1
1
0
0
(1)

U
j
u 1
1
1
s =
_
_
=
=
m
i
L
ij i
s
r
U
rj r
x v
y u
, j = 1,, n ,
r
u > 0,
i
v > 0, i r, (2)
137
max
L
j
0
u
_
_
=
=
=
m
i
U
ij i
s
r
L
rj r
x v
y u
1
1
0
0
(3)
U
j
u 1
1
1
s =
_
_
=
=
m
i
L
ij i
s
r
U
rj r
x v
y u
, j = 1,, n,
r
u > 0,
i
v > 0, i r, (4)
biiminde tanmlanr (Kao ve Liu, 2000, Wang ve di., 2005, Gne, 2006).
Bu almada, girdiler iin kullanlan veriler ncelikle orum Milli Eitim Mdrlnden elde edilmi daha
sonra okullardan alnarak karlatrlmtr. Ancak ayn verilerde farkllklarn olduu grlmtr. VZA veriye
ok duyarl bir yntemdir. Bu yzden analizde kullanlan verilerde hata bulunabilme dncesinden hareketle,
orum ilindeki liselerin 2012-2013 eitim-retim srecindeki greli etkinlikleri ncelikle Klasik VZA ile
hesaplanmtr. Daha sonra BVZA tekniklerinden biri olan; Aralk Veriler Yntemi kullanlmtr. EMS (Version
1.3) paket program iki farkl durum iin altrlm ve etkinlik deerleri verilmitir. Etkin olmayan okullar iin
referans kmeleri belirlenmi ve rnek potansiyel iyiletirme tablosu oluturulmutur. Elde edilen bulgular
sonucunda okullarn etkinliini arttrmalarna katkda bulunulmas amacyla karar verme birimlerine nerilerde
bulunulmutur.
Analizlerde kamu performans karlatrlmasnda yaygn olarak kullanlan girdiye ynelik lee gre sabit
getirili Charnes-Cooper-Rhodes (CCR) Modeli (1978) kullanlmtr. Etkinlik lm iin okullardaki renci
says, retmen says ve ube saysndan olumak zere adet girdi ve yksekretime yerletirme (baar)
oran, YGS puan ortalamalar, LYS Matematik-Fen, Trke-Matematik, Trke-Sosyal puanlar olmak zere be
adet kt belirlenmitir.
KAYNAKLAR
[1] Charnes, A. Cooper, W. W. And Rhodes, E. (1978), Measuring the Efficiency of Decision Making Units,
European Journal of Operational Research, Vol.2, No.6, pp. 429-444.
[2] Kao, C. and Liu, S. T. (2000), Fuzzy Efficiency Measures in Data Envelopment Analysis, Fuzzy Sets and
Systems, Vol.113, pp. 427-437.
[3] Gne, T. (2006), Bulank Veri Zarflama Analizi, Yksek Lisans Tezi, Ankara niversitesi, Fen Bilimleri
Enstits, Ankara.
[4] Wang, Y.M., Greatbanks, R. and Yang, J.B. (2005), Interval Efficiency Assessment Using Data Envelopment
Analysis, Fuzzy Sets and Systems, Vol.153, pp. 347-370.
ABSTRACT
EFFECTIVENESS MEASUREMENT OF HIGH SCHOOLS IN ORUM BY FUZZY DATA
ENVELOPMENT ANALYSIS
In this study, initially, relative efficiency in the education processes was calculated at high schools in orum in
2012-2013 year of education by means of traditional Data Envelopment Analysis (DEA). Then technique of
interval data, which is one of the Fuzzy Data Envelopment Analysis (FDEA), was used. As a consequence of the
data, benchmarks were defined for non-efficient schools and sample potential improvement tables. After that,
recommendations were noted for decision making units in order to contribute the efficiency of the intuitions.
Key Words: High Schools, Fuzzy Data Envelopment Analysis, nterval Data, Efficiency, Productivity.
138
BLDR OTURUMLARI 3
SESSION 3
Ekonometri
139
TRKYE EKONOMSNN BAZI GSTERGELER ZERNE EKONOMETRK

ZMLEMELER VE NGR
Onur TOKA
1
, Cengiz ARIKAN
2(*)
1
Hacettepe niversitesi, Fen Fakltesi, statistik Blm, 06800, Ankara, TRKYE
onur.toka@hacettepe.edu.tr
2
Gmrk ve Ticaret Bakanl, 06800 Ankara, TRKYE
C.Arikan@gtb.gov.tr
Ekonominin kuramsal olarak belirlemi olduu etkiler, lkelerde eitli farkllklar gsterebilecei gibi bire bir
ayn sonular da verebilir. Deien ekonomik koullar ve hzl gelien teknoloji ekonomiyi de yakndan
etkilemektedir. Dardan gelen eitli etkiler ekonominin kuramsal tutumunda baz artc sonular
verebilmektedir. rnein bymenin istihdam yaratmas ve isizliin azalmas gibi karmlarn ortaya
kmamas, balon byme, scak para gibi deyimlerin domasna sebep olmaktadr.
lkelerdeki faiz deerleri, yatrmlar, istihdam, isizlik gibi lkenin ekonomik derecelendirmesinde nemli
deikenler birbirileriyle uzun dnemli ilikiler iindedir. rnein keynesyen ekonomi politikasna gre para
arz, faizler ve yatrmlar ile uzun dnemli ilikiler ierisinde olur ve belirlenecek para arz ksa dnem ierisinde
yatrmlar, milli gelirlerde deiiklikler yaratmaktadr. Ayn ekilde para arzndaki deiiklikler yine bu
deikenlerdeki duruma gre uzun bir dnem ierisinde ekillenmektedir.
Bu almann amac Trkiyenin 1998 ylndan 2012 yl ikinci yarsna kadar baz faiz deerleri, GSYH ve bir
lm deflatr ile para arz arasnda uzun dnemli bir tahmin modeli elde edilmeye almak ve nedensellikle
ilgili sonularn yorumlanabilmesidir. Bu amala ilk olarak kullanlan serilerin mevsimsellik durumlar kontrol
edilmi ve ilgili deikenlerin mevsimsellik dzeltmeleri Tramo Seats teknikleri ile yaplmtr. Daha sonra
deikenlerin birim kk snamalar yaplmtr. Ardndan ise klasik ekonometrik yntemler olarak tabir edilen E
Btnleme Analizi, Granger Nedensellik testi ve VECM teknikleri uygulanarak sonular elde edilmitir.
Kurulan modeller yardmyla ngr modelleri elde edilmi ve sonular yorumlanmtr.
Elde edilen birincil sonulara gre, ele alnan deikenlerin 5. gecikmeli vektr hata dzeltme modellerinin
ngr yapma imkn verdii ve kurulan modellerin nn uzun dnemdeki ilikiyi aklayabildii ve dengeye
geldii grlmtr. Ayrca deikenlerin birbirilerinin nedenleri olduklar da ortaya konulmutur.
KAYNAKLAR
[1] Anderson, R.G., Hoffman, D., Rasche, H.R., 2000, A Vector Error-Correction Forecasting Model of the U.S.
Economy, The Federal Reserve Bank of St. Louis Working Paper Series, St. Louis.
[2] Dickey, D.A. and Fuller, W.A., 1981, Distribution of the estimators for autoregressive time series with a unit
root, Econometrica 49, 1057-72.
[3] Engle, Robert F. and C.W.J. Granger, 1987, Cointegration and error correction: Representation, estimation
and testing, Econometrica 55, 251-276
[4] Johansen, S. and Juselius, K, 1990, Maximum Likelihood Estimation and Inference on Cointegration with
Applications to the Demand for Money, Oxford Bulletin of Economics and Statistics 52, 169-210.
[5] Pnarn, N. 2007, Johansen ve Ksmi Lineer Tekil Deer Ebtnleme Testlerinin Bir Uygulama Problemi
zerinde Karlatrlmas, Gazi niversitesi Fen Bilimleri Enst., Yksek Lisans Tezi, Ankara.
ABSTRACT
APPLYING SOME ECONOMETRIC METHODS ON SOME TURKISH ECONOMIC VARIABLES
AND FORECASTI NG
140
In this study, the relationship between GDP, Interest Rate, Money Supply (M1) and Inflation Rate (CPI) have
been investigated whether there is a long run relation or not. The quarterly data have been used from 1998.Q1 to
2012.Q2. To investigate the relations clasical econometric methods like Granger Causality Cointegration and
VECM are applied. According to results, there is a long run relation between variables.
Key Words: Turkish Economy, Macro Economics, Contegration, VECM
141
BORSA ENDEKS GETRLERNDE KL UZUN HAFIZA ZELLNN ANALZ N BR

UYGULAMA
Serpil TRKYILMAZ
1
, Mesut BALIBEY
2
12
Bilecik eyh Edebali niversitesi, Fen-Edebiyat Fakltesi, Matematik Blm, Bilecik, Trkiye
serpil.turkyilmaz@bilecik.edu.tr, mesut.balibey@bilecik.edu.tr
Giri
Uzun Hafza (Long Memory) dinamikleri bir finansal zaman serisinin ortalamas ve varyansndaki dorusal
olmayan ilikilerin varln gsteren nemli bir iarettir. ARCH ve GARCH tr modellerin Engle(1982) ve
Bollerslev(1986) tarafndan nerilmesi ile birlikte borsa getirilerinin oynaklklarnn modellenmesi popler
olmutur. Fakat bu modeller finansal bir zaman serisinin ortalama ve oynaklndaki uzun hafza zelliini
dikkate almamaktadr. Getiri ve oynakln otokorelasyon fonksiyonlarndaki hiperbolik olarak azalma yani
yava ortalamaya dnme zellii uzun hafza olarak tanmlanr. zellikle finansal yatrm kararlar alnrken ve
para politikalar asndan finansal piyasa davranlarnn dorusal olup olmad konusu ok nemlidir. Finansal
piyasalardaki fiyat hareketlerinin dorusal olmayan bir yap gstermesi yatrm kararlar alnrken standart
istatistiksel analizlerin hatal sonular vermesine neden olacaktr. Bu nedenle finansal piyasalarn karmak
yaps akademisyenlerin, politika yapclarn ve yatrmclarn piyasalara farkl bir bak asyla yaklamalarna
neden olmutur. Dorusal olmayan fiyat hareketleri Etkin Piyasa Hipotezi ni test edilebilir hale getirmitir. Bu
almann konusu (D-8: Trkiye, Pakistan, Banglade, Malezya, Endonezya, Msr, ran ve Nijerya)
lkelerinden bazlarnn borsa getirileri ve oynaklklarndaki ikili uzun hafza zelliklerinin (2010-2013) dnemi
iin ARFIMA-FIGARCH tr modeller ile incelenmesini iermektedir. alma verileri (2010-2013) dnemi
iin sz konusu lkelerin menkul kymetler borsas gnlk kapan fiyatlarn kapsamaktadr.
Sonular
Bu almada gelime yolundaki lkeler arasnda oluturulan ibirlii rneklerinden birisi olan Trkiye nin de
ilerinde bulunduu (D-8) lkeleri Pakistan, ran, Banglade, Malezya, Endonezya, Msr ve Nijerya dan
bazlarnn borsa getirilerindeki ikili uzun hafza zellikleri ARFIMA-FIGARCH tr model trleriyle
incelenmi ve Etkin Piyasa Hipotezi test edilmitir. D-8 lkeleri ierisinde finansal sistemleri gelimi birlik
yesi lkelerin dier lkelerin finansal sistemlerinin geliimine katkda bulunabilmesi olduka nemlidir. lke
ekonomilerinin en nemli gstergelerinden biri olan menkul kymetler borsalar iin Etkin Piyasa Hipotez inin
test edilmesi yatrm politikalar iin olduka nemlidir. Para politikasnn ekonomiyi etkileme kanallarndan
birisi de hisse senedi piyasasdr. Hisse senedi fiyatlar ekonomide net gzlenebilen aktif fiyatlar arasndadr ve
parasal oklardan hemen ve dorudan etkilenmektedir. Hisse senedi piyasasndaki hareketler para politikas
kararlarn, yatrm kararlarn nemli lde etkilemektedir. Sz konusu lkeler iin hisse senedi piyasalarndaki
ikili uzun hafza zelliklerinin test edilmesinin yatrmclar, politika yapclar ve akademisyenler iin nemli
ipular salayaca, D-8 lkeleri ierisinde Trkiye asndan gemite kriz yaayan ancak son dnemlerde hzl
bir ekonomik gelime gsteren Endonezya, Malezya gibi lkelerin borsalarnn etkinlii test edilerek
karlatrma imkan sunaca beklenmektedir. Bu anlamda ekonomi ve finans literatrne nemli bir katk
salayaca dnlmektedir.
KAYNAKLAR
[1] Caporale G.M. and L. Gil-Alana (2011), Fractional Integration and Cointegration in US Financial Time
Series Data, Economics and Finance Working Paper Series, 11-02, 1-41.
[2] Christodoulou-Volos C. and F.M. Siokis (2006), Long range dependence in stock market returns, Applied
Financial Economics, 16, 1331-1338.
[3] Kang S.H., Cheong C., and S.M. Yoon, (2010), Long memory volatility in Chinese stock markets, Physica A,
389, 1425-133.
142
ABSTRACT
AN APPLICATION FOR ANALYSIS OF DUAL LONG MEMORY PROPERTY IN STOCK MARKET
RETURNS
The Stock Markets are one of the major indicators of common economic success in countries. It is possible to
understand the effects of inflation, growth, investments and crises on economy following changes in the stock
market. In this sense, the concept of efficiency is important for the financial markets. Efficient Market
Hypothesis advocates that investors do not have an information about future prices of stock markets by means of
the historical data. According to this hypothesis, it is not possible to obtain a return above normal since all of
information which could affect the price of stock market reflect to the prices before. Furthermore, the direction
and intensity of stock prices movements couldnt forecast. The hyperbolic decreasing in autocorrelation
functions of the return and its volatility or the property of mean revision slowly is defined as long memory. The
positive autocorrelation between the price movements occurs in the case of the long run dependence property
these price movements. In the case of long memory property, the prices of the stock market will have a
predictable structure, and trend in the past of prices can use for future price estimations. In this study, it will be
tested that how the Efficient Market Hypothesis works in a real market. In addition, the long memory properties
in stock market returns and their volatilities of some of D-8 countries (Turkey, Pakistan, Bangladesh, Malaysia,
Indonesia, Egypt, Iran, Nigeria) which have a growing importance in the global economy have been analyzed.
Furthermore, existence of long memory has been tested both for the returns and volatility of the time series by
using different methods such as Rescaled Range Statistics (R/S), Geweke and Porter-Hudak (GPH) Model. The
ARFIMA-FIGARCH class models are estimated under the different assumption of distribution such as student-t,
skewed student-t and GED distribution. In this study, the long memory property both in mean and volatility of
stock market returns have been examined for some of D-8 countries. The findings obtained about efficiency of
the stock market returns in these countries will be guiding in terms of investors, policy makers and academics.
Key Words: Long Memory, ARFIMA-FIGARCH models, Stock Market, Efficient Market Hypothesis
143
TRKYENN GAYR SAF YURT HASILASININ(GSYH) STATSTKSEL OLARAK

MODELLENMESNDE RGDE PARAMETRELERNN UYGULANMASI
Adnan KARABRAHMOLU
*1
, Yasin ASAR
2
, Hakan BABOZKURT
3
, Ar GEN
4
1
Seluk niversitesi, Fen Fakltesi, statistik AD(Doktora rencisi) (Necmettin Erbakan niversitesi
Meram Tp Fakltesi Tp Eitimi ve Biliimi Anabilim Dal Uzman) Konya, Trkiye email:
akara@konya.edu.tr
2
Necmettin Erbakan niversitesi Fen Fakltesi Matematik Blm Aratrma Grevlisi, Konya, Trkiye email:
yasar@konya.edu.tr
3
Seluk niversitesi, Fen Fakltesi, statistik AD (Doktora rencisi) Konya, Trkiye email:
hakan.basbozkurt@gmail.com
4
Seluk niversitesi, Fen Fakltesi, statistik AD Fen Bilimleri Enstits Mdr ve statistik AD Bakan
Konya, Trkiye email: agenc@selcuk.edu.tr
oklu balant, zellikle ekonometrik zaman serisi verilerinde ska karlatmz bir sorundur. zm iin
ok sayda yntem vardr ve ridge regresyonu bunlar arasnda en yaygn kullanlan aralardan birisidir. Ridge
regresyonunda yanl tahmin edici olan parametresi analizin en nemli parasdr. Literatrde, parametresi
tahmin edicisi neren ok sayda yayn mevcuttur.
Bu almada dnyadaki gelime ve trendlere paralel olarak ve Trkiyenin ekonomisini yakndan ilgilendiren
1968 ve 2010 yllar arasndaki Harcama Yntemiyle Gayri Safi Yurtii Hasla(GSYH)-1987&1998 fiyatlaryla-
deerlerini modelledik. D ticaret ve retim deerlerine ait parametreleri kullanarak oklu dorusal regresyon
ile GSYHy aklamaya altk. Fakat modelimizde oklu balant sorunu ortaya kt. Bu sorun zlmezse
uygun sonular ve tahminler elde edilemez. Bu durumda genellikle, genel regresyon
denkleminin zm iin gerekli olan matrisinin bozuk olmasna bal olarak yansz tahmin edicisi
hesaplanamaz. almamzn amac ridge regresyonu kullanarak bu sorunu gidermektir. Bu nedenle, daha nce
nerilmi olan baz parametrelerini karlatrarak en kk hata kareler ortalamasna sahip olan parametreyi
modele uygulayacaz.
Anahtar kelimeler: oklu balant, Yansz tahmin edici, Ridge regresyonu, Ridge parametresi, simlasyon
APPLICATION OF RIDGE PARAMETERS IN STATISTICAL MODELLING OF GROSS DOMESTIC
PRODUCT (GDP) OF TURKEY
Multicollinearity is a commonly faced problem especially in econometric time series data. There are various
methods for solving this problem and ridge regression is one of the mostly used tools among these methods. In
ridge regression, estimating the biased parameter is the most important part of the analysis. There are lots of
papers proposing estimators of parameter in the literature.
In this study, we modeled Gross Domestic Products (GDP) of Turkey by cost components (at 1987 & 1998
prices) between the years 1968 and 2010, closely concerning the economy of Turkey in parallel to the growth
and trends in the world. We tried to explain GDP using some parameters in the axes of foreign trade and
production by multiple linear regressions. However, there was a multicollinearity problem in the model. If this
problem cannot be solved, then it cannot be achieved to compatible results. In this case, the unbiased estimator
of , generally, cannot be computed because of ill-conditioned matrix in general multiple regression model
. The purpose of our study is to overcome this problem using ridge regression. For this reason, we
will compare some of the proposed estimators of on this model and give the best one having the least mean
squared error.
Key words: Multicollinearity, Unbiased estimator, Ridge regression, Ridge parameter, simulation
144
KAYNAKLAR
[1] nsal, E. (2005), Makroekonomi, maj Yaynclk, Ankara
[2] Pamukolu, G. (1990), Import-Substitution Industrialization in Turkey, Massachusetts Institute of
Technology
[3] Alkhamisi M. A., Shukur G. (2008), Developing Ridge Parameters for SUR Model Communications in
Statistics - Theory and Methods, 37:4, 544-564
[4] Hoerl Arthur E., Kennard Robert W. (1970), Ridge Regression: Biased Estimation for Nonorthogonal
Problems, Technometrics, Vol. 12, No. 1, pp. 55-67
[5] Dorugade, A.V. (2013), New ridge parameters for ridge regression, Journal of the Association of Arab
Universities for Basic and Applied Sciences http://dx.doi.org/10.1016/j.jaubas.2013.03.005
145
TURST TALEBNE EKONOMETRK BR YAKLAIM: TRKYE RNE

Mehmet YILMAZ ve Buse BYM
Ankara niversitesi, Fen Fakltesi, statistik Blm 06100 Tandoan-Ankara, TRKYE
Turizmin Tanm, Dnyadaki Geliimi ve nemi
Turizm, yerli veya yabanc tketicilerin bir lke veya blgeyi ziyareti srasnda duyaca ihtiyalar tatmin
edecek hizmetlerin btndr. Turizm dnyann en hzl byyen sektrlerinden biridir. Dnya turizm
hareketleri, zellikle II. Dnya Savandan sonra byk bir ivme kazanmtr. 1980-2000 yllar arasnda, dnya
turizm faaliyetleri toplam uluslararas ticaret hacmi iinde %15 orannda yksek bir paya sahip olmutur. 1990l
yllarn sonuna gelindiinde hizmetler sektr iinde turizm birinci sraya ykselmitir. 2000 ylnda 683 milyon
kii turizm hareketine katlm, turizm gelirleri ise 475 milyar dolar olarak gereklemitir. 2010 ylna
gelindiinde turist says yaklak %38 art ile 940 milyona, turizm gelirleri ise yaklak 2 kat artarak 919 milyar
dolara ulamtr. Bu nedenle turizm gelirleri, bir lkenin d ticaret gelirleri asndan byk nem tar ve
istihdam ile gelir dzeyine uyarc etkilerde bulunarak o lkenin kalknmasnda dorudan etki yaratr.
Trkiye de Turizmin Geliimi
Trkiyedeki turizmin geliim sreci, zellikle 1980 ylndan sonra byk bir gelime gstermi ve 1982 ylnda
kartlan Turizmi Tevik Kanunu bu geliim iin bir dnm noktas olmutur. Bu tevik tedbirlerinin
salanmas ile 19802000 yllar arasnda iletme belgeli tesislere ait yatak says 56.044 den 325.168 e
ykselmi ve bu srete, gelen turist says da yaklak 8 kat artarak 1.288.000 den 10.412.000 e kmtr. 2012
yl sonunda ise iletme belgeli tesislere ait yatak says 715.692 ve gelen turist says da 31.782.832 ye kmtr.
Turist Saysn Etkileyen Faktrler
Turizm sektrndeki gelimeler birok lke iin olduka nemli olduundan bu sektrdeki yatrmlarn
planlanmas ve turistik iletmelerin kendilerini bir sonraki yla daha iyi hazrlayabilmeleri iin gelebilecek turist
saylarnn ngrlebilmesi hayati bir nem tar. lke baznda bir ngr modeli belirleyebilmek iin lkenin
corafi konumu, sosyal, politik ve teknolojik durumu, lkenin mevsim yelpazesinin genilii ve bu
mevsimlerdeki kaynaklarn etkin kullanm, kltrel ve tarihi zenginlikleri gibi faktrleri gz nne almak
gerekir. Bu faktrlere ek olarak, lkenin reklam tantm a, dier lkelere olan uzakl, nisbi dviz kurlar,
(Bahar ve Kozak 2005) turizm teviklerinin varl, turizm irketlerinin says ve iletme belgeli turistik tesis
says ile yatak kapasiteleri de lkeye gelecek turist says iin nemli unsurlardandr.
Literatrde Kullanlan Model nerileri
Yaklak 30 yldan beri turizm talebini modellemek ve ngrmek iin aratrmaclar, parametrik ve parametrik
olmayan yntemler ile regresyon modelleri nerisinde bulunmutur. 2000 ylndan gnmze indekslerde
taranan 130 u akn almann turizm talebi ve bu talebin ngrlmesi ile ilgili olduu grlmtr. Bu
almalarda genellikle lineer ve lineer olmayan dinamik modeller ( Otoregresif (AR), Entegre edilmi
Otoregresif Hareketli Ortalama (ARIMA) ve Mevsimsel Otoregresif (SAR) ) kullanlmtr (Song ve Li, 2008).
Turistik zenginlikleri olan lkelerde turizm gelirleri nemli yer tuttuundan turist saysnn ve turizm gelirlerinin
lke baznda modellenmesi nemlidir. rnein, Song et al. (2010) almalarnda Hong-Kong a gelen turist
saysn modellemek iin gelen turistlerin kii ba milli gelirleri ve harcadklar para vs. gibi deikenlerle hem
statik hem de dinamik model nerisinde bulunmulardr. Chen (2011) turist talebini ngrmek iin lineer ve
lineer olmayan modelleri birletirmitir.
ngr Modelinde Kullanlacak Materyal ve Yntem
Bu almada, 1966-2012 yllar arasndaki Trkiye ye gelen turist saylar ve iletme belgeli tesislere ait yatak
saylar baz alnarak turist saysnn ngrlmesi amalanmtr. ngr dneminde iletme belgeli tesislere ait
yatak saylar da bilinmediinden bu saylar da ngrecek zaman serisi ve stel dzletirme modeli nerilerinde
bulunulmutur. Temel iktisadi yasaya gre, hizmetin belirli bir eik noktas vardr ve bu noktadan sonra hizmet
ne kadar artarsa artsn, gelen turist says bir doyum noktasna ulaacaktr. Bu yasay snayacak modeller
literatrde genellikle ters model olarak adlandrlrlar. Yaplan almada, ncelikle ters modeller ele alnm
daha sonra bunlara ek olarak karma modeller nerilmitir. Bu modeller iinde ekonometrik sorunlar olan
modeller incelenmitir. Son olarak, ex-post ngr ile RMSE deerleri hesaplanp ngrde kullanlacak model
belirlenerek, 2013-2020 yllar arasnda Trkiyeye gelebilecek turist saylar ngrlmtr.
146
KAYNAKLAR
[1] Chen K.Y. (2011), Combining Linear and Nonlinear Model In Forecasting Tourism Demand, Expert Systems
with Applications, 38, 1036810376.
[2] Song H. and Witt S.F. (2000), Tourism Demand Modelling and Forecasting: Modern Econometric
Approaches , Oxford: Pergamon.
[3] Song H. and Li G. (2008), Tourism Demand Modelling and Forecasting, A Review of Recent Research
Tourism Management, 29 (2). 203 - 220. ISSN 0261-5177.
[4] Song H. (2010), Tourism Demand Modelling and Forecasting: How Should Demand Be Measured?, Tourism
Economics, 16 (1), 6381.
ABSTRACT
AN ECONOMETRIC APPROACH TO TOURISM DEMAND: EVIDENCE FROM TURKEY
The world countries concentrate on planning tourism policy because the tourism sector is developing rapidly day
by day. Therefore, forecasting is an essential analytical tool in tourism policy.This study focuses on modelling
tourism demand with using number of tourists who come to Turkey in 1966-2012 and number of beds which
belong to accommadation facilities with tourism operation licensed. In this sense, forecasting of international
tourism arrivals to Turkey for 2013-2020 is purposed. Primarily inverse models and then linear and nonlinear
dynamic models and their mixtures are discussed. In order to improve forecast accuracy, error terms of
suggested models are examined in terms of model assumptions.
Key Words: Tourism demand; tourism demand modelling; forecasting; inverse models; time series models,
exponential smoothing models
147
TRKYEDE EKONOMK DEKENLERN TKETC GVEN ENDEKS ZERNDEK

ETKS
Feyza GNAY*, Abdullah YALINKAYA, Mustafa GAZOULLARI
Ankara niversitesi, Fen Fakltesi, statistik Blm, 06100, Ankara, TRKYE
fgunay@ankara.edu.tr , ayalcinkaya@ankara.edu.tr
Tketici Gven Endeksi ve Ekonomik Deikenlerin Bazlar
Tketici Gven Endeksi (TGE); lke ekonomisinin anlk durumu hakknda tketicilerin grlerini ve gelecek
ile ilgili beklentilerini gsteren ulusal bir ekonomik gstergedir. Trkiyede TGE, Trkiye statistik Kurumu
(TUK) tarafndan aylk olarak yaplan Tketici Eilim Anketleri sonucunda elde edilmektedir. Endeksin
100den byk olmas; tketici gveninde iyimser durum, 100den kk olmas; tketici gveninde ktmser
durum, 100 olmas ise; tketici gveninde ne iyimser ne de ktmser durum olduunu gstermektedir.
lke ekonomisinin tketicilerin gr ve gelecek beklentilerinde etkili olduu bilindiinden TGEnin de baz
ekonomik deikenlerden etkilenecei aikrdr. Bu ilikiyi incelemek iin ele alnabilecek ekonomik
deikenler srasyla; DOLAR, EURO, IMKB, TUFE, UFE, NFUS, GSYIH, vs. olarak verilebilir. Bu
deikenlerin bazlar aadaki gibi tanmlanabilir.
Tketici Fiyatlar Endeksi (TFE); bireylerin ortalama tketim kalplarn yanstan rn ve hizmetlerden oluan
sepetin aylk dnemler itibariyle fiyat deiimini temsil eder. Sepette yer alan mal ve hizmetlerin, miktar ve
kalite deiimleri gz nne alnarak endeksin sadece fiyat hareketlerini yanstmas salanr. retici Fiyatlar
Endeksi (FE); genel olarak yurt ii retimden sata konu olan seilmi rnlerin, retici fiyatlarndaki
deiiminin bir gstergesidir.
Gayri Safi Yurt i Hsla (GSYH); bir lkenin ekonomik byklnn birka ltnden biridir.
GSYH, Gayri Safi Milli Hasladan farkl olarak, bir lke snrlar ierisinde belli bir zaman iinde,retilen tm
nihai mal ve hizmetlerin para birimi cinsinden deeridir. Bu tanmda belli bir zaman, bir ay, ay ya da bir yl
olabilir. GSYH genellikle bir yl iin ele alnr. Nihai mal ve hizmetler ise, retilen toplam mal ve hizmetlerden
retim iin kullanlan ara mallar dldkten sonra geriye kalan deerdir. GSYH verilerini bulmak iin u
forml uygulanr. GSYH = tketim + yatrm + devlet harcamalar + (ihracat - ithalat)
stanbul Menkul Kymetler Borsa Endeksi (MKB); Belli bir gnde stanbul Menkul Kymetler borsasndaki
menkul deerlerin fiyatlarndaki deiim gstergesidir.
Ama ve Yntem
Bu almada ama, Trkiye statistik kurumunun anket ile elde ettii Tketici Gven Endeksini farkl
istatistiksel yntemlerle elde edebilmektir. Bunun iin Tketici Gven Endeksini aklayabilecek Ekonomik
deikenlerle en uygun modelin elde edilmesi problemi ele alnmtr.
Bu almada, 2004-2012 yllar arasnda Trkiye statistik Kurumu tarafndan aylk olarak yaplan anketler
sonucunda hesaplanan TGE verilerinin Trkiyedeki ekonomik deikenlerden nasl etkilendiini aratrmak iin
aylk Dolar, Euro, mkb, Tfe, fe, Gsyih ve Nfus verileri toplanmtr. Tketici Gven Endeksi baml
deiken olarak ele alnm ve TGEyi aklamak iin en uygun model oklu regresyon yntemi ile
oluturulmaya allmtr. Ayrca bu srete oklu dorusallk sorunu olmamasna, hatalarn standart
sapmasnn en kk ve modelin aklama yzdesinin en byk olmasna dikkat edilmitir. En uygun model
belirlendikten sonra Ardk Bamllk ve Deien Varyans sorunlarnn varl tespit edilerek varsa dzeltici
nlemlerle yok edilmitir. leriye dnk ngrlerde bulunmak iin kestirim denklemleri belirlenmitir.
Analizler eitli bilgisayar programlar araclyla yaplm ve sonular deerlendirilmitir.
KAYNAKLAR
[1] Gujarati D. N. (1978), Basic Econometric, New York, McGraw-Hill.
[2] Trkiye statistik Kurumu (TK), http://www.tuik.gov.tr/
[3] Trkiye Cumhuriyeti Merkez Bankas (TCMB), http://www.tcmb.gov.tr/
ABSTRACT
148
THE EFFECT OF ECONOMIC VARIABLES IN TURKEY ON CONSUMER CONFIDENCE INDEX

Consumer Confidence Index (TGE) that is calculated every month with some survey about consumers
confidence by Turkish Statistical Institute (TUIK) is affected from economical variables in Turkey. So some
variables are taken like Dollar, Euro, stanbul Stock Exchange (MKB), Consumer Price Index (TUFE),
Producer Price Index (UFE),Gross Domestic Product (GSYIH), Population. Thus TGE can be predicted using
multiple regression model without necessity of costly survey studies. Fit and high R-Squared value prediction
equations are found without multicollinearity, heteroscedasticity,autocorrelation problems.
Key Words: Consumer Confidence Index, Multiple Regression,Prediction Equation, Economic Variables
149
BLDR OTURUMLARI 3
SESSION 3
Statistics Theory 2
150
ROBUST ESTIMATORS FOR THE SHAPE PARAMETERS OF BURR XII DISTRIBUTION

Fatma Zehra DORU
1*
, Olcay ARSLAN
1
Ankara University, Faculty of Science, Department of Statistics, 06100 Ankara/Turkey
1
fzdogru@ankara.edu.tr, oarslan@ankara.edu.tr
Introduction
In general, the parameters of a given distribution are estimated by classical methods like maximum likelihood
and least squares. These estimators are very sensitive to outliers. So the robust estimators are suggested as an
alternative to these estimators. We consider the Burr XII distribution which was first introduced by Burr (1942).
This distribution is widely used in areas such as business, engineering, reliability and hydrology as a failure
model. Its cumulative density function (cdf) and probability density function (pdf) are given as follows:
((1)
and
((2)
where and are shape parameters.
The shape parameters of Burr XII distribution were estimated by using several different methods. Hossain and
Nath (1997) compared maximum likelihood, least square and maximum product of spacing estimation methods
in presence and absence of outliers. Robust regression method to estimate the parameters of Burr XII distribution
for complete and multiply-censored data with outliers has been given by Wang and Cheng (2010). Also, B-
robust estimation method for the shape parameters of this distribution has been studied by Doru and Arslan
(2013).
In this study we propose robust estimation methods to estimate the shape parameters of the Burr XII distribution
and compare the proposed estimators with the estimators given in literature. The least squares estimation method
which is obtained by minimizing the following objective function with respect to parameters:
(3)
Similar to the least squares estimation method, robust estimation method for the parameters of Burr XII
distribution will be obtained by minimizing the following objective function:
151
(4)
We will use two functions like bisquare and Hubers functions:
(5)
and
(6)
We present a small simulation study to show the performance of these estimation methods in absence and
presence of outliers. Also we use a real data example to demonstrate the performance of the estimators based on
robust estimators.
REFERENCES
[1] Burr, I.W. (1942), Cumulative frequency functions, Annals of Mathematical Statistics, 13, 215-232.
[2] Doru, F.Z. and Arslan, O. (2013), B-Robust estimation method for the parameters of Burr XII distribution,
14th International Symposium on Econometrics Operation Research and Statistics-(ISEOS), Sarejevo.
[3] Hampel, F.R., Ronchetti, E.M., Rousseeuw, P.J. and Stahel, W.A. (1986), Robust Statistics: The Approach
Based on Influence Functions, Wiley, New York.
[4] Hossain, A.M. and Nath, S.K. (1977), Estimation of parameters in the presence of outliers for a Burr XII
distribution, Commun. Statist. Theory Methods 26, 813-827.
[5] Wang, F.K. and Cheng, Y.F. (2010), Robust regression for estimating the Burr XII parameters with outliers,
Journal of Applied Statistics, 37, 5, 807-819.
Key Words: Burr XII distribution, B-robust, robust estimators, least squares
152
ON MARGINAL DISTRIBUTION OF CONDITIONAL LARGEST ORDER STATISTICS FROM

BIVARIATE SAMPLE
Glder KEMALBAY
Yldz Technical University, Faculty of Art&Science, Department of Statistics, 34220, Istanbul, TURKEY,
kemalbay@yildiz.edu.tr
Introduction
Suppose that
1
,...,
n
X X be a random sample from a population with distribution function ( )
X
F x . The
corresponding order statistics of this sample are obtained by arranging '
i
X s in nondecreasing order. In
literature, a lot of attention has been devoted to the study of order statistics. For a comprehensive study for
theory and applications, we refer to [1] and [4], among others. Although the order statistics attracted the attention
of several authors, many of results dealing with order statistics have been derived for the univariate sample case.
In this study, a bivariate random sample
1 1
( , ),..., ( , )
n n
X Y X Y with joint distribution function ( , ) F x y is
considered. Let us assume that
1
,...,
n
X X and
1
,...,
n
Y Y be independent and identically distributed random
variables with distribution functions ( )
X
F x and ( )
Y
F y , respectively. Additionally,
1: 2: :
...
n n n n
X X X s s s ,
1: 2: :
...
n n n n
Y Y Y s s s be the corresponding marginal order statistics. Let
: r n
X and
: s n
Y be the
th
r and
th
s
order statistics and their marginal distribution functions are obtained by univariate binomial distribution as
follows:
:
:
( ) { } ( ) [1 ( )]
r n
n
i n i
X r n X X
i r
n
F x P X x F x F x
i
=
| |
s =
|
\ .
_
, (1)

:
:
( ) { } ( ) [1 ( )]
s n
n
j n j
Y s n Y Y
j s
n
F y P Y y F y F y
j
=
| |
s =
|
\ .
_
. (2)
The joint distribution of
: r n
X and
: s n
Y can be derived from bivariate binomial distribution if one considers the
fourfold model with { }
i
A X x = s and { }
i
B Y y = s . If and q denote the number of occurences of events
A and B in n independent trials of the fourfold experiment, respectively, then the joint distribution of bivariate
order statistics is given by
: :
, : :
( , ) { , }
{ , } ( ; , , )
( ) ( ) ( ) ( )
r n s n
X Y r n s n
n n n n b
i r j s i r j s k a
k c i k c j k c c n i j k
F x y P X x Y y
P i j C n i j k
P AB P AB P A B P A B
q
= = = = =
+
s s
= = = =
__ ___
(3)
153
where ( ; , , ) !/ !( )!( )!( )! C n i j k n k i k j k n i j k = + ; max(0, ) a i j n = + ; min( , ) b i j = and

probabilities are given as follows: ( ) ( , ) P AB F x y = ; ( ) ( ) ( , )
c
X
P AB F x F x y = ;
( ) ( ) ( , )
c
Y
P A B F y F x y = ; ( ) 1 ( ) ( ) ( , )
c c
X Y
P A B F x F y F x y = + .
For more details, one can see [4].
Recently, by using some modifications of bivariate binomial distribution, the distribution function of bivariate
order statistics
: :
( , )
r n s n
X Y under condition that a certain number of observations are truncated, i.e. they fall in
the set
2
{( , ) : , }
uv
t s t u s v = e s s B , : ,,
222
: ,,
2
, have been obtained by [3]. The conditional distribution of bivariate
order statistics is denoted by
, :
( , , )
r s n
F x y u v . Furthermore, by using the properties of extreme order statistics
: :
( , )
n n n n
X Y , a different approach is presented for obtaining the conditional distribution function of bivariate
largest order statistics, which is denoted by
, :
( , , )
n n n
F x y u v .
In this study, the marginal distribution functions of conditional bivariate extreme order statistics
: :
( , )
n n n n
X Y are
derived by taking the limit of conditional joint distribution function
, :
( , , )
n n n
F x y u v as x and y ,
respectively. In the case of underlying distribution is Farlie-Gumbel-Morgenstern (FGM), the corresponding
dependence analysis of conditional largest order statistics involving association parameter o is studied.
Moreover, some numerical and graphical results are illustrated. These obtained results can find application for
statistical modelling of extreme values in risk management, finance and insuarance as well as reliability theory.
REFERENCES
[1] Arnold B.C., Balakrishnan N. and Nagaraja H.N. (2008), A First Course In Order Statistics, USA, Siam.
[2] Bairamov I. (2013), Reliability and Mean Residual Life of Complex Systems with Two Dependent
Components per Element, IEEE Transactions on Reliability, 62(1), 276-285.
[3] Bairamov I. and Kemalbay G. (2013), Some Novel Discrete Distributions Under Fourfold Sampling Schemes
and Conditional Bivariate Order Statistics, Journal of Computational and Applied Mathematics, 248, 1-14.
[4] David H.A. (1981), Order Statistics, Second Edition, New York, John Wiley & Sons.
ZET
K DEKENL RNEE AT KOULLU MAKSMUM SIRA STATSTKLERNN MARJNAL
DAILIMLARI
Bu almada, koullu iki deikenli maksimum sra istatistiklerinin dalm incelenmi ve marjinal dalmlar
elde edilmitir. Farlie-Gumbel-Morgenstern (FGM) dalm varsaym altnda baz saysal ve grafiksel sonular
sunulmutur.
Anahtar Kelimeler: Koullu Sra statistikleri, Ekstrem Deerler, Marjinal Dalmlar, Bamllk.
154
NEGATIVE CUMULATIVE DEPENDENCE OF RANDOM VARIABLES AND APPLICATIONS

mit ILAK, Deniz Topuz*
University of Southern California, College Of Letters, Arts and Sciences, Department of Mathematics, 3620 S
Vermont Ave, Los Angeles, CA, 90089 , umitislak@hotmail.com
Baheehir Universitesi, Fen Edebiyat Fakltesi, Matematik-Bilgisayar Blm, 34510, stanbul, TRKYE,
denizz.t@gmail.com
In many statistical problems, the standard assumption that the underlying random variables are independent is
not plausible. Increases in some variables are often related to decreases or increases in other variables. To
understand this phenomenon partially, the concept of negative association of random variables was introduced in
[4] and simple properties of this family were analyzed. Formally, a finite collection of random variables { ,
, . . . , } is said to be negatively associated (NA) if for any disjoint subsets , { 1, . . . , n },
E[ f ( ; i ) g ( ; j )] E[ f ((( ; i )] E[ ( g (((( ; j )]
whenever f and g are coordinate-wise nondecreasing functions for which the expectations exist. The purpose of
this study is to analyze another sort of dependence, negative cumulative dependence, that generalize association
of random variables.
Let , , . . . , be random variables and = for k = 1, 2 , . . . , n. , , . . . , are said
to be negatively cumulative dependent (NCD) if
E[ f ( ) g ( )] E[ f ( ( )] E[ g( )] for k= 2, . . . , n
whenever f and g are nondecreasing functions for which the expectations exist. NCD random variables were first
introduced [3] where they have observations about Poisson approximation under negative dependence
assumptions. Here we will obtain some properties of NCD variables and consider new applications. We start
with the following proposition which summarizes the relation between NCD and NA.
Proposition 0.1. i) NCD and NA are equivalent for two random variables and .
ii) If , , . . . , are NA, then they are also NCD.
iii) There exists , , . . . , that are NCD, but not NA.
Sketch of proof: Proofs of i. and ii. easily follows from the definitions. We give a counter example for iii. Let
, , be uniformly distributed over { (0, c, c), (c, 0, 0) , (c, c, 0), (c, 0,c), (c, c, c)} for some c >0. It can
be checked that , , are NCD, but Cov( , ) = /25 > 0 so that they are not NA.
Thus, NCD forms a strictly larger class than NA. Proofs regarding applications of NCD usually have an
inductive nature as can be felt from the very definition of this family. Thus, the observation made in item i. of
Proposition 0.1 is important in many problems for the basis step. Also note that item ii. in Proposition 0.1, in
particular implies that NCD also generalizes independence. One other useful observation about NCD random
variables is stated in the following lemma.
Lemma 0.2. If , , . . . , are NCD, then for any > 0,
E[ ] ].
Again the proof of Lemma 0.2 is inductive and we skip the details.This lemma is very useful as it gives an upper
bound on the moment generating function of = . Inparticular, for > 0, letting t 0 and = E[
], an application of Markovs inequality gives
155
(0.1) P( - t) = P( )
Using (0.1) and standard estimation techniques, one can now obtain concentration inequalities (such as
Bernstein) for NCD random variables. NCD random variables also satify the folowing convex stochastic
ordering result.
Theorem 0.3 Let { , , . . . , } be a sequence of NCD random variables and also let { , , . . . , }
be a sequence of independent random variables so that and have the same distribution for each i. Then
E [ f ( ) ] E [ f ( ) ]
for any convex function on R, whenever the expectations on the right hand side exists.
Proof of this result is lengthy, uses induction, and properties of convex functions and NCD random variables.
Instead of including its proofs, we mention two special cases : (i) f(x) = for some > 0 and (ii) f(x) =
for some r >0. The first special case allows one to estimate the moment generating function of using the
moment generating function of sum of independent copies of s as we discussed above. The second one
enables one to obtain useful moment inequalities for . In particular, with the notations of Theorem 0.3, one
has E[ ] E[ ] for which the right hand side can be manipulated using elementary
properties of independent random variables.
Finally we note that one other use of NCD random variables is in distributional approximations. In particular, it
is possible to extend various results from Steins method for Poisson and normal approximation to the case of
NCD variables. Here we will not be discussing this aspect, but we remind that one might need exchangeability
besides NCD in some of these problems.Although this is restrictive, it is still important as many applications
involve exchangeable random variables.
REFERENCES
[1] Dubhashi, D.P. and Ranjan, Balls and bins: a study in negative dependence, Random Structures Algorithms
13, no. 2, 99-124, 1998
[2] Pemantle, Robin, Towards a theory of negative dependence, J.Math. Phys.41,no. 3, 1371-1390,2000
[3] Boutsikas, Michael V. And Koutras, Markos V., A bound for the distribution of the sum of discrete
associated or negatively associated random variables, Ann. Appl.Probab.10, no.4, 1137-1150, 2000
[4] Joag-Dev, K. And Proschan, Negative association of random variables, with applications, Ann. Statist. 11,
no. 1,286-295, 1983
[5] Papadatos, N and Papathanasiou, V., Poisson approximation for a sum of dependent indicators: an alternative
approach, Adv. in Appl.Probab. 34, no. 3, 609-625,2002
156
AN IMPROVED NEW CLASS OF EXPONENTIAL RATIO ESTIMATORS FOR POPULATION

MEDIAN IN SIMPLE RANDOM SAMPLING
Sibel ALADAG*, Hulya CINGI
*
General Director of Service Provision, Republic of Turkey Social Security Institution, Bakanlklar, Ankara,
Turkey, e-mail: saladag@sgk.gov.tr
University of Hacettepe, Faculty of Science, Department of Statistics, Beytepe, Ankara, Turkey, e-mail:
hcingi@hacettepe.edu.tr
1. Introduction
Median is often regarded as more appropriate measure of location than mean when variables have a highly
skewed distribution, such as income, expenditure, production are studied in survey sampling. In literature, there
have been many studies for estimating the population mean and population total but relatively less effort has
been devoted to the development of efficient methods for estimating the population median.
In simple random sampling, Gross (1980), defined sample median and obtained is consistent and
asymptotically normal with mean and variance
(1)
where and .
Kuk and Mak (1989), suggested a ratio estimator and obtained the MSE equation
(2)
(3)
where is the correlation coefficient between sampling distribution of and which is defined as
and is the proportion of units in the population with and . Kuk
and Mak (1989) defined a matrix of proportions seen in Table 1.
Table 1: Matrix of Proportions
Total
Total
Aladag and Cingi (2012), make the first contribution in using exponential estimator for estimating the population
median. Aladag and Cingi (2012) propose following estimators and obtain the MSE equations given in the
below:

(4)
157
(5)
(6)
(7)
2. Suggested Estimators
Following Singh et. al. (2009), we suggest new exponential ratio estimators for population median. We define an
improved new class of exponential ratio estimators for population median and derive the minimum mean square
error (MSE) equation of the proposed estimator. We compare MSE equations and find theoretical conditions
which make each proposed estimator more efficient than the others.
3. Conclusion
We define an improved new class of exponential ratio estimators for population median and develop some
exponential ratio estimators for population median using some known value of the population parameters .We
find theoretical conditions which make each proposed estimator more efficient than the others. We also support
these conditions by using numerical example.
REFERENCES
[1] Aladag, S., Cingi H., (2012), A New Class of Exponential Ratio Estimators for Population Median in
Simple Random Sampling, 8
th
International Symposium of Statistics, 11-13 October, Eskisehir, Turkey.
[2] Gross, T. S., (1980). Median estimation in sample surveys, Proc. Surv. Res. Meth. Sect. Amer. Statist.
Ass. 181-184.
[3] Kuk, A. Y. C., Mak, T. K., (1989). Median estimation in the presence of auxiliary information, Journal of
the Royal Statistical Society Series, B, 51, 261-269.
[4]Singh, R., Chauhan, P., Sawan, N., Smarandache, F., (2009), Improvement in Estimating the Population
Mean Using Exponential in Simple Random Sampling, Bulletin of Statistics & Economics, 3 (A09), 13-19.
ABSTRACT
Singh et. al. (2009) suggested a ratio-type exponential estimator for estimating the finite population mean.
Following Singh et. al. (2009), we define an improved new class of exponential ratio estimators for population
median and derive the minimum mean square error (MSE) equations of the proposed estimators for constrained
and unconstrained choice of and . We compare MSE equations and find theoretical conditions which
make each proposed estimator more efficient than the others given in literature. These conditions are also
supported by using numerical examples.
Key words: Auxiliary information, exponential estimator, median estimation, simple random sampling.
158
ROBUST ESTIMATORS FOR THE DISTRIBUTED LAG MODEL BASED ON t AND SKEW t
DISTRIBUTIONS
Yetkin TUA, Olcay ARSLAN, Mehmet Niyazi ANKAYA
Dgol cad. Ankara niversitesi Fen Fakltesi statistik Blm, 06100 Tandoan/ANKARA
ytuac@ankara.edu.tr, oarslan@ankara.edu.tr, mncankaya@ankara.edu.tr
Introduction
All distributed lag equations state that a dependent variable Y is determined by a weighted sum of past values of
an independent variable X:
t=1, 2 n. (1)
When are vector can be estimated by using Maximum Likelihood Estimation method, this
also gives the LS estimates. can be assumed for estimating vector as an heavier tailed
alternative to the normal distribution. If the data have skewness skew t-distribution can be used for modelling
errors. In this study we will model with the Jones and Faddy skew t-distribution . We will
model with t and skew t-distributions to estimate The pdf of Jones and Faddy skew t-distribution
is
(2)
Secondly there is a special form of the distributed lag model which is Almon Model defined as below. Basicly
the procedure is based on the assumption that the in (1) lie on a low degree polynomial. We will assume that
it is a quadratic as defined below
(3)
Using this, equation (1) can be expressed as
159
(4)
(5)
where
(6)
Then, parameter can be also estimated under the same assumptions used on the error of distributed lag model
given in the first part above.
REFERENCES
[1] Almon S. (1965), The Distributed Lag Between Capital Appropriations and Expenditures, Econometrica,
Vol. 33, No. 1 pp. 178-196.
[2] Arslan O. (2011), A Review on the Univariate Skew t- Distributions, Far East Journal of Theoretical
Statistics Vol.34 No. 1 pp. 17-34.
[3] abuk H.A. and Akdeniz F. (2012), An Application of Generalized Maximum Entropy and Some Biased
Estimation Methods For The Almon Distributed Lag Model: Bootstrap Efficiency, Advances and Applications in
Statistics, Vol. 31, Issue 2, pp. 103-124.
[4] Jones M.C. and Faddy M.J (2003), A Skew Extension of The t-distribution, with Applications, J. Roy. Statist.
Soc. Ser. B 65, 159-174.
[5] Maddala G.S (1974), Ridge Estimators for Distributed Lag Models, Working Paper No.69.
Key Words: Distributed lag models, Almon Model, Skew t-distributions.
160
BLDR OTURUMLARI 3
SESSION 3
Applied Statistics 1
161
THE IMPACT OF REPLACEMENT MIGRATION POLICY ON DEMOGRAPHIC INDICATORS

AND LABOR FORCE IN TURKEY
Osman Nuri ERDEM Doc. Dr. A. Sevtap SELCUK-KESTEL
T.C. Kalknma Bakanl Orta Dogu Teknik niversitesi
Necatibey Cad. No.110/A Uygulamali Matematik Enstits
06100 Ycetepe ANKARA 06800 ANKARA
onerdem@kalkinma.gov.tr skestel@metu.edu.tr
Extended Summary
Population decline and population aging are two particular demographic trends seen over developed countries
because of rising life expectancy followed by falling fertility rates, and by this demographic transition process,
will be seen in Turkey and other countries as well. By 2040, under the base scenario of no fertility and no
migration policy, the demographic window of opportunity which refers to the time period in which the
proportion of the working age population is particularly preminent will be closed in Turkey. Under the same
scenario, by 2050, Turkeys population will stop to increase and start to shrink with an older age structure. In
this context, replacement migration is needed to compensate declines in the size of population, population of the
working age and to delay the aging of the population.
In this study, it is examined that to what extent can migration policies be a solution to the future aging problem
of Turkey, in terms of the age structure of the population, labor force participation and employment levels,
comparing to the effects of possible fertility increasing policies. The aging and projected decline of populations
of developed countries have lead to attempts to discover the extent to which increasing migration could change
the trends under five different scenarios with regard to the international migration streams (UN, 2000). Lutz and
Scherbov (2003) combine 7 different fertility assumptions with 4 different migration assumptions at the level of
EU-15 by 2050. Since the studies on the effects of the combined migration and fertility policies on the
population age structure, labor force and employment levels by using a population projection model with up-to-
date data for Turkey are scarce, the main motivation of this study is to find out relevant policy options for the
solution of future aging problem of Turkey with the mentioned tools and data.
Base year population size and age structure, life expectancy, fertility and net migration rate data for Turkey and
other countries, which are retrieved from TURKSTAT, OECD, World Bank and CIA Factbook statistics, are
used for taking base year values and benchmark values for the target years of the projections. Set of scenarios is
built by combining different fertility levels and migration assumptions with the associated labor force and
employment levels and these scenarios are compared according to child population, working age population, old
age population, labor force and employment levels resulted by projections. Population projections are made by
the cohort component method with single ages by using MS Excel VBA. Labor force and employment are
calculated by applying assumed labor force participation and unemployment rates to the working age population.
The time period covered in the projections is approximately 90 years starting from 2012. The following table
shows the earlier results of the study on open years of demographic opportunity window, population increase
rate and age structure of the population, where Base refers to the base scenario, Base TFR2.5 assumes the
high fertility increase with no migration scenario and 2018 25 2037 500 TFR2 is one of the reasonable
representatives of the thousands of migration scenarios with a moderate fertility assumption. The table illustrates
the impact of high fertility rate and migration with moderate fertility rate on the working age and old age
population by the end of the century.
162
Table. Comparison of Scenarios by Population Parameters (2050 and 2100)

2050 2100
Scenarios DOW* PIR** 15-64% 65+% PIR** 15-64% 65+%
Base 25 0.0% 63.1% 20.8% 0.4% 56.2% 28.8%
Base TFR2.5 27 0.6% 60.4% 18.5% 0.6% 58.8% 19.3%
2018 25 2037 500 TFR2 29 0.9% 63.5% 17.6% 0.5% 60.1% 22.0%
*Open years of the demographic opportunity window.
**Population increase rate.
The analyses concludes that the higher fertility policies alone may delay population decline but can protect
against population aging to a very limited extent and after so many years. But with proper migration policies, it
is possible to inject people directly to working age levels in the population pyramid while strengthening the base
of the pyramid with fertility increasing policies. Additionally, the migration policies properly combined with
fertility policies are much more effective than implementing solely fertility increasing policies as, higher fertility
detoriates women labor, by the means of sustaining working age population, labor force and employment at
higher levels and slowing the population aging process in Turkey.
REFERENCES
[1] Lutz, W. and Scherbov, S. (2003). Can immigration compensate for Europe's low fertility? Vienna: Vienna
Institute of Demography (European Demographic Research Papers 1 (2003).
[2] UN. 2000. Replacement Migration: Is it a Solution to Declining and Aging Populations? New York: United
Nations. Population Division, ESA/P/WP.160.
ABSTRACT
THE IMPACT OF REPLACEMENT MIGRATION POLICY ON DEMOGRAPHIC INDICATORS
AND LABOR FORCE IN TURKEY
This paper investigates the mutual effects of migration and fertility assumptions in population projections of
Turkey and offers relevant policies (combining fertility and migration policies) which sustain working age
population, labor force and employment at higher levels and slow down the population aging process for Turkey.
Set of scenarios is built by the population projection model which is made by cohort component method using
MS Excel VBA. Labor force and employment levels are calculated by applying assumed labor force
participation and unemployment rates to the working age population and the projection period of the model
covers approximately 90 years.
Key Words: Replacement migration, demographic policy, fertility rate, aging, labor force, employment,
population projection.
163
INSTRINSIC FORECASTING IN REVERSE LOGISTICS: THE CASE OF ELECTRICAL AND

ELECTRONIC EQUIPMENT
Nezir AYDIN
a
, Berk AYVAZ
b
, Erkan IIKLI
c*
Yldz Technical University
a
, Istanbul Trade University
b
, Istanbul Technical University
c
neaydin@yildiz.edu.tr
a
, bayvaz@ticaret.edu.tr
b
, isiklie@itu.edu.tr
c
Introduction
Due to increasing environmental consciousness, practices focusing on effective use and re-use of limited
resources and currently available (already manufactured) products have drawn too much attention. Therefore,
businesses nowadays are somewhat obliged to implement reverse logistics processes under some political,
economic, and environmental restraints. Reverse logistics, which is a significant part of todays supply chain
operations, primarily focuses on the collection and recovery of waste equipment or end-of-life products [1]. As
its operational aspects (demand forecasting, inventory management, etc.) involve too much uncertainty, a reverse
logistics network can be very complex. Deterministic models almost always fail to deal with the inherent
uncertainty of such networks, thus stochastic programming techniques are considered. However, stochastic
programming assumes that probability distributions of the random variables (parameters) in hand are known,
which is often not the case. One way to tackle this problem is to work scenario-based. Another way is to estimate
the unknown parameters with the help of statistical techniques. In this study, using monthly data provided by an
zmit-based third-party reverse logistics company, we intend to forecast the recycling and collection size of
waste electrical and electronic equipment (e-waste) in Turkey to feed a two-stage stochastic program with
capacity constraints. The size of waste collected in a year is one of the most critical parameters in reverse
logistics network design as facility capacities, costs and many other factors are directly related to this parameter.
Models, Results, and Discussion
Intrinsic forecasting methods such as moving averages, seasonal trend lowess, Holt-Winters smoothing, AR,
MA, and ARIMA were considered to achieve robust medium-term estimates of logarithm of e-waste size.
Due to limited space, only the estimation results of four models that were found more satisfactory were
summarized and illustrated. We should also note that we preferred using the natural logarithm of the e-waste size
instead of the original time-series in the interest of avoiding heteroskedasticity and reducing the effect of a
suspected outlier (observed in April 2009 probably due to large unanticipated shocks). Table 1 shows some
criteria used to evaluate the performances of the models in hand. Model 1 is a simple linear regression model
(LR) with quadratic trend, Model 2 is a multiple LR with quadratic trend and seasonal dummies, Model 3 is a
Holt-Winters smoothing (HW) with no seasonality assumed, Model 4 is an HW with additive seasonality
(periodicity assumed to be 12). Even though only the results of LRs with quadratic trend were summarized, we
also checked for linear and exponential trend; however, these models were not found significant. Logistic trend
and other S-shaped trends were not considered as they are most commonly used to model product life cycles
where sales increase gradually and finally decrease after reaching the peak [2]. The time series does not tend to
behave similarly in expected lapses of time, thus AR- or MA-type models are not necessary as their main
purpose is to model cycles. Seasonality was detected, but the small sample size limited us on making strong
inferences about it. There is a smooth (nonlinear) upward trend. Model 2 and 4 appear to be the best ones based
on almost all statistics summarized in Table 1. However, Model 2 performed better in validation data (refer to
the yellow shaded area in Figure 1 for out-of-sample forecasts).
164
Table 1. Model Diagnostics (36-month test data)

R
2
RMSE AIC BIC Durbin-Watson
Model 1 0.5717 0.7349 82.85 87.60 1.665
Model 2 0.8154 0.5909 74.55 96.72 1.640
Model 3 N/A 0.8189 88.75 90.34 1.606
Model 4 N/A 0.5843 64.54 66.12 1.790
Figure 1. Model Fits and Residuals
.
REFERENCES
[1] Waters, D. (2007). Global Logistics: New Directions in Supply Chain Management,
MPG Books Ltd, Great Britain.
[2] Diebold, F.X. (2007). Elements of Forecasting, Thomson South-Western, USA.
ABSTRACT
INTRINSIC FORECASTING IN REVERSE LOGISTICS
Reverse logistics networks involve too much uncertainty on the amount of recycled products. In this study, we
explore ways to model this uncertainty in the first step of constructing a stochastic optimization program. Four
time-series models were built and tested using monthly data provided by a third-party reverse logistics company
and they were compared and validated based on some goodness-of-fit criteria and residual plots.
Key Words: Reverse Logistics, E-Waste, Time Series Forecasting
165
DETERMINING THE EFFECT OF SOCIO-ECONOMIC CHARACTERISTICS

ON THE NET MIGRATION RATE TOWARDS THE PROVINCES IN TURKEY
USING BAYESIAN MODEL AVERAGING
Hamza ERDODU
Afyon Kocatepe niversitesi Fen Edebiyat Fakltesi statistik Blmans Kamps, Afyonkarahisar
Email:hamzaerdogdu@aku.edu.tr
M.Ali CENGZ
Ondokuz Mays niversitesi Fen Edebiyat Fakltesi statistik Blm , Samsun
Email:macengiz@omu.edu.tr
Sleyman DNDAR
Afyon Kocatepe niversitesi Fen Edebiyat Fakltesi statistik Blm, Afyonkarahisar
Email:dundar@aku.edu.tr;dundar69@hotmail.com
The purpose of this study is to analyze the socio-economic factors that drive national migration flows towards
the provinces in Turkey. For this purpose we follow panel-based Bayesian Model Averaging (BMA) method
which deals rigorously with model uncertainity especially if having a large number of potential regressors and
relatively limited number of observations which our case has. The analysis suggests an alternative way to
perform variable selection and provides a minimal list of variables when estimating the effect of other socio-
economic characteristics on the net migration rate for a specific province in Turkey. In the context analyzed, the
main variables which drive net migration rate with a high posterior probability are the rate of college graduates
to the population 15 years old and over, unemployment rate and GSM subscriber per head. Health as well as
other socio-economic factors seem to be of minor importance.
Key words : Bayesian Model Averaging, net migration rate, provinces of Turkey
Sources :
- Bijak, J. (2005) Bayesian Methods in International Migration Forecasting, CEFMR Working Paper, 6/2005
- Bijak, J. (2006) Bayesian Model Averaging in Forecasting International Migration, European Population
Conference 2006. Liverpool, United Kingdom, 21-24 June 2006
- Hoeting, J., Madigan, D., Raftery, A., & Volinsky, C. (1999), Bayesian model averaging: A tutorial ,
Statistical science 14(4), 382-401
- Raftery, A. E. (1995), Bayesian model selection in social research, Sociological Methodology 25, 111-163
166
ROBUST QUADRATIC HEDGING PROBLEM: IN INCOMPLETE MARKETS

Glta EROLU NAN
a
*, Ayen APAYDIN
b
a
geroglu@science.ankara.edu.tr
b
aapaydn@ankara.edu.tr
1.Introduction
An option contract is an agreement granting the purchaser (owner) of the option the right to buy or sell a
underlying asset at a predetermined price at a predetermined date in the future. There are two types of options:
calls and puts. A call is the right to purchase the underlying asset. A put is the right to sell that asset. There must
be a buyer and a seller for each type of option. A put is not the opposite side of a call. Puts and calls are different
contracts. The item described in the option is said to underlying asset. The price at which the item can be bought
or sold under the option is called the strike price or exercise price. The period of time during which an option can
be exercised is the life of the option. At the end of the its life (on or following the last day of trading) the option
become worthless. Every option is defined by these three specifications: underlying asset, the exercise price and
the life or the expiration date.

2. Robust Ouadratic Hedging Problem in Incomplete Markets
An option, allows the buyer to generate unlimited profit with limited risk. The risk or loss of the buyer can be
unlimited. This loss is defined as the payoff option and it is required to be provided at the end of the period. In
an incomplete market, it is impossible to eliminate the risk of an option. In incomplete markets, quadratic risk
minimization is often used to determine the optimal hedging strategy. In this study, at first, in an incomplete
market, for the optimal solution of the quadratic hedging problem, at one period situation, Fllmer-Schweizer
(1989) lineer regression approach, was introduced.
While optimization algorithms and software today allow a oser to handle a wide variety of very complex
optimization problems, the optimal solutions produced by optimization solvers can be very sensitive to small
fluctuations in the problem inputs. Since real world data are rarely certain or accurate, a number of
optimization methods have been suggested for treating parameter uncertainty. Robust optimization methods have
emerged as a computationally attractive alternative to stochastic and dynamic programming methods. Robust
optimization requires problems to remain feasible for any values of the uncertain parameters within pre-specified
uncertainty sets [1].Robust optimization method, used to overcome the uncertainty, is used for the hedging
problems. In this study, Pnar (2006) robust quadratic hedging problem was discussed.
KAYNAKLAR
[1] Fabozzi, F.J., Kolm, P.N., Pachamanova, D.A. and Focardi, S.M. 2007. Robust Portfolio Optimization And
Management. John Wiley.
[2] Fllmer, B.Y. and Schweizer, M. 1989.Hedging By Sequential Regression : An Introduction To The
Mathematics of Option Trading , ASTIN Bulletin, Vol .18, No. 2, pp. 147-160.
[3] Pnar, M.C. 2006. On Robust Quadratic Hedging of Contingent Claims in Incomplete Markets under
Ambiguous Uncertainty. Presented at the First Conference on Advanced Mathematical Methods in Finance.
ZET
DAYANIKLI KARESEL RSKTEN KORUNMA PROBLEM : NATAMAM PYASALARDA
Opsiyon Szlemesi, opsiyon sahibine bir finansal varl, nceden belirlenen gelecekte bir zamanda, nceden
belirlenen bir fiyattan alam veya satma hakk tanyan bir anlamadr Opsiyon szlemesi satn almann hak
sahibine salad en byk fayda, snrl bir riskle, snrsz kar salama olana elde etmektir. Szlemeyi satan
tarafn riski veya kayb ise snrsz olabilmektedir. Bu kayp, opsiyonun bedeli olarak tanmlanmaktadr ve
dnem sonunda salanmak istenmektedir. Bir natamam piyasada, opsiyonun riskini ortadan kaldrmak mmkn
olmamaktadr. Bir natamam piyasada, en iyi riskten korunma stratejisini oluturmak iin genellikle karesel risk
minimizasyonu kullanlmaktadr. Bu almada, ncelikle natamam piyasada karesel riskten korunma
probleminin optimal zm iin, tek periyotlu durumda Fllmer-Schweizer (1989) dorusal regresyon
yaklam tantld. Belirsizlik ile mcadele iin kullanlan dayankl optimizasyon yntemi, riskten korunma
167
problemlerinde de kullanlabilmektedir. Bu almada, Pnar (2006) dayankl karesel riskten korunma

problemini ele almtr.
Anahtar Kelimeler: Karesel riskten korunma problemi, belirsizlik, dayankl optimizasyon, dayankl karesel
riskten korunma problemi, natamam piyasa.
168
A SURVEY ON NONRANDOM PATTERNS OF FUZZY CONTROL CHARTS

Nilfer PEKN ALAKO
a
*, Ayen APAYDIN
b
a
Atilim University, Faculty of Engineering, Department of Industrial Engineering, 06836-ncek, Ankara,Trkiye.
npalakoc@atilim.edu.tr
b
apaydn@science.ankara.edu.tr
Fuzzy theory and fuzzy control charts
Fuzzy set theory is used to represent the uncertainty. Since it is introduced in 1965 [1], fuzzy set theory is
spread to a wide variety of research areas from various point of views. Over the years many applications and
implementations are performed in many fields such as medical, social and natural sciences and engineering.
Quality control charts is one of the most important and commonly used tool of statistical process control. The
major objective of using a control chart is to eliminate the unexpected sources of variability of the quality
characteristic. A control chart performs this goal by monitoring the process over the time. If all the points of the
chart are plotted within the limits with a random pattern, then the process is assumed to be in control otherwise
the process is out of control. The situations that are defined for the nonrandom patterns of the control charts
are sometimes called the zone rules or the sensitizing rules [2]. These rules are widely used with quality control
charts for all types of processes.
The objective
Uncertainty exists in almost all real world systems including the statistical process control problems.
Therefore, fuzzy rules are suggested for fuzzy control charts. In this paper, a review of the studies on nonrandom
patterns of fuzzy control charts is presented. Since the first fuzzy control chart is introduced, various approaches
are proposed for monitoring fuzzy control charts. Almost all these fuzzy control charts necessitate to be
controlled for nonrandom patterns. The studies that describes the types of out of control conditions are
summarized with the detecting methods and the contributions to the literature are discussed.
REFERENCES
[1] Zadeh L.A. (1965), Fuzzy sets, Information and Control, 8, 338-353.
[2] Montgomery D.C. (1996), Introduction to statistical quality control, John Wiley & Sons, Inc., USA.
[3] Gwee B.H., Lim M.H. and Soong B.H. (1993), Self-Adjusting Diagnostic System for the Manufacture of
Crystal Resonators, Proceedings of IEEE Industry Application Society Annual Meeting, IAS93, Toronto,
Canada, 3, 2014-2020.
[4] Glbay M. and Kahraman C. (2006), Development of fuzzy process control charts and fuzzy unnatural
pattern analyses, Computational Statistics and Data Analysis, 51, 434-451.
[5] Fazel Zarandi M.H., Alaeddini A. and Trksen I.B. (2008), A hybrid fuzzy adaptive sampling - Run rules
for Shewhart control charts, Information Sciences, 178, 4, 1152-1170.
ZET
BULANIK KALTE KONTROL GRAFKLERNN RASGELE OLMAYAN RNTLER ZERNE
BR NCELEME
Gnmzn karmak sistemleri kesin olmayan kararlar, belirsizlikler ierir. Bu nedenle bulank kalite kontrol
grafikleri gelitirilmitir. Kalite kontrol grafikleri endstride kabul edilmi ve en yaygn olarak kullanlan
istatistiksel sre kontrol aralarndan biridir. Bir srecin kontrol altnda olarak tanmlanabilmesi iin kontrol
grafiindeki noktalarn kontrol snrlarnn iinde ve rasgele olarak dalmas gerekir. Rasgele olmayan
rntleri tanmlayan kurallar kalite kontrol grafiklerinde sklkla kullanlr. Bulank teori ile gelitirilmi kontrol
grafiklerinde de bu durumlarn belirlenmesine ihtiya duyulur. Bu almada, bulank kontrol grafiklerinde
169
rasgele olmayan durumlar tanmlayan aratrmalar zerinde durulmutur. ncelenen almalarn literatre
katklar hakknda ksa bilgiler verilmitir.
Anahtar Kelimeler: Bulank kalite kontrol grafikleri, Bulank kme teorisi, Bulank saylar.
170

BLDR OTURUMLARI 3
SESSION 3
Time Series
171

A FUZZY TIME SERIES APPROACH BASED ON DIFFERENTIAL EVOLUTION ALGORITHM
USING DE/BEST/1 MUTATION STRATEGY
Eren BAS
1,*
, Vedide Rezan USLU
2
, Ufuk YOLCU
3
, Erol EGRIOGLU
2
1,*
Giresun University, Faculty of Arts and Science, Department of Statistics, Giresun 28100, Turkey, e-
mail:eren.bas@giresun.edu.tr
2
Ondokuz Mays University, Faculty of Arts and Science, Department of Statistics, Samsun 55139, Turkey, e-
mail:rezzanu@omu.edu.tr, erole@omu.edu.tr
3
Ankara University, Science Faculty, Department of Statistics, 06100 Ankara, e-mail:varyansx@hotmail.com
Introduction
The fuzzy set theory was firstly introduced by Zadeh [1] and this concept has found many application areas
since then. For the first time, Song and Chissom [2] introduced fuzzy time series. Fuzzy time series approaches
consist of three steps. These are called as the fuzzification, the determination of fuzzy relationships and the
defuzzification steps. All these steps of fuzzy time series are very important on the forecasting performance of
the model. There are many studies that contribute for each step in the literature. Song and Chissom [2] and
Chen [3] determined fix interval lengths, arbitrarily whereas Huarng [4] used methods based on average and
distribution. In addition, Cheng et al. [5] used fuzzy C-means (FCM) clustering techniques. Artificial
intelligence optimization algorithms have been used frequently in almost all areas in recent years and also they
have been used in different stages of fuzzy time series approaches. Genetic algorithm, particle swarm
optimization and differential evaluation algorithm (DEA) are the most popular algorithms among these
artificial intelligence optimization algorithms. In this study, we proposed an approach to determine the sub-
intervals by using differential evaluation algorithm in fuzzification step and also we used the DE/Best/1
Mutation Strategy in the stage of mutation which is the important stage of DEA. It is aim to obtain more
consistent results and so superior forecasting performance by using DE/Best/1 mutation strategy in the
mutation stage of DEA in fuzzification stage. By using DE/best/1 mutation strategy, it is aim that the system is
rescued from randomness and the best chromosome is constantly kept in the system by updating it, at the each
iteration. Thus, the solutions shaped around the best chromosome and the forecasting performance has been
improved by avoiding randomness. To evaluate the performance of the proposed method, the proposed method
was applied to the time series data of student enrollments at University of Alabama between the years 1971
and 1992 which is frequently used in the literature.
Application and Conclusion
In the application, the parameters of DEA (the number of chromosomes (cn), crossover rate (cor) and the
number of intervals (m)) were determined as follows and 1600 different solutions with the following properties
were obtained.
The number of chromosomes (cn) was tested between 10 and 100 with increment 10 as totally10
alternatives.
Crossover rate (cor) was tested between 0.1 and 1 with increment 0.1 as totally 10 alternatives.
The number of intervals (m) was tested between 5 and 20 with increment 1 as totally 16 alternatives.
Then the parameters (m, cn and cor) with the smallest the root of the mean squared error (RMSE) value were
taken as the best solution among these solutions. At the end of the process, we conclude that the best result was
obtained in the case where cn=80, cor=1, m=14. Table 1 presents RMSE values obtained from the proposed
method and some other methods proposed in literature, comparatively.
172

Table 1. A comparative presentation of enrollments RMSE values by various methods
Methods RMSE
Song and Chissom [2] 642
Chen [3] 638
Huarng [4] 353
Cheng et al. [5] 478
The Proposed Method 270
When the Table 1 was inspected, it is obviously seen that the proposed method provides the superior
forecasting performance.
REFERENCES
[1] Zadeh L.A. (1965), Fuzzy Sets: Inform and Control, 8, pp. 338-353
[2] Song Q. and Chissom B.S. (1993a), Fuzzy time series and its models: Fuzzy Sets and Systems, 54, pp. 269-
277.
[3] Chen S. M. (1996), Forecasting enrollments based on fuzzy time-series, Fuzzy Sets and Systems, 81, pp.
311-319.
[4] Huarng K. (2001), Effective length of intervals to improve forecasting in fuzzy time-series, Fuzzy Sets and
Systems, 123, pp. 387-394.
[5] Cheng C.H., Cheng G.W. and Wang J.W. (2008), Multi-attribute fuzzy time series method based on fuzzy
clustering, Expert Systems with Applications, 34, pp. 1235-1242.
ZET
DE/BEST/1 MUTASYON STRAGESN KULLANAN DFERANSYEL GELM
ALGORTMASINA DAYALI BR BULANIK ZAMAN SERS YAKLAIMI
Bulank zaman serisi yaklamlar, klasik zaman serilerinin gzlemleri belirsizlik ierdii durumlarda sklkla
kullanlmaktadr. Bulank zaman serileri genellikle aamadan oluur. Bu aamalar srasyla, bulanklatrma,
bulank ilikilerin belirlenmesi ve durulatrma aamalardr. Bu almada, bulanklatrma aamasnda alt
aralklarn diferansiyel geliim algoritmas ile belirlendii ve diferansiyel geliim algoritmasnn mutasyon
aamasnda DE/Best/1mutasyon stratejisinin kullanld bir bulank zaman serisi yaklam nerilmitir.
nerilen yaklam bir gerek hayat zaman serisine uygulanm ve elde edilen sonular literatrdeki dier
yntemlerle karlatrlarak, nerilen yntemin stn ngr performans ortaya koyulmutur.
Anahtar Kelimeler: ngr, diferansiyel geliim algoritmas, bulank zaman serileri.
173

A NEW ADAPTIVE NETWORK FUZZY INFERENCE SYSTEM FOR TIME SERIES
FORECASTING
Erol EGRIOGLU
1
, agdas Hakan ALADAG
2
, Ufuk YOLCU
3
1
Ondokuz Mays University, Department of Statistics, e-mail:erole@omu.edu.tr
3
Hacettepe University, Department of Statistics, e-mail:aladag@hacettepe.edu.tr
3
Ankara University, Department of Statistics, e-mail:varyansx@hotmail.com
Introduction
Recent years, forecasting methods which are based on fuzzy set theory have been frequently used in the
literature. Adaptive network fuzzy inference systems (ANFIS), fuzzy regression and fuzzy time series
approaches were used as fuzzy forecasting techniques. Fuzzy time series approaches were originally proposed
for forecasting. ANFIS and fuzzy regression methods were proposed for prediction or regression problems.
Time series problem is one of the regression problems. All regression methods can be used for forecasting.
Redesigning of the regression methods for forecasting problems can be useful. ANFIS was used for forecasting
problems, but it was not originally proposed for forecasting problems. ANFIS was firstly proposed in Jang [1].
It is a rule based fuzzy inference system. There are two critical processes in the ANFIS. These are
determination of the rules and estimating the parameters of input and output membership functions.
Determination of the rules can be achieved by using subtractive clustering method which was proposed in Chiu
[2]. The back propagation learning algorithm is applied to estimate parameters of input and output
membership functions. In the literature, Wei [3], Chang et al. [4] and Li et al. [5] applied ANFIS method to
obtain forecasts of the time series. In this study, ANFIS is redesigned for forecasting problem and as a result of
this, new ANFIS is proposed. In the proposed method, fuzzy c-means and particle swarm optimization
techniques are employed. The membership values are obtained from fuzzy c-means and the rule base are
constituted from time series by using fuzzy c-means. In the proposed method, it is no need to use membership
function for inputs. The parameters of output memberships are estimated by using particle swarm optimization
technique. In the next section, some application results of the proposed method are summarized.
Summarized Results of the Application
In the application, proposed method was applied three time series. The first time series is Australian beer
consumption data. The time series are quarterly observed in 1956 and 1994. Time series have 148
observations. The first 132 observations and last 16 observations were used as training and test set,
respectively. The forecasts of time series were obtained by using Winters multiplicative exponential
smoothing method (WMES), Seasonal autoregressive integrated moving average model (SARIMA), Radial
basis neural network, feed forward neural network and proposed method. The obtained results are summarized
in Table 1. In table 1, root of mean square error (RMSE) and mean absolute percentage error (MAPE)
performance criteria are given. It is clearly shown that the proposed method has the best forecasting
performance for the test set. Moreover, the proposed method was applied two stock exchange data. The first
stock exchange data is Index 100 for the stocks and bonds exchange market of Istanbul which is daily observed
in periods 3 October 2008 to 31 December 2008. The second stock exchange data is Index 100 for the stocks
and bonds exchange market of Istanbul which is daily observed in periods 1 October 2010 to 23 December
2010. The results of the application for these two data sets will be given in the full paper.
174

Table 1. The Application Results for Australian Beer Consumption Data Set.
WMES SARIMA RBF FFANN ANFIS
Proposed
Method
RMSE 53,3295 47,0367 41,7000 24,1052 25,0500 21,3728
MAPE 0,1072 0,0949 0,0686 0,0476 0,0467 0,0400
REFERENCES
[1] Jang J.S., (1993) ANFIS: Adaptive-Network-based Fuzzy Inference Systems, IEEE Transactions on
Systems Man, and Cybernetics, 23(3), 665685.
[2] Chiu S.L., (1994) Fuzzy model identification based on cluster estimation, Journal of Intelligent and Fuzzy
Systems, 2, 267278.
[3] Wei L.Y., (2013), A GA-weighted ANFIS model based on multiple stock market volatility causality for
TAIEX forecasting, Applied Soft Computing, 13, 911920.
[4] Chang J.R., Wei L.Y., Cheng C.H., (2011), A hybrid ANFIS model based on AR and volatility for TAIEX
forecasting, Applied Soft Computing ,11, 13881395.
[5] Li K., Su H., Chu J., (2011), Forecasting building energy consumption using neural networks and hybrid
neuro-fuzzy system: A comparative study, Energy and Buildings , 43, 28932899.
ZET
ZAMAN SERS NGRS N YEN BR UYARLAMALI A BULANIK IKARIM SSTEM
Bulank karm sistemleri birok gerek hayat probleminin zm iin kullanlmaktadr. Bulank karm
sistemlerinden nemli bir tanesi yapay sinir alarnn renme algoritmas olan geri yaylm renme
algoritmasn kullanan ve Sugenonun karm sisteminin a yapsnda verildii uyarlamal a bulank karm
sistemidir (ANFIS). ANFIS orijinal olarak tahmin ve regresyon problemleri iin nerilmitir. Literatrde
ANFIS zaman serisi tahmini iinde kullanlmasna ramen, bu almalarda zaman serileri, dier zaman
serilerinin e anl deikenleri ile aklanmtr. Oysa zaman serilerinin ngrsnde, zaman serisinin kendi
gecikmeli deikenlerinin kullanlmasnn baarl ngr sonularna neden olduu bilinmektedir. Dier
zaman serileri yerine, zaman serisinin gecikmeli deikenleri ile zmleme yapld durumda ANFISin
yeniden gzden geirilmesi gerekmektedir. Bu almada ANFIS ngr problemi iin yeniden tasarlanarak,
zaman serisi ngr problemi parack sr optimizasyonu ve bulank C ortalamalarn kullanld yeni bir
ANFIS yntemi nerilmitir.
Anahtar Kelimeler: Bulank karm Sistemleri, ngr, Bulank C Ortalamalar Kmeleme yntemi,
Parack Sr Optimizasyonu.
175

A HYBRID FUZZY TIME SERIES APPROACH FOR FORECASTING EXCHANGE MARKET OF
ISTANBUL
Ozge CAGCAG YOLCU, Faruk ALPASLAN
Ondokuz Mayis University, Faculty of Arts and Sciences, Department of Statistics, 55139, Samsun, TURKEY,
E-mail: ozgecagcag@yahoo.com (O.CAGCAG YOLCU), falpas@omu.edu.tr (F. ALPASLAN)
Introduction
Fuzzy time series forecasting models which were first introduced by Song and Chissom [1] do not require
assumptions that stochastic models do. Fuzzy time series forecasting models consist of three steps as
fuzzification, the identification of fuzzy relation and defuzzification which play an active role on forecasting
performance. In the fuzzification, Song and Chissom [1] and Chen [2] determined fixedly interval lengths
arbitrarily whereas Huarng [3] used average and distribution based and also some other researchers used
optimization based methods. Approaches not requiring partition of universe of discourse in fuzzification step
and using various fuzzy clustering techniques were proposed by some researchers in the literature.
Different approaches were also proposed for the identification of fuzzy relation is the step in which the
appropriate model is determined. Aladag et al. [4] and some other researchers proposed approaches using feed-
forward artificial neural networks (ANN) in the identification of fuzzy relations. In all of these approaches,
only the fuzzy set having the highest membership value is considered. This leads to loss of information and
negatively affects the performance of the method. In order to overcome this problem, Yolcu et al. [5] used
forecasting models which consider membership values and used fuzzy C-means clustering technique instead of
determining the membership values subjectively. The use of ANN in identification of fuzzy relations has many
advantages and disadvantages as well. Determination of unit number in hidden layer (architecture structure)
and excessive number of parameters to be used during the analysis are the most prominent ones. Nevertheless,
as the system output of these approaches consists of fuzzy set number or membership values, fuzzification step
is necessary. This may be a factor that increases the model error. An approach not requiring defuzzification
step would eliminate forecasting error that may occur in this step and improve the performance of the method.
The hybrid approach which is introduced uses Gustafson-Kessel fuzzy clustering technique in fuzzification
step and membership values are obtained more systematically. The use of artificial neural network with single
multiplicative neuron model (SMNM-ANN) in identification of fuzzy relations eliminates architecture
selection problem and the need for defuzzification step by constituting the target values from observations of
the real time series. The training of SMNM-ANN is carried out with particle swarm optimization.
The hybrid method was applied to different time series namely; exchange market of Istanbul (IEX) in 2011 and
2012 years. In the analysis of IEX, we used observations of last two and three month as the out-of-sample
observations (test data). Prediction errors for the optimal results obtained from the hybrid method as well as
prediction error of other fuzzy time series methods are presented in Table 1.
Table 1. Performance evaluation of methods.
2011 2012
Test Data 1 Test Data 2 Test Data 1 Test Data 2
Methods RMSE MAPE RMSE MAPE RMSE MAPE RMSE MAPE
Song and Chissom [1] 925.47 1.35 1022.58 1.48 3305.17 3.47 6451.82 7.60
Chen [2] 925.47 1.35 969.74 1.44 683.14 0.80 694.07 0.80
Huarng [3]
1
1114.43 1.82 1118.63 1.71 669.32 0.78 631.88 0.74
Huarng [3]
2
985.07 1.53 1053.30 1.50 693.73 0.75 601.59 0.71
Aladag et al. [4] 929.77 1.31 977.45 1.38 815.56 0.89 963.23 1.07
Yolcu et al. [5] 898.62 1.27 960.05 1.37 921.46 0.98 1621.42 1.75
176

The Hybrid Method 812.02 1.12 886.01 1.22 542.84 0.61 536.93 0.57
RMSE: Root mean square error MAPE: Mean absolute
percentage error
1
Average based
2
Distribution
based
When the Table 1 is analyzed, it can be clearly say that forecasting performance of the hybrid method for this
data is better than those exist in the literature.
REFERENCES
[1] Song Q. and Chissom B.S. (1993), Fuzzy time series and its models: Fuzzy Sets and Systems, 54, pp. 269-
277.
[2] Chen S. M. (1996), Forecasting enrollments based on fuzzy time-series, Fuzzy Sets and Systems, 81, pp.
311-319.
[3] Huarng K. (2001), Effective length of intervals to improve forecasting in fuzzy time-series, Fuzzy Sets and
Systems, 123, pp. 387-394.
[4] Aladag C.H., Basaran M.A., Egrioglu E., Yolcu U. and Uslu V.R. (2009), Forecasting in high order fuzzy
time series by using neural networks to define fuzzy relations, Expert Systems with Applications, 36, pp. 4228-
4231.
[5] Yolcu U., Aladag, C.H., Egrioglu E. and Uslu V.R. (2013), Time series forecasting with a novel fuzzy time
series approach: an example for Istanbul stock market, Journal of Computational and Statistics Simulation,
83(4), pp. 597-610.
ZET
STANBUL BORSA VERS NGRS N MELEZ BR BULANIK ZAMAN SERS
YAKLAIMI
Literatrde olaslksal ve olaslksal olmayan baslklar altnda deerlendirebileceimiz birok zaman serisi
ngr yntemi mevcuttur. Olaslksal yntemlerin ierdii varsaymlar iermeyen bulank zaman serisi
yntemleri bulanklastrma, bulank iliskilerin belirlenmesi ve berraklastrma asamalarndan olusur. Literatrde
bu asama zerine de farkl yaklasmlar ortaya konmustur. Bunun yannda halen, bulank iliskilerin
belirlenmesinde yapay sinir alarnn kullanmnda mimari seim problemi, yeliklerin dikkate alnmamas ya
da yeliklerin uygun belirlenmemesi gibi sorunlar mevcuttur. Bu alsmada, Istanbul borsa verisini ngrmek
amacyla melez bir bulank zaman sersi yntemi tantlmstr. Bu yntemde belirtilen tm problemlerin yan
sra, berraklastrma asamas bulank iliski belirleme asamas ile birlestirilerek, bu asamada olusabilecek tahmin
hatas ortadan kaldrlmstr.
Anahtar Kelimeler: ngr; Bulank Zaman Serileri; Bulank Kmeleme; yelik Deeri
177

AN IMPROVED HIGH ORDER FUZZY TIME SERIES APPROACH
Ufuk YOLCU
1*
, Ozge CAGCAG YOLCU
2
, Erol EGRIOGLU
2
, Cagdas Hakan ALADAG
3
1*
Ankara University, Faculty of Sciences, Department of Statistics, 06100, Ankara, TURKEY,
E-mail: varyansx@hotmail.com
2
Ondokuz Mayis University, Faculty of Arts and Sciences, Department of Statistics, 55139, Samsun,
TURKEY,
E-mail: ozgecagcag@yahoo.com; erole@omu.edu.tr
3
Hacettepe University, Faculty of Sciences, Department of Statistics, 06800, Ankara, TURKEY,
E-mail: chaladag@gmail.com
Introduction
Fuzzy time series can be evaluated under two main headings as time-variant and time-invariant. Song and
Chissom [1] proposed an algorithm for the analysis of time-invariant time series which is almost the subject of
all studies in literature. Fuzzy time series forecasting models consist of three steps as fuzzification,
identification of fuzzy relation and defuzzification and each has positive and negative impact on the forecasting
performance. In various studies, in the partition of universe of discourse, some researcher determined equal
interval lengths arbitrarily, whereas others used average and distribution based and optimization based
methods. Separately to determine the dynamic length of interval, Hsu et al. [2] utilized particle swarm
optimization while Lee et al. [3], [4] used genetic algorithm. In addition, approaches using fuzzy clustering
techniques in fuzzification step were proposed. As the identification of fuzzy relation is the step in which the
appropriate model is determined, it can be considered to be the step playing the most active role on forecasting
performance. Especially in recent years, feed forward artificial neural networks (FFANN) utilized in this step.
In all of these approaches, memberships are ignored in the determination of fuzzy relations that represent the
internal relation of fuzzy time series. In order to overcome this problem, Yolcu et al. [5] and some other
researchers proposed various approaches which consider all membership values in the determination of
relations with FFANN. Although these methods use approaches that consider membership values, they involve
only first order fuzzy time series forecasting models. It is obvious that first order fuzzy time series forecasting
models would be insufficient to forecast some time series. Having increased number of inputs of ANN which
are used in determination of fuzzified relations is the main problem that may arise during transformation of
involved only first order fuzzy time series forecasting models into a high-order approach. In such a case,
training of the network would become difficult and take longer time and forecasting performance would be
influenced negatively.
In this study, we introduced a high-order fuzzy time series forecasting model (HO-FTS) which considers
membership values in identification of fuzzy relations and defuzzification steps. The introduced high-order
method used fuzzy C-means in fuzzification step and ANN with multiple-input and multiple-output in
identification of fuzzy relations. Furthermore, the problem related to the number of input of ANN that is likely
to arise in a high-order model was eliminated by implementing operation of intersection to the membership
values.
The introduced high-order fuzzy time series forecasting model was applied to two different time series namely;
exchange market of Istanbul (IEX) and Taiwan Futures Exchange (TAIFEX). The errors of prediction obtained
from all methods are compared with each other and the all obtained results are summarized in Table 1.
178

Table 1. The obtained prediction errors from the methods.
IEX Data TAIFEX Data
[1] [5] HO-FTS [2] [3] [4] HO-FTS
RMSE 1161.21 929.82 611.46 93.49 102.96 80.02 67.14
MAPE 1.39% 1.13% 0.90% 1.09% 1.14% 0.87% 0.66%
MdAPE 1.30% 0.76% 0.99% 0.77% 0.78% 0.61% 0.48%
DA 50.00% 50.00% 83.33% 53.33% 80.00% 73.33% 80.00%
RMSE: Root mean square error
MdAPE: Median absolute percentage error
MAPE: Mean absolute percentage error
DA: Direction accuracy
KAYNAKLAR
[1] Song Q. and Chissom B.S. (1993), Forecasting enrollments with fuzzy time series - Part I, Fuzzy Sets and
Systems, 54, pp.1-10.
[2] Lee L.W., Wang L.H. and Chen S.M., (2007), Temperature prediction and TAIFEX forecasting based on
fuzzy logical relationships and genetic algorithms, Expert Systems with Applications, 33, pp. 539-550.
[3] Lee L.W., Wang L.H. and Chen S.M., (2008), Temperature prediction and TAIFEX forecasting based on
high-order fuzzy logical relationships and genetic simulated annealing techniques, Expert Systems with
Applications, 34, pp. 328-336.
[4] Hsu L.Y., Horng S.J., Kao T.W., Chen Y.H., Run R.S., Chen R.J., Lai J.L. and Kuo I.H., (2010),
Temperature prediction and TAIFEX forecasting based on fuzzy relationships and MTPSO techniques, Expert
Systems with Applications, 37, pp. 2756-2770.
[5] Yolcu U., Aladag, C.H., Egrioglu E. and Uslu V.R. (2013), Time series forecasting with a novel fuzzy time
series approach: an example for Istanbul stock market, Journal of Computational and Statistics Simulation,
83(4), pp. 597-610
ZET
GELTRLM YKSEK DERECEL BR BULANIK ZAMAN SERS YAKLAIMI
Bulank zaman serisi yntemleri, bulanklastrma, bulank iliskilerin belirlenmesi ve berraklastrma
asamalarndan olusur. Literatrdeki ou alsmada bulank iliskiler belirlenirken yelik deerleri ya ihmal
edilmekte ya da sbjektif yarglarla belirlenmektedir. Bu sorunlar iermeyen baz yaklasmlar ortaya
konmasna ramen bu yaklasmlar yalnzca birinci dereceden ngr modellerini iermektedir. Birinci
dereceden modeller ise birok zaman serisi ngr probleminde yetersiz kalabilmektedir. yelik deerlerini
dikkate alan ve bulank iliski belirlemede yapay sinir alar (YSA) kullanan bu tip modelleri yksek dereceli
bir modele dnstrmek ise asr girdi ve parametre says gibi problemlere yol aacaktr. Bu alsmada, bu
sorunlar barndrmayan yksek dereceli bir bulank zaman serisi yntemi tantlmstr. Yksek dereceli bir
modelde olusabilecek asr girdi says problemi ise gecikmeli zaman serilerinin her bir gzlemine ait yelik
deerlerine uygulanan kesisim islemi ile giderilmistir. Yntemin performans iki farkl uygulama ile
deerlendirilmistir.
Anahtar Kelimeler: Bulank Zaman Serileri; ngr; yelik Deeri; Kesisim Islemi
179

DIFFERENT PERFORMANCE MEASURES FOR FORECASTING TOURISM DEMAND OF
TURKEY
Bulent ALPTEKIN, Mert Can ALAYBEYOGLU, Cagatay BAL, Cagdas Hakan ALADAG
Hacettepe University, Faculty of Science, Department of Statistics, Ankara, Turkey
E-mails: alptekinblnt@gmail.com, alaybeyoglucan@gmail.com , nemesis06bal@gmail.com,
aladag@hacettepe.edu.tr
Abstract
There is a need to forecast tourism demand accurately so that directors and investors can make operational,
tactical and strategic decisions, examples of which are scheduling and staffing, preparing tour brochures and
hotel investments, respectively needs [1]. Similarly, government organizations need accurate tourism demand
forecasts to plan required tourism infrastructures, such as accommodation site planning and transportation
development, among other needs [5].
International tourist receipts can be a good indicator of the role of tourism in an economy in term of both Gross
Domestic Product and foreign exchange generation. Policy makers may subsequently A high international
tourist arrivals level may be used in advertising campaigns and also in political discussions to legitimize and
emphasize the success of a country in the international community. Similarly, sizeable be convinced to assist
tourism development and further increase profitability from tourism activities [3].
Since forecasting tourism demand accurately is a vital issue, many forecasting techniques have been proposed
to analyze this kind of time series. Artificial neural networks (ANN) are one of thesemethods [1].Although
ANN has proved its ability in varioustime series applications, there are still some problems with its usage. One
of these problems is to determine the best architecture which produces the best forecasts [2]. Lots of
performance measures such as root mean square error (RMSE), mean absolute percentage error (MAPE),
median absolute percentage error (MdAPE), Bayesian information criterion, Akaike information criterion,
direction accuracy, and modified direction accuracy can be used for determining the best architecture in ANN.
Every performance measure evaluatesforecasting error from different aspects. For this reason Egriogluet al. [4]
proposed weighted information criterion (WIC) which is composed of different performance measures so that
it can evaluate the error from different aspects. The numbers of international tourist arrivals to Antalya and
Istanbul were employed. These monthly time series include observations between January 2004 and May 2013.
Also, the total number of foreign tourist arrivals to Turkey was forecasted in the implementation. This monthly
time series has observations from January 2004 to April 2013.
These time series were analyzed with feed forward neural network models.The number of units of input and
hidden layers change from 1 to 12 and 144 architectures were examined for each time series. Thus, 432
architectures were totally examined for three time series. In addition to WIC, RMSE, MAPE and MdAPE
performance measures were also exploited to determine the best feed forward neural network architecture.
These criteria are calculated over the test set. The best architectures obtained according to the performance
measures for each time series are given in Table 1. In this table, for example, 12-3-1 represents the architecture
which has 12 and 3 neurons in input and hidden layers, respectively. In this study, all obtained results were
compared to each other and discussed. Also, all obtained results were examined graphically and presented.
180

Performance Measures ANTALYA ISTANBUL TURKEY
WIC 12-1-1 12-1-1 12-1-1
RMSE 12-1-1 12-3-1 12-1-1
MAPE 1-11-1 7-10-1 2-10-1
MdAPE 1-11-1 7-10-1 2-10-1
Table 1. The obtained best architectures for each time series
KAYNAKLAR
[1] Aladag C. H. and Egrioglu E.(2010),Forecasting tourism demand of Turkey by using artificial neural
networks,The Tenth Islamic Countries Conference on Statistical Sciences (ICCS-X), Proceedings of the ICCS-
X, The Islamic Countries Society of Statistical Sciences, Lahore: Pakistan, 1, 384391.
[2] Aladag C.H. (2011), A new architecture selection method based on tabu search for artificial neural
networks, Expert Systems with Applications, 38, 32873293.
[3] Chaitip P., Chaiboonsri C. and MukhjangR.(2008), Time Series Models for Forecasting International
Visitor Arrivals to Thailand, Proceedings of International Conference on Applied Economics, 159-163.
[4] Egrioglu E., Aladag C.H. and Gunay S. (2008), A new model selection strategy in artificial neural network,
Applied Mathematics and Computation 195, 591-597.
[5] Palmer A., Montano J.J. and Sese A. (2006), Designing an artificial neural network for forecasting tourism
time series, Tourism Management 27, 781790.
ZET
TRKYE TURZM VERS NGRS N FARKLI PERFORMANS LTLER
Gelen turist says ngr probleminin neminden dolay, literatrde bu problemin zm iin birok farkl
yntem nerilmistir. Yapay Sinir Alar (YSA) yntemi belirtilen ngr probleminin zmnde kullanlan
etkin yaklasmlardan biridir. YSA birok farkl ngr probleminde basarsn kantlams olmasna ramen,
halen kullanmnda baz problemler bulunmaktadr. En iyi ngrleri verecek mimarinin belirlenmesi belirtilen
problemlerden biridir. Farkl performans ltleri hatay farkl bir adan deerlendirmektedir.Bu nedenle,
Eriolu vd. (2008) tarafndan farkl performans ltlerini birlestiren ve hatay ayn anda farkl alardan
lebilen Arlkl Bilgi Kriteri (ABK) nermislerdir. Yaplan alsmada Antalyaya, Istanbula ve Trkiyeye
gelen yabanc turist saylar YSA ile ngrlmstr. En iyi mimarinin belirlenmesinde esitli performans
ltleri kullanlmstr. Elde edilen tm sonular birbirleriyle karslastrlarak yorumlanmstr.
Anahtar kelimeler: ngr,Performans lt, Trkiye turizm verisi, Yapay sinir alar, Zaman serileri
181

BLDR OTURUMLARI 4
SESSION 4
182

SIRALI VE OK TERML LOJT MODELLERN UYUM YL GSTERGELER AISINDAN
KARILATIRILMASI
Erkan ARI*
Cumhuriyet niversitesi Fen Fak. Istatistik Bl., 58140, Sivas, Trkiye, eari@cumhuriyet.edu.tr
Zeki YILDIZ
Eskisehir Osmangazi niversitesi Fen Fak. Istatistik Bl., 26480, Eskisehir, Trkiye, zyildiz@ogu.edu.tr
zet
Paralel dorular varsaym kimi zaman salanmakta kimi zaman ise salanamamaktadr. Bu varsaym
saland durumda PO model kullanlrken, salanmad durumda ise NPO ve PPO modelleri
kullanabilmektedir. Bu varsaym salanmad durumda kullanlabilecek bir model de ok Terimli
(Multinomial) Lojit modeldir. Bu alsmada ele alnan modeller uyum iyilii kriterleri bakmndan
karslastrlms ve NPO ve PPO modelleri kullanmann baml deiskenin yapsndaki tm bilgiyi kullanmas
ve sral yapnn gz ard edilmemesi asndan ok terimli lojit modele gre avanyaj salad sonucuna
ulaslmstr.
1. Orantsal Olmayan Oran Model (Non-Proportional Odds Model) (NPO)
Fu (1998) tarafndan nerilen Orantsal Olmayan Oran Model de lojit olusturma esnasnda ylml lojitler
kullanlmakta ve paralel dorular varsaym salanmamaktadr. Dolaysyla bu modelde bamsz
deiskenlerin baml deisken oddsuna etkisi esit deildir ve baml deisken kategorisi
ile gsterildiinde katsaylar baml deiskenin her bir kategorisi iin farkldr (Fu, 1998). Orantsal
Olmayan Oran modelde dier adyla Genellestirilmis Sral Lojit modelde, inci kategori iin ylml olaslk
Orantsal Oran modelinde olduu gibi Esitlik 1. ile ifade edilir (Fullerton and Xu, 2012).

'
'

2. Ksmi Orantsal Oran Model (Partial Proportional Odds Model) (PPO)
Ksmi Orantsal Oran Modeli, paralel dorular varsaymnn kimi deiskenler iin saland kimisi iin ise
salanmad durumda kullanlan ve gl varsaym olduka rahatlatan bir modeldir. Model hem orantsal
hem de orantsal olmayan modellerin zelliklerini tasmaktadr (Peterson and Harrell, 1990).
3. ok Terimli (Multinomial) Lojistik Regresyon Analiz
ok terimli lojistik regresyon modelinde baml deiskenin inci kategoriye dsme olasl a

ile Esitlik 2.deki gibi ifade edilmektedir (Liao, 1994).
a

ok Terimli Lojit ve Sral Lojit Modeller uyum iyilii asndan karslastrldnda izelge 1.deki
sonulara ulaslmstr.
183

izelge 1. NPO, PPO, ok Terimli Lojit Modellerinin Uyum yilii Gstergeleri Bakmndan
Karlatrlmas
Uyum Iyilii
Gstergesi
Model
NPO PPO ok terimli
Mac Fadden
0,0832 0,0785 0,0746

Sapma ls 370,2256 372,1018 373,6878
AIC 390,2256 388,1018 393,6879
BIC 424,3421 415,395 427,8044
izelge 1.deki uyum iyilii gstergelerine (Mac Fadden
Sapma ls, AIC, BIC) gre Sral Lojit

Modeller (NPO, PPO) veriye daha iyi uyum salamaktadr. Ancak burada uyum iyilii kriterlerine baklarak
Paralel Dorular Varsaymnn salanmad durumlarda ok Terimli (Multinomial) Lojit Modelin, Sral Lojit
Modellerden daha iyi bir seenek olup olmadna dair kesin bir sonu elde edilemez. nk ok Terimli Lojit
model ile Sral Lojit Modellerinin odds kestirimi karslastrmalar birbirlerinden farkldr. Sral Lojit
Modellerde olusturulan lojitlerde referans ve karslastrlan kategoriler ylml olarak ele alnmaktadr.
Dolaysyla orantsal, orantsal olmayan ve ksmi orantsal oran modellerinin odds oranlar ylmldr. ok
Terimli Lojit modelinde ise sadece seilen referans kategorisine gre dier kategorilerin karslastrlmas
nominal olarak yaplmakta ve baml deiskenin sral yaps gz ard edilmektedir. Dolaysyla Paralel
Dorular Varsaymnn salanmad durumlarda NPO ve PPO modelleri kullanmak baml deiskenin
yapsndaki tm bilgiyi kullanmas ve sral yapnn gz ard edilmemesi asndan avantaj salamaktadr.
4. KAYNAKLAR
Fu, Vincent, K., 1998. Estimating Generalized Ordered Logit Models, STATA Technical Bulletin, 44 p.
Fullerton, Andrew, S. and Xu, J., 2012. The Proportional Odds with Partial Proportionality Constraints
Model for Ordinal Response Variables, Social Science Research, 41,182-198 p.
Liao, T.F., 1994, Interpreting Probability Models., Logit, Probit and Other Generalized Linear Models,
Quantitative Applications in the Social Sciences, Sage Publications 88 p.
Peterson, B., Harrell, J.R., 1990. Partial Proportional Odds Models for Ordinal Response Variables, Applied
Statistics, Vol 39, No. 2, 205-217 p.
ABSTRACT
The Comparison of Ordinal and Multinominal Logit Models In Terms of Indicators of Goodness of Fit
Parallel line assumption is sometimes ensured, sometimes not. When this assumption is ensured, PO model
is used,otherwise NPO and PPO models can be used. When this assumption is not ensured, multinominal logit
model is one of the models that can be used. The models dealt in this study is compared in terms of goodness
of fit and it is concluded that using NPO and PPO models provide an advantage over multinominal logit model
in terms of using all the data in the structure of dependent variable and not ignoring the ordinal structure.
Key Words:Non-Proportional Odds Model, Partial Proportional Odds Model, Multinomial Logit Model,
Goodness of Fit.
184

RC BOYUTLU APRAZ TABLOLARDA OKLU KARILATIRMA YNTEMLERNN
NCELENMES: BR UYGULAMA
Sengl CANGR
*
, Handan ANKARALI, zge PASIN
Dzce niversitesi, Tp Fakltesi, Biyoistatistik ve Tbbi Bilisim A.D., 81620, Dzce, Trkiye
E-mail:sengulcangur@duzce.edu.tr
Ikiden fazla grupta, nominal dzeyli bir sonu degiskenine ait hesaplanan oranlarn karslastrlmas iin
olusturulan RC apraz tablosu uygun Ki-kare testleri (Pearson, Fisher-Freeman-Halton, Likelihood Ratio) ile
degerlendirilmektedir. Test sonucunda, gruplar arasnda anlaml fark saptanms ise hangi grup ifti/iftlerinin
farkl oranlara sahip oldugunu belirlemek iin, varyans analizi modellerinde kullanlan oklu karslastrma
yntemlerine benzer yntemlerden yararlanlmaktadr. Literatrde yer alan ve oranlar aras fark incelemek
amacyla kullanlan oklu karslastrma yntemleri, Bonferroni, Bonferroni-Holm, Simes-Hochberg, Hommel,
Benjamini-Hochberg, Tukey ve Marascuilo yntemleridir. Karslastrlacak oran says, rneklem byklg
ve gerekte dogru olan sfr hipotez says gibi etkenlere bagl olarak ortaya kan Family-Wise Hata oran,
False Discovery oran ve testin gc asndan sz konusu yaklasmlar arasnda farkllklar olusmaktadr. ok
boyutlu apraz tablolardaki oranlar aras fark iin kullanlan Bonferroni yntemi, SPSS (ver.20) paket
programnda, diger yntemler ise Minitab, SAS, Matlab, Dataplot ve R program/programlama dillerinde
yazlan bir makro araclg ile uygulanabilmektedir. Bu alsmada, apraz tablolarda ki-kare istatistigi anlaml
bulundugu zaman bir baska ifadeyle ikiden fazla oran arasnda farkllgn olmadgna dair kurulan sfr hipotezi
ret edildiginde, literatrde adlar sk gemeyen ve yaygn kullanlmayan oklu karslastrma yntemlerinin
teorik zellikleriyle birlikte tanmlanmas ve sonularnn karslastrmal olarak bir rnek zerinde
yorumlanmas amalanmstr. Bu amala fen lisesi 9, 10 ve 11. snfta okuyan toplam 261 grenciye uygulanan
dikkat eksikligi (DE) tan leginden elde edilen veriler kullanlmstr. Sonular degerlendirildiginde; 11.
snfta grenim gren ve yksek dzeyde dikkat eksikligi riski tasyan grencilerin oran (%39.2), 9. ve 10.
snftakilerden (%13.3, %16.9) anlaml seviyede yksek bulunmustur. 11. snfta grenim gren ve orta
dzeyde dikkat eksikligi riski tasyanlarn oran (%54.1) ise hem 10. (Marascuilo dsnda) hem de 9.
snftakilerden anlaml seviyede dsk bulunmustur (%71.9, %80.6). Ayrca Tukey, Bonferroni, Hommel ve
Benjamini-Hochberg yntemlerine gre hesaplanan 1. Tip hata yapma olaslk degerleri, baslangta belirlenen
%5 degerine yakn oldugunda, ilk 3 yntem ile benzer sonular bulunmustur, buna karsn Benjamini-Hochberg
yntemiyle daha kk yanlma olaslk degeri elde edilmistir. Bonferroni-Holm ve Simes-Hochberg
yntemlerine gre hesaplanan yanlma olaslklarnn ise ayn oldugu belirlenmistir. Buna ilaveten Marascuilo
ynteminden elde edilen sonu anlaml bulunmamstr. Ayrca rnekteki kosullarn ogunlugunda, Benjamini-
Hochberg yntemiyle hesaplanan yanlma olaslklarnn, diger yntemlerden elde edilenlere gre daha kk
bulunmas literatr bilgisini desteklemektedir. rnek sonularna gre ad geen yntemler ierisinde en gl
yntem, Benjamini-Hochbergtir ve bu bilginin de literatrle uyumlu oldugu grlmstr. Sonu olarak, ikiden
fazla oran karslastrmasnda bu yntemlerin basarl bir sekilde kullanlabilecegi sylenebilir.
KAYNAKLAR
[1] Benjamini Y. and Hochberg Y. (1995), Controlling the false discovery rate: a practical and powerful
approach to multiple testing, Journal of the Royal Statistical Society, Series B 57(1): 289-300.
[2] Hochberg Y. (1988), A sharper Bonferroni procedure for multiple tests of significance, Biometrika, 75(4):
800-2.
[3] Holm S. (1979), A simple sequentially rejective multiple test procedure, Scandinavian Journal of Statistics,
6(2): 65-70.
[4] Hommel G. (1988), A stagewise rejective multiple test procedure based on a modified Bonferroni test,
Biometrika, 75(2): 383-6.
[5] Zar J. H. (1999), Biostatistical analysis, 4th edit (Ryu T., ed.), Upper Saddle River, NJ, Prentice-Hall.
185

ABSTRACT
INVESTIGATION OF MULTIPLE COMPARISON PROCEDURES IN RC CROSS-TABLES: AN
APPLICATION
Multiple comparison procedures (MCPs), such as Bonferroni, Bonferroni-Holm, Simes-Hochberg, Hommel,
Benjamini-Hochberg, Tukey, and Marascuilo can be used to investigate the difference between proportions in
RC cross-tables. The study aims to compare MCPs, when the Chi-square test-statistics is significant for cross-
table. For this purpose, the relevant algorithms were applied to data about attention-deficit-disorder of high-
school students. According to results, Benjamini-Hochberg methods the highest power. Marascuilo method
has the least significant-differences while the others provide an equal number of significant-differences.
However, all methods are different from each other for Type I error level. These methods can be used
successfully for comparisons of more than two proportions.
Key Words: Proportions, Multiple Comparison Procedures, Bonferroni, Tukey, Benjamini-Hochberg,
Marascuilo, Attention Deficit Disorder

186

AZ GELM LKELERN SALIK VE ASKER HARCAMALARA LKN DEKENLER
BAKIMINDAN NCELENMES
Fatih EMREK*, Ayse ISI**, Hakk POLAT*
*Eskisehir Osmangazi niversitesi Meselik Kamps Istatistik Blm /Eskisehir
**Gazi niversitesi Gazi Meslek Yksekokulu ubuk Yerleskesi ubuk/ANKARA
1. Giri
Birlesmis Milletlerin dzenli olarak yaynladg, dnyadaki ogu insann en azndan bes dakika bile olsa durup
dsnmesine biraz da zlmesine, ama sonra da hayatna kaldg yerden devam etmesine sebep olan
raporlarnda, nedenleri, sorunlar veya zmleri tartsladursun, dnya zerinde her yl yaklask 12 milyon
insann alk ve bunun sebep oldugu saglk problemlerinden dolay ldg belirtilmektedir. Uzmanlar isin daha
vahim taraf olarak, bu sekilde devam edilirse bu saynn her geen yl artacag geregini ifade etmektedir [1].
ABD Kongre yeleri iin hazrlanan silah anlasmalar raporuna gre 2009'da 58 milyar dolarlk silah anlasmas
yaplms, bu rakam 2012 de 85 milyar dolara kmstr. Ayn yl BM'nin 30 milyon insann ihtiyalarn
karslamak iin insani yardm agrs 7 milyar dolardr. Tm dnya genelinde ise ABDnin esitli lkelerle
sadece bir yllk silah anlasmalarnn parasal degeri 66 milyar dolar bulmaktadr [6].
Buna ek olarak silah ticareti yaplan lkelerin %80ine yaknn Afrika ve Asyadaki az gelismis ve gelismekte
olan lkeler olmas son zamanlarda uzmanlar dsardan yardmlardan ziyade, bu lke hkmetlerinin elinde
bulunan kaynaklarn silahlara degil de halkn temel ihtiyalarnn hizmetine nasl sunacaklarnn dsnlmesi
gerektigine itmistir [2,3,4].
Bu alsmann amac da, dnya zerinde kisi basna dsen milli hasla miktar olarak en dsk dzeye sahip 44
lkenin, saglk ve askeri harcama verilerini ieren baz degiskenlerle incelenmesi, benzerlik ve farkllklarnn
istatistiksel yntemlerle ortaya konmasdr. Bu amala tanmlayc istatistiklerin dsnda sz konusu 44 lke
iin kmeleme analizi uygulanms ve ele alnan degiskenler bakmndan lkelerin benzerlikleri ortaya
konmaya alslmstr.
ok degiskenli istatistiksel tekniklerden birisi olan kmeleme analizi, grup says bilinmeyen ve
gruplandrlmams verilerin benzerliklerine gre snflandrlmas amacyla kullanlmaktadr. Kmeleme
analizi, verilerin birimlere veya degiskenlere gre birbirlerine benzerlikleri bakmndan ayrk kmelerde
toplanmasn saglayan bir tekniktir. Kmeleme analizi birbirine benzer olan bireylerin ayn gruplarda
toplanmasn amalamas bakmndan diskriminant analizi ile, birbirine benzer degiskenlerin ayn gruplarda
toplanmasn amalamas nedeniyle de faktr analizi ile benzerlik gstermekte olup veri indirgeme zelligi
vardr [5].
2. Bulgular
izelge 1de kmeleme analizine tabi tutulan az gelismis lkelerin yaptklar silah ve saglk harcamalar
grlmektedir. izelge incelendiginde, her ne kadar yaplan silah anlasmalarnn ogunun resmi olmadg, el
altndan yrtldg uzmanlarca ifade edilmis olsa da bu lkelerin silah harcamalarnn parasal
byklklerinin saglk harcamalarna oranlarnn %30lara yaklastg grlmektedir. alsmada ayrca daha
ayrntl olarak lkelerin yaptklar bu harcamalarn Gayri Safi Milli Hasladaki oranlar, kisi basna dsen
askeri ve saglk harcamalar gibi karslastrmal tablolara yer verilmistir.
187

izelge 1. Blgelere Gre Salk ve Silah Harcamalar
Satr Etiketleri
Salk Harcamalar
(Milyon Dolar)
Silah Harcamalar
(Milyon Dolar)
Afrika 36.727,1 6.838,1
Asya 23.388,8 10.610,8
Orta Amerika 733,6 44,1
Genel Toplam 60.849,5 17.493.0
3. Sonular
5 yas alt lm oranlar (Binde), Gelismis Ime Suyu Kaynaklarnn Kullanlabilme Oran (%), Gelismis Salk
Tesislerinin Kullanm(%), Yetiskin HIV Oran (%), Silah Harcamalar (Milyon Dolar) ve Salk Harcamalar
(Milyon Dolar) sz konusu lkeler iin kmeleme metoduyla analiz edildiinde, temelde 10 kmenin, 2.
iterasyonda 5, 3. iterasyonda da 3 kme yapsnn olduu grlmstr. Son olarak 4. iterasyonda ise tm
lkelerin sz konusu deiskenler bakmndan 2 ayr kmeye topland belirlenmistir.
KAYNAKA
[1] www.fao.org
[2] www.sipri.org
[3] www.unicef.org
[4] www.worldbank.org
[5] Tatldil H, (1996), Uygulamal ok Deiskenli Istatistiksel Analiz, Akademi Mat., Ankara.
[6] (http://workshop.chromeexperiments.com/projects/armsglobe/)
ABSTRACT
Investigation of Least Developed Countries for Health and Military Expenditure Variables
According to UN reports there are 12 million people die for about starvation in the world every year. Another
reports of UN point that 30 million people can recovered from starvation with just by 7 billion aids. Officially
there was 85 billion dollars gun trades were made all around the world in 2012.
In this study, was searched about of their expenditure of army and health and some another indicators about
health, for the 44 poorest country in the world. And this research show that, that poor countries spend amount
of their budget about of 33% of their health expenditure.
Key Words: Gun Trades, Health Expenditure, Starvation, Clustering Analysis
188

SEMENLERN KARARLARINI ANLAMAK: BR YAPISAL ETLK MODEL NERS
Gamze INER ve Veysel YILMAZ
Eskisehir Osmangazi niversitesi Fen Edebiyat Fakltesi Istatistik Blm,26000,Eskisehir,
gamzeciner@gmail.com* veyselyilmazhoca@gmail.com
GR
Bu alsmada oy verme davransnn planlanan davrans teorisiyle aklanmas amalanms ve yapsal esitlik
modellemesiyle gelistirilmistir. Planlanms davrans teorisi, Ajzen tarafndan ortaya atlmstr. Planlanms
davrans teorisi faktrn davrans tetiklediini ne srmektedir: kisisel tutum, kisisel norm ve alglanan
davrans kontrol. Teoriye gre; bir davrans olumlu olarak algland takdirde (kisisel tutum), o davransn
gereklestirilme olasl daha yksektir. Yine teoriye gre bireyin nemli olarak kabul ettii kisilerin,
herhangi bir davransa kars tutumu (kisisel norm) olumlu ise bu tutum bireyi o davrans gereklestirmeye
itecektir. Son olarak bireysel alglar kisinin davrans zerinde kontrol sahibi olduu (alglanan davrans
kontrol) ynnde ise bu durum davransn gereklestirilmesini daha fazla tesvik edecektir (Nunko ve
Ramkissoon, 2010:529). Yani teoriye gre btn davranslar belli sebeplere bal olarak ortaya kar.
Davranslarn sonular nceden hesaplanr, ortaya kan sonulardan herhangi birine ulasmak iin karar verilir
ve karar eyleme dnstrlr (zbey, 2010).
Planlanms davrans teorisine gre deisken niyeti etkiler. Bu deiskenler; kisisel tutum, kisisel (subjektif)
norm ve alglanan davrans kontroldr. Burada kisisel tutum, bireyin kendi inanlarna dayal olarak bir
davransa kars olusturduu olumlu ya da olumsuz dsnceleri ifade eder. Kisisel norm ise kisinin etrafndaki
nemli olduunu dsnd kisilerin fikirlerinin davransa olan etkisini ifade etmektedir. Alglanan davrans
kontrol ise bir davrans gereklestirmenin zorluunu ya da kolayln ifade etmektedir (Rutherford ve De
Vaney, 2009:1-16).
ARATIRMA MODEL VE HPOTEZLER
ekil 1.Aratrma Modeli ( PDT)
Bu faktrlerle davransa ynelik niyetin aklanmas iin asadaki hipotezler kurulmustur.
Bu hipotezler;
H1: Tutum, davransa ynelik niyeti nemli lde etkilemektedir.
H2: Alglanan davrans kontrol, davransa ynelik niyeti nemli lde etkilemektedir.
H3: Kisisel normlar, davransa ynelik niyeti nemli lde etkilemektedir.
H4: Alglanan davrans kontrol ile kisisel norm arasnda bir iliski vardr.
189

H5: Alglanan davran kontrol ile tutum arasnda bir iliki vardr.
H6: Kiisel norm ile tutum arasnda bir iliki vardr.
Analiz Sonular
Elde edilen semen rnekleminin %48i kadnlardan ve %52si ise erkeklerden olumaktadr. rneklemin
%58,9u niversite eitim dzeyinde, %24 lise eitim dzeyinde, %13,6s ilkretim eitim dzeyinde ve
%3,5u yksek lisans eitim dzeyindedir. Kiisel norm; oy verilen partiye yakn evre destei, alglanan
davran kontrol; kiinin verdii oya tutarll ve tutum; kiinin verdii oya inanc olarak aklanrsa; AKP
iin, kiinin verdii oya inanc ve kiinin verdii oya tutarll tekrar AKPye oy verme niyetini dk oranda
aklyorken, yakn evre destei, oy verme niyetini yksek oranda aklar(0,628). CHP iin, yakn evre
destei tekrar CHPye oy verme niyetini dk oranda aklarken, kiinin verdii oya inanc tekrar CHPye oy
verme niyetini yksek oranda aklar(0,56). MHPde ise, yakn evre destei, tekrar MHPye oy verme niyetini
aklayamazken kiinin verdii oya inanc ve kiinin verdii oya tutarll, tekrar MHPye oy verme niyetini
ok dk oranda aklamaktadr.
KAYNAKLAR
AJZEN, I.(1991)The Theory of Planned Behavior, Organizational Behaviorand Human Decisions Prosesses
HANSEN, D.,Jensen J.M. (2007) Understanding voters decisions: a theory of planned behavior approach
Innovative Marketing
ABSTRACT
UNDERSTANDNG THE VOTERS' DECSONS: A PROPOSAL OF STRUCTURAL EQUATON
MODEL
This study aimed to explain the voting behavior of the theory of planned behavior and structural equation
modeling has been developed. At the level of primary education for the AKP and the MHP, CHP voters rate
than high. MHP voters to rate the level of secondary education AKP and the CHP was higher than, the highest
rate of university and post-graduate education at the level of CHP voters is at.
Key words: Factor Analysis, Theory of Planned Behavior, AMOS, Structural Equation Model
190

LM NEDENLERNN MEKNSAL ANALZ
Adnan KARABRAHMOLU
1
, Hakan BASBOZKURT
*2
, Ayse BASBOZKURT
3
, Yasin ASAR
4
, Asr
GEN
5
1
Seluk niversitesi, Fen Fakltesi, statistik AD(Doktora rencisi) (Necmettin Erbakan niversitesi Meram
Tp Fakltesi Tp Eitimi ve Bilisimi Anabilim Dal Uzman) Konya, Trkiye email:
adnankaraibrahim@gmail.com
*2
Seluk niversitesi, Fen Fakltesi, statistik AD (Doktora rencisi)Konya, Trkiye email:
hakan.basbozkurt@gmail.com
3
Edebiyat Fakltesi, stanbul niversitesi (Doktora rencisi)(Bingl niversitesinde Fen-Edebiyat Fakltesi
Corafya Blm Ars. Gr.), stanbul, Trkiyeemail: zeynep_ayse@yahoo.com
4
Seluk niversitesi, Fen Fakltesi, statistik AD (Doktora rencisi)(Necmettin Erbakan niversitesi Fen
Fakltesi Matematik Blm Ars. Gr.), Konya, Trkiyeemail: yasinasar@gmail.com
5
Seluk niversitesi, Fen Fakltesi, statistik AD Fen Bilimleri Enstits Mdr ve statistik AD Baskan
Konya, Trkiye email: agenc@selcuk.edu.tr
Kresellesen dnyamzda enformasyon hzla yaylrken birbiri ile yakn iliski ierisindeki birimleri
etkilemekte, bu etkilesim mekansal yaknlk ierisinde daha fazla olmaktadr. Bu durum, salk, sosyal, siyasal
ve kltrel boyutlarda mekansal dalm etkilemekte ve mekansal etkilesimlerin analiz edilmesini
gerektirmektedir. 80li yllardan itibaren mekansal analiz gndeme gelmeye baslams, zellikle son yllarda
uygulamalar ileri boyutlara ulasmstr. Mekana bal olarak elde edilen verilerde komsuluk iliskilerinin yn
ve boyutu arastrlmaya baslanmstr. Mekansal analiz; corafi bilgi sistemleri, uzaktan alglama ve istatistik
alanndaki hzl gelismeler sonucunda ok faydal bilgiler veren bir analiz yntemi haline gelmistir.
Bu alsmada, 2010 yl Trkiyenin statistiki Birim Blge Snflamas(BBS-2), 2. Dzeyinde bulunan 26
blgesine ait lm sebeplerinin meknsal iliskisi incelenecektir. Kurulan modelde lm sebeplerini etkileyen
demografik ve evresel faktrlerin, salk verileri balamnda blge komsuluklar zerindeki etkileri
arastrlacaktr. Bulgularn ortaya konulmasnda meknsal regresyon analizinin yan sra corafi bilgi sistemleri
(CBS) grntleme yntemleri de aklanarak uygulanacaktr.
Anahtar kelimeler: lm nedenleri, Mekansal Analiz, Mekansal regresyon, CBS, BBS-2(NUTS-2)
SPATIAL ANALYSIS OF CAUSES OF DEATH
As the information is spreading out fast in our globing world, it affects the units in a close contact with each
other and this interaction can be seen between the nearer ones increasingly. This case affects the spatial
distribution in health, social, political and cultural perspectives, and makes necessary to analyze the spatial
interactions. Since 80s, the spatial analysis has begun to come up, especially in recent years, its applications
have reached to further levels. The direction and size of the correlation of geographical neighborhood have
been researching in spatial data. The spatial analysis has become an analysis method providing very useful
information as a result of advances in geographical information systems, remote sensing and statistics.
In our study, we will examine the spatial relation of the causes of death belonging to 26 (Nomenclature of
Territorial Units of Statistics 2 Level (NUTS-2)) regions of Turkey for 2010 year. In the model, it will be
searched that the effects of demographical and environmental factors causing deaths on regional neighborhood
in the context of health. We will use spatial regression method in analysis as well as the visualization
techniques of geographical information system (GIS) in reveal of findings.
Key words: Causes of death, Spatial Analysis, Spatial regression, GIS, NUTS-2
191

KAYNAKLAR
[1] Bell,B.S.R.E. Hoskins, et al. (2006). Current Practices In Spatial Analysis Of Cancer Data: Mapping
Health Statistics To Inform Policymakers And The Public., International Journal of Health Geographics.
[2] olak, H.E.(2010). Cografi Bilgi Sistemleri ile Dogu Karadeniz Blgesindeki Kanser Vakalarnn
Konumsal Analizleri. Harita Mhendisligi Ana Bilim Dal. Trabzon, Karadeniz Teknik niversitesi. Doktora.
[3] Jerret, M.,R. Burnett, et al.(2005). Spatial Analysis of Air Pollution and Mortalityin Los
Angles.Epidemiology 16:727-736
[4] Semaan,S.,M.Sternberg, et al. (2007). Social Capital and Rates of Gonorrhea and Syphilis in the United
States: Spatial Regression Analysis of State-LevelAssociations. Socal Science & Medicine 64:2324-2341.
[5] Fischer,M.M. and J. Wang (2011). Spatial Data Analysis: Models, Methods and Techniques, Springer.
192

BLDR OTURUMLARI 4
SESSION 4
statistik Yntemler
193

KKA VE K-EN YAKIN KOMULUK KULLANILARAK VZADA AIRLIK KISITLARININ
BELRLENMES
Elvan AKTRK HAYAT*, Olcay ALPAY
Sinop niversitesi Fen-Edebiyat Fakltesi Istatistik Blm,57000,Sinop, TRKIYE
elvanakturk@gmail.com,olcayb@sinop.edu.tr
Veri Zarflama Analizinde Deiken Seimi
oklu girdi ve ktya sahip, benzer yaplar olan karar verme birimlerinin (KVB) greli etkinliklerini
deerlendiren Veri Zarflama Analizi (VZA), son yllarda yneylem arastrmas ve ynetim bilimlerinde
sklkla kullanlan bir yntemdir. VZA, Farrell tarafndan nerilen snr (frontier) analizine dayanlarak
Charnes, Cooper ve Rhodes tarafndan gelistirilmistir.[1]
VZA, matematiksel programlama tabanl bir tekniktir ve herhangi bir birimin etkinlii, CCR modeli olarak
bilinen temel etkinlik modeli ile llr.[2] Girdi odakl CCR modeli (1) nolu esitlikle verilmektedir.
=
=
s
r
rp r p
y u z
1
max
Kstlar:
(1)
, ... , m i v
, ... , s r
, ... , n j x v y u
x v
i
m
i
ij i
s
r
rj r
m
i
ip i
1 , 0
1 , 0 u
1 , 0
1
r
1 1
1
=
=
= s
=

= =
=

Burada, p indisi etkinlii hesaplanacak KVByi, x girdileri, y ktlar, z ilgili birimin etkinlik deerini, n KVB
saysn, m girdi saysn, s kt saysn gstermektedir. Bu modelin zmnden elde edilen etkinlik skoru 1
olan KVBleri, etkin olarak, etkinlik skoru 1in altnda olan her birim ise etkin olmayan olarak deerlendirilir.
Herhangi bir KVB iin tahmin edilen etkinlik, modeldeki girdi ve kt saysna baldr. Bir veri setinde girdi
ve ktlarn toplam says KVBlerin toplam saysna yaklastnda VZA problemli olabilmektedir.
Uygulamalarda ise genellikle KVB says az, deisken says fazladr. ok sayda girdi ve kt olmas
durumunda, nemli olmayan bir deiskeni analizden karmak yerine arlk kstlamalarna gidilmesi daha
uygundur. Bu nedenle deisken seimi ve arlk kstlamalar VZAda en nemli asamadr. [3]
Sengupta (1990), VZAda yer alabilecek deiskenlerin belirlenmesinde Kanonik Korelasyon Analizinin
(KKA) kullanlabileceini gstermistir.[4] VZA iin arlk kstlarnn tanmlanmasnda KKAnn
kullanlabilecei Gonalves vd. tarafndan gsterilmistir.[3]
oklu regresyon analizinin genellestirilmis sekli olarak kabul edilen KKA, iki ve daha fazla deisken ieren iki
deiskenler seti (X
1
, X
2
, , X
p
; Y
1
, Y
2
, , Y
q
) arasndaki iliskiyi dorusal bilesenler aracl ile
deerlendiren ok deiskenli bir yntemdir. KKAnn temel amac, iki deisken setinin her biri iin maksimum
korelasyonlu ve birim varyansl dorusal bilesenler elde edip, deisken setleri arasndaki iliskiyi maksimize
edecek en uygun boyutu belirlemektir.[5]
194

Bu almada, VZAda arlk kstlar iin kullanlabilecek dier bir yntem olarak veri madencilii
tekniklerinden K-en yakn komu algoritmas ele alnmtr. K-en yakn komu algoritmas, snflandrma
problemini zen denetimli renme yntemleri arasnda yer alr.
almada, ok boyutlu veriler sz konusu olduunda VZAda kullanlacak deikenler arasndaki ilikiye
bal olarak hesaplanan arlklar matrisi, KKA ve k-en yakn komu algoritmas kullanlarak belirlenmeye
allmtr. Bu iki yntemden elde edilen arlklar kullanlarak 2 ayr VZA modeli elde edilmi ve
KVBlerin etkinlikleri karlatrlmtr.
KAYNAKLAR
[1] Charnes A., Cooper W.W. and Rhodes E. (1978), Measuring the Efficiency of Decision Making Units,
European Journal of Operational Research,Vol.2 No.6,429-444.
[2] Cooper, W.W., Seiford, L.M., and Tone, K. (2000), Data Envelopment Analysis, Boston
USA, Kluwer Academic Publishers.
[3] Gonalves A.C., Almeida R.M.V.R., Lins M.P.E. and Samanez C.P. (2013),Canonical Correlation Analysis
In The Definition of Weight Restrictions for Data Envelopment Analysis, Journal of Applied Statistics, Vol.
40, No.5, 10321043.
[4] Sengupta J.K. (1990), Tests of Efficiency in Data Envelopment Analysis, Computers and Operations
Research, Vol.17, Issue 2, 123-132.
[5] Anderson T.W. (1999), Asymptotic Theory for Canonical Correlation Analysis, J Multivar Analysis,
70(1):1-29.
ABSTRACT
DETERMINATION OF WEIGHT RESTRICTIONS USING BY CCA AND
K-NEAREST NEIGHBOR IN DEA
Data Envelopment Analysis(DEA) is becoming an increasingly popular management tool. The goal of the
DEA is to evaluate the relative performance of similar Decision Making Units(DMUs). Variable selection and
weight restrictions important issues in DEA. The estimated efficiency for any DMU depends on the inputs and
outputs included in the model. In this study, Canonical Correlation Analysis (CCA) and k-nearest neighbor
algorithm are used to determine the weight restrictions matrices and compared the efficiencies of DMUs with
using DEA.
Key Words:Data Envelopment Analysis, Canonical Correlation Analysis, K-nearest neighbor
195

BAIMLI K RNEKLEM TESTLERNDE YENDEN RNEKLEME YNTEMLERNN
KARILATIRILMASI
zge KARADA
1
, Hlya OLMUS
2
, Serpil Aktas ALTUNAY
1
,
1
Hacettepe niversitesi, Fen Fakltesi
statistik Blm, 06800 ankaya/Beytepe/ANKARA
ozgekaradag@hacettepe.edu.tr,spxl@hacettepe.edu.tr
1. Baml ki rneklem Karlatrmasnda Yeniden rnekleme Yaklam
rneklemlerin baml olduu durumlarda yani ayn rneklem zerinde yaplan iki farkl lm sz konusu
olduunda bu lmler arasndaki farkn anlaml olup olmadn test etmek amacyla baml / eslestirilmis
rneklem t-testi kullanlr. Baml iki rneklemlerde, X
1
ve X
2
eslestirilmis iki rneklem ve D deiskeni fark
vektr,

(1)
tanmlansn ve burada ama
H
0
:

yokluk hipotezini test etmektir.
Eslestirilmis iki rneklem arasndaki deerlere iliskin fark deerlerinin normal dalm gstermesi gerekir.
Ancak farklarn dalm normal dalma uyum gstermiyorsa, eslestirilmis t testi uygun olmaz. Bu durumda
alternatif zm olarak parametrik olmayan yntemlerden Wilcoxon isaretli sra testi tercih edilir. Ancak son
yllarda, parametrik olamayan yntemlere alternatif olarak yeniden rnekleme (resampling) yntemleri
gelistirilmistir. Yeniden rnekleme, kitlenin dalm bilinmediinde ve dier yntemler geersiz olduunda
olduka kullansl yntemlerdir. Yeniden rnekleme yntemlerinin temeli, teorik dalmlara dayanmakta ve
ayn rneklem ierisinden yeniden rnekler semeye bal olmaktadr.
Liteatrde yer alan yeniden rmekleme metotlarndan biri permtasyon testi dieri bootstrap yntemidir.
Rasgelelestirme testi olarak da adlandrlan permtasyon testinin temeli sral istatistiklere dayanan bir yeniden
rnekleme tekniidir. Dier bir yeniden rnekleme teknii olan Bootstrap rneklemesi metodu ise, youn
matematik formllerden uzak, snrl varsaymlara sahip, anlaslmas ve kullanlmas olduka kolay bir
yntemdir [3]. Bootstrapn temeli n hacimli rasgele rneklemden, yerine koyarak seim yntemi ile yeniden n
hacimli rneklemler yaratp, ilgilenilen istatistiin defalarca gzlemlenmesine dayanr. Ayrca bootstrap
ynteminde rneklemin seilmesi yerine koyma yntemine gre, permtasyon testinde ise yerine koymadan
yntemiyle yaplmaktadr [1, 2].
Yeniden rnekleme teknii ile elde edilen rneklemler zerinden baml rneklemin temelini olusturan fark
deerleri
ile gsterilirse, fark deerlerinin ortalama ve varyans asadaki esitliklerle hesaplanr:

(2)
Bu deerler yerine konulduunda fark deerlerine ait
istatistii esitlikte verildii gibi elde edilir.

(3)
alsmann amac, baml gruplarda eslestirilmis t-testi ve alternatifi olan Wilcoxon isaretli sra testine
alternatif olarak yeniden rnekleme yntemlerinden permtasyon testi ve Bootstrap yntemi ile bir simlasyon
alsmas yapmaktr. Bu nedenle, farkl dalmlar, farkl rneklem byklkleri, farkl korelasyon yaplar
dsnlerek, ele alnan yntemler testin gc bakmndan karslastrlmstr. Sonu olarak, yeniden rneklem
yntemlerinden permtasyon ve bootstrap ynteminin, eslestirilmis rneklem t-testine bir alternatif olarak
kullanlabilirliini ortaya koymak ve baz durumlarda daha iyi sonu verdiini gstermek amalanmstr.
196

KAYNAKLAR
[1] Butar F. and Bandulasiri A. (2009), Comparison of the power of the paired samples using permutation
tests, Journal of Mathematical Sciences & Mathematics Education Vol. 4 No. 2.
[2] Konietschke F.and Pauly M. (2012), Bootstrapping and Permuting paired t- test type statistics, Stat
Comput. DOI 10.1007/s11222-012-9370-4.
[3] Simon, L and Bruce P (1991), Resampling: A Tool for Everyday Statistical Work, Chance, 4, 22-32.
COMPRASION OF RESAMPLING METHODS FOR PAIRED SAMPLE TESTS
ABSTRACT
In this study, it is attempted to compare the resampling methods including bootstrap and resampling and
classical methods for paired sample test. A simulation study was performed to test the difference between the
paired samples for both parametric and nonparametric methods under different conditions by taking different
distributions, different population correlations and also different sample size. Results are interpreted based on
simulation study with respect to their power of test values.
Key Words: permutation test, Bootstrap sampling, paired t test

197

YOL-BAKIM BRMLERNDE YOL-BAKIM ARALARI LE YOL GVENLN ARTTIRMAK
N TEDBRLERN PLANLANMASI
Urfat NURIYEV
*
, Farnaz GOLGHASEMI SORKHABI
Ege niversitesi, Fen Fakltesi, Matematik Blm, Bornova/ Izmir, 35100,Trkiye
urfat.nuriyev@ege.edu.tr
Giri
Yol-bakm aralar ile yol gvenliini arttrmak iin tedbirlerin planlanlanmas metodolojisi asadaki
durumlara baldr. Yol alarnda herhangi bir yolun veya onun bir ksm iin yol gvenlii , gereken
gvenlilik kosullar ve yolun zelliklerinin uygun olup olmamasyla belirlenir. Metodolojiye gre planlanan
periyodun baslangndan nce belirlenen K
k
kompleks gstericisinin deerinin yolun gvenlii olan ve
planlanan seviyelerin uygunluu ile karakterize olur [1].
Yolun tamir ve yeniden kurulmas iin ayrlms tm maliye kaynaklar gz nne alnarak K
k
deiskeninin o
andaki deerini belirledikten sonra yolun gvenliliini arttrmak iin uygun H
1
-H
19
sade gstericilerine gre
hareketin gvenliliini kvalimetrik modeli kurulur (yani,yolun geis ksmnn genisletilmesine H
1
gstericisinin iyilestirilmesi uygun gelir, kprlerin genisletilmesine H
3
gstericisi vb.) [2].
Yol gvenliinin arttrlmas tedbirlerinin esaslandrlmas, belirlenen bte kapasitesini asmadan yol
gvenliinin tasarlanan kompleks gstericisinin maksimal deerini belirlemeye getirilir.
Matematiksel Model
Problemin matematiksel modeli asadaki gibi ifade edilir:
19
1
( )
i i i
i
c x C
=
s
(1)
5
i i
x s s , i=1,2,,19, (2)
k.a.
enb
19
1
k i i
i
K a x
=
=
(3)
Burada, x
i
ve H
i
- hareketin tehlikesizliine yol durumlarnn etkisini gsteren kvalimetrik modelin basit
gstericilerinin giris ve ks deerleridir:
a
i
yukardaki gstericilerin deerlilii katsaylar;
c
i
gstericilerin deerini bir puan artrlmasn salayan tedbirlerin birim deeri;
C bir yl iin hareketin gvenliliini arttrmak iin tedbirlere ayrlan finans kaynaklarnn planlanan
kapasitesi.
Problem daha ak bir sekilde yazlabilir:
198

1 1 1 2 2 2 19 19 19
( ) ( ) ( ) , C x C x C x C ~ + ~ + + ~ s (4)
( ) 5, 1, 2, , 9,11, 19 ,
i i
x i s s =
(5)
10
0, C = (6)
0.
k
C
= (7)
k.a.
enb
1 2 3 4 5 6 7 8
0.15 0.06 0.05 0.11 0.13 0.2 0.03 0.03
k
K x x x x x x x x = + + + + + + +
9 16 17 18 19
0.03 0.08 0.10 0.03 0.01 0.02
k
x K x x x x
+ + + + + + (8)
Bu model ise deikenleri iki taraftan da snrl tamsayl tekboyutlu Knapsak problemidir [3].
KAYNAKLAR
[1] Sidenko V.M. ve d. ,(1973), Avtomobil'nye dorogi (sovershenstvovanie metodov
proektirovaniya i stroitel'stva)) [Highways (Improvement of Design and Construction methods)]. Kiev,
Budivel'nik Publ , 278 p.
[2] Sidenko V.M. ,(1981), Rokas S. Yu. Upravlenie kachestvom v dorojnom stroitel'stve.
Moskva, Transport, 252 p.
[3] Bakr M. A. ve Altunkaynak B., T., (2003), Tamsayl Programlama, Ankara, Nobel
Yaynlar, 620 s.
ABSTRACT
ROAD MANTENANCE ORGANZATONS, BY THE MEANS OF ROAD MANTENANCE TOOLS
AND PLANNNG OF MEASURES, MPROVE THE SAFETY OF THE MOVEMENT.
In this study, the road-maintenance services, tools and road maintenance organizations of the movement to
improve the safety measures optimally Planning of an integer programming model is proposed. The variability
of the suggested model, in both sides, is presented in a single bounded Knapsack Problem.
Key Words: Mathematical modeling, movement safety, Knapsack Problem
199

YAAM SRDRME ANALZNDE GAMMA KIRILGANLIK MODEL
Emel BASAR
Gazi niversitesi Fen Fakltesi Istatistik Blm 06500 Ankara Trkiye
ebasar@gazi.edu.tr
Giri
Yasam srdrme analizinin amac, nceden tanmlanan herhangi bir olayn meydana gelmesine kadar geen
zaman srelerinden olusan ve durdurulmus (censored) gzlemlerin bulundugu veriyi zmlemektir. Yasam
srdrme zaman zerinde etkili oldugu dsnlen esdegiskenlerin (covariates) yer aldg modeller, verinin
tanmlanan risk bakmndan zmlenmesinde sklkla kullanlmaktadr. Ancak her zaman modelin iinde
yasayan ve esdegiskenler tarafndan aklanamayan bir degiskenlik bulunabilmektedir. Aklanamayan bu
degiskenlik risk bakmndan nemli olabilmektedir. Esdegiskenler tarafndan aklanamayan ve degisimi
gzlemlenemeyen heterojenlik (unobserved heterogenity) modellenmek istenildigi zaman krlganlk (frailty)
kavram kullanlmaktadr [1]. Krlganlk modellerinde bireyler arasnda nemli farkllklarn var oldugu ve
temel bir rastgelelik (randomness) bulundugu varsaylmaktadr.
Yasam srdrme analizinde asl nemli olan ve zmlenmek istenen kavram hazard hz olmaktadr. Hazard
hznn zaman boyutunda izledigi yol, gzlem altndaki bireylerin kars karsya kaldg riskin yine zaman
boyutunda gsterdigi davransla tanmlanmaktadr. Bylece hazard hznn biimi gzlemlendigi zaman, bunun
bireylere iliskin llemeyen etkilerden mi kaynaklandg yoksa bireyler arasndaki farkllga m bagl
oldugunu bilmek zor olmaktadr. Krlganlgn varlg, birbirinin iine gemis pek ok hatann ortaya kmasna
yol amakta ve yanls sonuca ulaslmasna neden olabilmektedir. Bu bakmdan krlganlk kavram yasam
srdrme analizinde byk bir neme sahip olmaktadr.
Krlganlk Modelleri
Krlganlk bireyler arasnda nemli farkllklar oldugunu varsaymaktadr. Ortaya kan bu farkllklarn
llebilmesi ve risk bakmndan degerlendirilmesi iin esitli modeller kurulabilmektedir. Bir krlganlk
modelinde esas alnan temel dsnce, bireyler arasndaki gzlenemeyen heterojenligi, rastgele etki olarak
hazard fonksiyonuna dhil edebilmektir. Bu bakmdan krlganlk modelleri kosullu modellerdir ve krlganlk
faktr belli bir daglma sahip olan rastgele bir degiskendir.
Gzlemlenen yasam srdrme zamanlarn gsteren rastgele degisken ve gzlenemeyen rastgele krlganlk
degiskeni , orantl hazard varsaym altnda asagda verildigi gibi birlestirilebilir.

(1)
Burada
temel (baseline) hazard fonksiyonu ve negatif olmayan rastgele degiskendir. nin degiskenligi
bireyler arasndaki heterojenligin derecesini belirlemektedir ve krlganlk faktr , temel hazard fonksiyonu
zerinde arpmsal bir rol oynamaktadr [2].
Kosullu yasam srdrme fonksiyonu ise;

(2)
olarak ifade edilebilir. Burada
, birikimli temel hazard fonksiyonudur. Marjinal yasam

srdrme fonksiyonu asagda verildigi gibi elde edilebilmektedir.

(3)
200

(3) eitlii ile verilen beklenen deer, krlganlk dalmna ilikin Laplace dnm ile elde
edilebilmektedir.
Edeiken bilgisinin modelde yer almas durumunda, edeiken bilgisini gstermek zere, (1)de verilen
model aadaki biimde ifade edilebilir;

(4)
Burada bilinmeyen bir risk fonksiyonudur. Yukarda verilen modellerde Krlganlk faktrn
tanmlamak zere kullanlan dalmlar, parametre tahminlerini elde etmek bakmndan Laplace dnmnn
saland dalmlar olmaktadr [3].
Bu almada, risk fonksiyonu olarak eitli parametrik dalmlar ve yar parametrik bir model olan Cox
orantl hazard modeli dikkate alnarak, krlganlk faktrnn gamma dalmna sahip olmas durumu
incelenmi ve modellerin gerek bir rnek zerinde uygulamas yaplmtr.
KAYNAKLAR
[1] Vaupel, J. W., Manton, K. G ., Stallard, E. (1979), The impact of heterogeneity in individual frailty on
the dynamics of mortality. Demography 16, 439-454.
[2] Hanagal D.D. (2011), Modeling Survival Data Using Frailty Models, Chapman &Hall,
[3] Aalen, O. O., Borgan, ., Gjessing, H., K. (2008), Survival and Event History Analysis: A Process Point of
View, Springer-Verlag, NewYork.
ABSTRACT
GAMMA FRAILTY MODEL IN SURIVAL ANALYSIS
Frailty models are often used to describe the unobserved heterogeneity in survival data. The frailty factor is
usually assumed to act multiplicatively on a baseline hazard function. Frailty models are conditional models
and the frailty factor is random. Therefore a frailty distribution needs to be specified in the frailty model. In
this study gamma frailty model has been considered and the model has been illustrated with real data.
Key Words: Survival analysis, proportional hazards model, gamma frailty, parametric models
201

BLOKLANMI 2
n k
KESRL OK ETKENL TASARIMLARDA EN Y BLOK SEM
Erdin KOLAY*, Nazan DANACIOLU
Sinop niversitesi Fen Edebiyat Fakltesi, Istatistik Blm, 57000, Sinop, Trkiye
erdinckolay@gmail.com
2
n k
Kesirli ok Etkenli Tasarmlar ve Bu Tasarmlarda Bloklama
Birden fazla etkenin yant degiskeni zerindeki etkisinin etken dzeylerinin olas tm kombinasyonlarnn
denenerek arastrldg deneyler ok etkenli (E) deneylerdir. Bu tasarmlarn en nemli zelligi etkenlerin
yant degiskeni zerindeki etkisi hesaplanrken btn gzlemlerin kullanlmas ve etkilesimler hakknda bilgi
elde edilebilmesidir (Montgomery, 1984).
E bir tasarmda n etken varsa ve her bir etken iki dzeyli ise tamamlanms E tasarm;
222... 2
n

= 2
n
etken ierir. 2
n
tasarmlar, etken says arttgnda deney maliyetini azalttklarndan tercih edilmektedir.
rnegin 4 etkenli bir tasarmda, etken dzeyleri 2den 3e karlrsa tasarmn genisligi
4
2 16 = dan
4
3 81 = e kar ve deneme kombinasyonu says neredeyse 5 kat genisler (Mee, 2009).
Tamamlanms bir 2
n
E deneyinde etken says arttgnda ve zellikle denemeler pahal oldugunda, deneme
kombinasyonlarnn tamamnn denenmesi zordur. Bu nedenle deneme saysnn az oldugu ve tamamlanms bir
2
n
E deneyinin bir alt grubunun ya da kesrinin kullanldg KE (kesirli ok etkenli) (fractional factorial)
ya da kesirli tekrarlar (fractional replication) tercih edilir. Bu tasarm snfnn pratik ve teorik nemi Box,
Hunter ve Hunter (1978) tarafndan gsterilmistir (Mukerjee ve Wu, 2006).
Ayn zamanda, KE bir tasarm bloklara ayrmak da gerekli grlebilmektedir. Bloklama, deneylerde
genellikle sistematik grlty (systematic noise) kontrol etmek iin kullanlr. Byle grltler, gnden gne
degisim ya da gruptan gruba degisimden meydana gelebilir. Bloklama olmadan sistematik grlt, etki tahmini
etkisini ve tahminin dogrulugunu etkileyebilir.
Bir 2
n k
KE tasarmn bloklara ayrrken, optimal blok yapsnn nasl belirlenecegi sorunu ortaya kms;
son yllarda, zellikle 2-dzeyli KE tasarmlar ele alan alsmalar yaplmstr.
Sun, Wu ve Chen (1997) (SWC), 2-dzeyli KE tasarmlarda kabul edilebilirlik (admissibility) ltn ne
srerek optimal blok yaplarn (optimal blocking schemes) katalog seklinde sunmuslardr. Sitter, Chen ve
Feder (1997) (SCF), kesirli zm (fractional resolution) ve artlms kelime uzunluklarn (refinement of
word lenght) nermis ve kelime uzunlugu yapsn (word lenght pattern) En Az Sapma (EAS) ltne
uyarlayarak optimal blok yaplarn elde etmeye alsmslardr. Chen ve Cheng (1999) (CC), kelime uzunlugu
yaplarn tahmin kapasitesine (estimation capacity) gre olusturmustur. Cheng ve Wu (2002) (CW), tahmin
kapasitesi en yksek olacak sekilde kelime uzunlugu yapsn tekrar dzenleyerek; Xu (2003), en az moment
sapma (minimum moment aberration) (EAMS) ltn kullanarak optimal blok yaplarn listelemislerdir.
Xu ve Lau (2006), en az moment sapma ltn bloklanms KEler iin genisletmis ve tasarmlar
karslastrrken bu yntemi kullanmslardr.
2
q
blokta dzenlenen 2
n k
KE tasarmlarnda en iyi blok yapsnn seimi EAS ve EAMS ltlerine gre
yaplr. Bu alsmada bloklanms iki dzeyli KE tasarmlarda optimal blok yapsnn belirlenmesinde
kullanlan ltler
7 3
2

ve
8 2
2

tasarmlarna uygulanarak karslastrlmstr.
KAYNAKLAR
202

[1] Montgomery. D. C. 1984. Design and Analysis of Experiments, Second Edition. John Wiley&Sons,
New York, 538p.
[2] Sun, D.X., Wu, C.F.J., Chen, Y. 1997. Optimal blocking schemes for 2
p
and 2
n p

designs. Technometrics, 39: 382-390.
[3] Xu, H., Lau, S. 2006. Minimum aberration blocking schemes for two and three level
fractional factorial designs.Journal of Statistical Planning and Inference, 136:4088 4188.
ABSTRACT
CHOICE OF OPTIMAL BLOCK SCHEMES IN BLOCKED 2
n k
FRACTIONAL FACTORIAL
DESIGNS
Factorial designs are widely used in many areas of scientific investigation. A full 2
n
factorial design requires all
combinations of two levels of each of n variables. Fractional factorial designs permit investigation of the effects
of many factors in fewer runs than a factorial design. Blocking is commonly used in design of experiments to
reduce systematic variation and at the same time to increase precision of effect estimation. In litarature several
criteria have been proposed for ranking blocked fractional factorial designs.In this paper minimum aberration
criterion and minimum moment aberration criterion were studied to compare blocked fractinal factorial designs.
7 3
2

and
8 2
2

designs were investigated to choose optimal blocked design.
Key Words: Fractional Factorial Designs, Minimum Aberration, Minimum Moment Aberration, Optimal
Blocking Schemes.

203

K ORTAK BOZULMA KRTERL SSTEMLERN PROFUST GVENLRLKLER
Sevcan DEMIR ATALAY, Ali MERT
Ege niversitesi, Fen Fakltesi, Istatistik Blm, 35040,Bornova, Izmir, TRKIYE.
sevcan.demir@ege.edu.tr, ali.mert@ege.edu.tr
1. ki Bozulma Kriterli Sistem
Literatrde sistemler yaplarna gre dorusal (lineer) veya dngsel, alsma prensiplerine gre F veya G
sistemleri, deerlendirilme karakteristiklerine gre bulank veya bulank olmayan vb. sekilde farkl
zelliklerine gre snflandrlmaktadr. Bunun yan sra seri, paralel, ndenfksl ve ardl ndenkksl
gibi sistem yaplar literatrde yer almaktadr. Chiang ve Niunin (1981) bahsettii n yedek istasyonlu bir
telekomnikasyon sistemi ile n pompa istasyonlu petrol boru hatt sistemi ardl ndenkksl:F sistemine
iliskin iki rnektir. ndenfksl:F(G) sistemi en az f bilesen bozulduunda (alstnda) bozulan (alsan)
sistemdir. Benzer sekilde ardl ndenkksl:F(G) sistemi en az ardl k bilesen bozulduunda (alstnda)
bozulan (alsan) sistemdir. Kuo ve Zuoya (2003) ait Optimal Reliability Modelling adl alsma sistemlerle
ilgili genis bir ierik sunmaktadr. Sz edilen bu iki sistemde de tek kriterli bir sistem tasarm sz konusudur.
Tek bir bozulma kriteri yerine iki ortak bozulma kriterinin gz nne alnd gvenilirlik yaplar da
tanmlamaktadr. Bu yaplar sistemin gereksinimlerine gre yukarda verilen iki kriterin VE ve VEYA
mantksal operatrleri ile birlestirilmesi yoluyla olusturulur. Bu alsmada VE operatr ile birlestirilmis
sistemler ele alnms olup, n elemanl bir sistemde en az k ardl alsmayan (alsan) VE en az f alsmayan
(alsan) bilesen olduunda alsmayan (alsan) sistem olarak tanmlanan , , : ( ) n f k F G < > sistemleri
incelenmektedir. alsmada dorusal ve dngsel yapda iki ortak bozulma kriterli , , : ( ) n f k F G < >
sistemlerinin Profust gvenilirlikleri irdelenmektedir.
, , : n f k F
L (
, , : n f k G
L ) ile dorusal iki ortak bozulma
kriterli , , : ( ) n f k F G sistemini ve
, , : n f k F
C (
, , : n f k G
C ) ile dngsel iki ortak bozulma kriterli
, , : ( ) n f k F G sistemini sembolize etmek mmkndr.
2. Tekrar statistikleri ile Profust Gvenilirlik
Klasik gvenilirlik analizinde sistem alsma ve alsmama olmak zere iki durumda bulunmakta ve
sistemin davrans olaslk teorisi yardmyla tam olarak karakterize edilmektedir. Bulank gvenilirlik
sistemlerinden biri olan Profust gvenilirlikte ise sisteme iliskin olaslk varsaym korunurken sistemin iki
durumlu olmas varsaym bulank durum varsaym yoluyla geree daha uygun modelleme yapmaya
alslmaktadr. Her iki gvenilirlik kavramnda da ulaslmak istenilen sistemin alsr durumdan alsmama
duruma geisinin gereklesmemesi olasldr. Profust gvenilirlik asada verilen esitlik ile elde
edilmektedir:
( ) ( ) }
1
0 0 0
1
, 1 P annda, sist dur e umundadr m
SF
n
nj j
j
T
R t t t m t t S
~
=
+ = ~ +

(1)
(1) nolu ifade de
( )
SF
nj T
m
; sistemin
n
S durumundan
j
S durumuna geisi olaynn, yani sistemin ne
lde alsr durumdan alsmama durumuna geisi olarak ifade edilebileceini gsteren yelik
fonksiyonudur. Bu alsmada F sistemleri ve G sistemleri iin iki ayr yelik fonksiyonu; sistemin durumunun
daha hzl bir sekilde bozulma durumuna gitmeye baslad bilesen saysna ( l ) gre tanmlanmstr. Tekrar
istatistikleri kullanlarak sistemlerin klasik gvenilirliklerini hesaplamak mmkn olduu gibi Profust
gvenilirlikleri de hesaplanabilir. Tekrar istatistikleri ile ilgili genis bir ierik Balakrishnan ve Koutras (2002)
da yer almaktadr. alsmada ilgilenilen , , : ( ) n f k F G sistemlerinin profust gvenilirliklerini dorusal ve
204

dngsel yap ayrm yaplmakszn tekrar istatistikleri kullanlarak (2) ve (3) eitlikleri ile hesaplamak
mmkn olmaktadr:
( ) }
1
(0) (0)
, , :
1
1
SF
T
n
nj n n n f k F
j
R m P L k S f
=
=

(2)
( ) }
1
(1) (1)
, , :
1
1
SF
T
n
nj n n n f k G
j
R m P L k S f
~
=
= ~ < <

(3)
Bu ifadelerde ki
(1)
n
L ve
(0)
n
L srasyla bir dizideki (dorusal veya dngsel) en uzun baar ve baarszlk
tekrarlarn
(1)
n
S ve
(0)
n
S ise srasyla bir dizideki (dorusal veya dngsel) toplam baar ve baarszlk
saylarn gstermektedir.
3. Saysal rnek
Aadaki tabloda belirli parametre deerlerine gre almada ilgilenilen sistemlerin (dorusal ve dngsel
, , : ( ) n f k F G ) profust gvenilirlik deerleri verilmektedir.
izelge 1. Belirli parametre (n, p, f, k, l, ) deerlerine gre sistemlerin gvenilirlii
n p
f k l
L
F k f n
R
: , ,
~
> <
C
F k f n
R
: , ,
~
> <
L
G k f n
R
: , ,
~
> <
C
G k f n
R
: , ,
~
> <
5 0.8 3 2 3 0.7 0.9620 0.9584 0.9386 0.9530
10 0.3 6 3 4 0.5 0.3679 0.3486 0.3783 0.3795
KAYNAKLAR
[1] D.T. Chiang and S. Niu (1981), Reliability of consecutive-k-out-of-n:F system, IEEE Trans. Reliability, 30,
87-89.
[2] N. Balakrishnan and M.V. Koutras (2002), Runs and Scans with Applications, New York:Wiley Series in
Probability and Statistics.
[3] W.Kuo and M.J.Zuo (2003), Optimal Reliability Modeling, New York: John Wiley&Sons.
ABSTRACT
PROFUST RELIABILITIES OF SYSTEMS WITH TWO COMMON FAILURE CRITERIA
In this study, by employing run statistics, we investigated profust reliabilities of linear and circular, F and G
systems with two common failure criteria which are connected with logical operator AND.
Key Words:Profust Reliability, Linear <n, f, k>:F(G) System, Circular <n, f, k>:F(G) System
205

BLDR OTURUMLARI 4
SESSION 4
Biyoistatistik
206

DEVELOPING AN ITEM BANK FOR PROGRESS TEST AND APPLICATION OF A
COMPUTERIZED ADAPTIVE TESTING BY SIMULATION IN MEDICAL EDUCATION
Ayen Melek Aytu Koan
1
+
, Nizamettin Ko
2
, Atilla Halil Elhan
3
, Derya ztuna
3
Introduction
Progress test is a form of assessment that measures the ability levels of all the students in a certain program and
their progress in time for that educational program at the same time by providing them with the same questions
and repeating the process at regular intervals with parallel tests. [1]. Abiding by an indicator chart geared at
the cognitive learning objectives anticipated at the end- objectives of curriculum, a question sample which is
representative of all the disciplines and content area is used in PT. Due to its contributions to the education,
PT is used in medical education worldwide in a widespread manner, yet it has limitations like requiring a lot of
effort, human resources and time for its preparation, implementation and evaluation and requiring several
questions leading to a fatigue in the students [2]. Implementing PT with Computerized Adaptive Testing
(CAT) method that would allow for the evaluate medical knowledge without resulting in boredom and by
allowing for savings from time and human resources by using limited number of items will contribute
significantly to the elimination of above mentioned limitations.
Objective
The aim of this study was to develop an item bank for the Progress Tests used in Ankara University School of
Medicine (AUSM) and to explore the potential of Computerized Adaptive Testing (CAT) for evaluating the
medical knowledge in AUSM students.
Method
The study group consisted of Year 1-5 students for the academic year 2010-2011. The Progress Test consisted
of 200 items and 1206 students participated in the study (89.7% of the total). In the examination of the
psychometric characteristics of the item bank, Rasch model for dichotomous items responses was performed.
By using the parameters obtained from the Rasch analysis, data was generated to be used in simulation
applications.
After testing the assumptions of Rasch model, the final item bank was also examined in terms of content
validity. Then, using this item bank, several simulated CAT applications [stopping rules of different standard
errors/reliability values] were carried out and their results were checked against simulated applications from
1.000 simulees. In addition, the mean number of items used in each CAT condition was evaluated for student
burden.
Findings:
After Rasch Analysis, an item bank consisting of 103 items and including a unidimension was obtained. Person
Separation Index-(PSI) and KR-20 of the item bank was calculated as 0.77. The findings of the research have
indicated that the correlation for all simulation conditions ([N(0,1)] and [N(0,3)] for standard values 0.3, 0.4,
0.5, 0.548) between 0 estimations obtained from paper-and-pencil (0Rasch) and CAT applications (0Rasch)
were high (ICC 0.928-0.999).
The average mean of items used in CAT, which was carried out with derived responses for 1000 individuals
from the distribution of mean with 0 and variance with 1, varies between 11 and 45 for various levels of
standard error. In CAT applications estimation can be made with 14 questions. When compared to paper and
pencil tests and CAT resulted in a 56.3-86.4% decrease in the number of questions.

1
+
Ankara niversitesi Tp Fakltesi Tp Eitimi ve Biliimi Anabilim Dal, Cebeci hastanesi Kamps, Dikimevi, Ankara
E-mail adresi: aysenay1@yahoo.com
!
Ankara unlverslLesl LglLlm 8lllmlerl lakulLesl Clme uegerlendlrme Anablllm uali
3
Ankara niversitesi Tp Fakltesi Biyoistatistik Anabilim Dal
207

The average mean of items used in CAT, which was carried out with derived responses for 1000 individuals
from the distribution of mean with 0 and variance with 3, varies between 12 and 75 for various levels of
standard error. When compared to paper and pencil tests CAT resulted in a 27.6-88.3% decrease in the number
of questions.
Result: This study showed that it is possible to develop a proper item bank for the Progress Test using Rasch
Model and burden of this assessment of medical knowledge with respect to the number of items administered
can be reduced by the application of a CAT procedure.
REFERENCES
[1] Freeman A., van der Vleuten, Nouns, Z., Ricketts C., Welbourn, R.B. (2010). Progress Testing
Internationally. Medical Teacher. 32:451- 455.
[2] Wrigley,W., van der Vleuten., C.P.M., Freeman, A., Muijtjens, A. (2012). A Systemic Framework for the
Progress Test: Strengths, Constraints and Issues: AMEE Guide No. 71. Medical Teacher. 34: 683697
TIP ETMNDE GELM SINAVI SORU BANKASI OLUTURULMASI VE BENZETM
VERLER LE BLGSAYAR UYARLAMALI TEST UYGULAMASI
Bu almada, Ankara niversitesi Tp Fakltesinde yrtlmekte olan geliim snav iin bir soru bankas
oluturulmas ve bu soru bankasn kullanlarak Bilgisayar Uyarlamal Test yntemi ile Geliim Snavnn
uygulanabilirliinin ortaya konulmas amalanmtr. 1206 AUTF rencisi 200 sorudan oluan ve tp bilgisii
deerlendiren 200 soruya cevap vermilerdir. Soru bankasnn oluturulmasnda iki kategorili yantlar iin
Rasch modeli kullanlm, 103 maddeden oluan tek bir boyut ieren soru bankas elde edilmitir.
Yaplan benzetim almalar sonucunda, Geliim Snav kat kalem testi uygulamalar ve BUT
uygulamasnn ile elde edilen yetenek kestirimleri arasndaki korelasyonun yksek olduu gsterilmitir.
BUTda kullanlan madde says ortalamasnn standart hatann farkl dzeyleri iin 11 ile 45 arasnda deitii
ve, kat kalem uygulamalarna gre madde saysnda %56.3-86.4 arasnda azalma saland gsterilmitir.
Key Words: Progress test, Computerized adaptive test, Medical Education, Rasch Models
208

SOL ATRYUM APININ TEMEL BLEENLER REGRESYONU, KISM EN KK KARELER
REGRESYONU ve YAPAY SNR ALARI LE TAHMNLERNN KARILATIRILMASI
Fatma KIZILKAYA, Cemil OLAK, Oktay KIZILKAYA
r. Gr. Fatma KIZILKAYA*, Hakkri niversitesi, Yksekova Melek Yksek Okulu, 30000, Hakkri,
TRKIYE, askin.fatma@hotmail.com
Do. Dr. Cemil OLAK, Inn niversitesi, Tp Fakltesi, Biyoistatik Blm, 44100, Malatya, TRKIYE,
cemilcolak@yahoo.com
Ars. Gr. Oktay KIZILKAYA, Hakkri niversitesi, Iktisadi ve Idari Bilimler Fakltesi, 30000, Hakkri,
TRKIYE, o.kizilkaya.4@hotmail.com
zet
Ama: Bu alsmada sol atriyum apnn, Temel Bilesenler Regresyonu (TBR), Ksmi En Kk Kareler
regresyonu (KEKR) ve Yapay Sinir Alar (YSA) ile tahmininin yaplmas, elde edilen tahminlerin
karslastrlmas amalanmaktadr.
Gere ve Yntem: Frat niversitesi Tp Fakltesi Kardiyoloji Polikliniine gelen 127 hipertansif hastann
ekokardiyografi raporlar prospektif olarak toplanmstr. Sol atriyum apn etkiledii dsnlen deiskenler
ele alnms, bu deiskenler arasnda oklu balant probleminin var olduu tespit edilmistir. Bu problemin
giderilmesi iin TBR, KEKR ile sol atriyum apnn tahmini yaplmstr. Ayrca, YSAda deisik YSA
modelleri ve ileri beslemeli geri yaylml a algoritmasnn gelismis bir tr olan Levenberg-Marquardt eitim
algoritmasndan yararlanarak en iyi sonular elde edilmeye alslmstr.
Bulgular ve Sonular: alsmada Tahminlerin birbirine stnlklerini belirlemede aklayclk katsays
2
R
ve RMSE deerleri kullanlmstr.
Tablo 1. Tahminlerin Karslastrlmas
Uyum Kriteri TBR KEKR YSA
RMSE 2.825 2.640 2.482
0.30 0.33 0.41
Tahminler deerlendirildiinde; YSA ile yaplan tahminin TBR ve KEKRye gre RMSE deerinin daha
dsk ve aklayclk katsaysnn daha yksek olmas nedeniyle YSAnn sol atriyum apnn tahmininde
daha iyi sonu verdii belirlenmistir.
KAYNAKLAR
[1]. Abudu, S. , 2010. Modeling of Daily Pan Evapoation Using Partial Least Squares Regression.
[2]. Albayrak A. S. , 2005. oklu Dorusal Balant halinde EKK Tekniinin Alternatifi Yanl Tahmin
Teknikleri ve Bir Uygulama. ZK Sosyal Bilimler Dergisi,1,1.
[3]. Collins, B. , 2010. Partial Least Squares Regression.
[4]. Norlza Binti A. , 2006. Comparing Three Methods of Handling Multicollinearity Using Simulation
Approach, Universiti Teknologi Malaysia.
[5]. ztemel, E. , 2003. Yapay Sinir Alar, Istanbul: Papatya Yaynclk.
2
R
209

COMPARISON OF THE LEFT ATRIUM DIAMETER ESTIMATIONS WITH PRINCIPAL
COMPONENTS REGRESSION, PARTIAL LEAST SQUARES REGRESSION AND ARTIFICIAL
NEURAL NETWORKS METODS
In this study, it was aimed to estimate of diameter of the left atrium with Principal Component Regression,
Partial Least Square Regression and Artifical Neural Networks. Multicollinearity problem that occur in case of
failure of assumption of independence between the explanatory variables was examined. Principal components
regression and partial least square regression that used to overcome this problem were described. Finally,
artificial neural network was examined. In the part of application, echocardiography reports of 127
hypertensive patients who came to Cardiology Polyclinic of Medicine Faculty of Firat University were
collected prospectively. The obtained data were analyzed by all of methods described above and the results
were compared.
Key Words: The Multicollinearity Problem, Principal Components Regression, Partial Least Squares
Regression, Artificial Neural Networks.
210

MOLEKLER VARYANS ANALZ (AMOVA) TEKN
Nuri ELIK*
*Bartn niversitesi Fen Fakltesi Istatistik Blm Merkez/Bartn
ncelik@bartin.edu.tr
Gl OLGUN KARACAN
Ankara niversites Fen FakltesiBiyoloji Blm Tandoan/Ankara
glolgn@gmail.com
1. Molekler Varyans Analizi Teknii
Molekler Varyans Analizi (Analysis of Moleculer Variance, AMOVA) trler aras molekler farkll
arastrmada kullanlan bir tekniktir. Ayrca AMOVA, farkl genotiplerden elde edilen belirleyicilerle
poplasyon yaps hakknda bilgi vermektedir. DNA yapsn zetlemekte kullanlan en nemli metot olan
electrophoresisler bir bantta istenen genotipin olmas durumunda 1 olmamas durumunda 0lardan olusan bir
veri seti elde etmektedir. Sz konusu vektre DNA haplotipi ad verilmektedir. Elde edilen vektrleri
kullanarak AMOVA toplam farklln gruplar ii ve gruplararas seklinde bilesenlerine ayrlmas ile
hesaplanmaktadr.
AMOVA, molekler datadan direk olarak poplasyon ayrlklarn tahmin eden ve bu farkll test eden bir
tekniktir. Buna gre
i
p 1 ve 0lardan olusan Boolean vektr olmak zere, iki haplotit arasndaki uzaklk
j k
p p seklinde hesaplanmaktadr. Hesaplanan Euclidean uzaklnn karesi ise
( ) ( )
2
'
jk j k j k
p p W p p = (1)
seklinde hesaplanmaktadr. Burada W genellikle birim matris seklinde tanmlanmaktadr.
2. Yntem
Yntem (1) esitlii ile verilen uzaklk karesini kullanarak ayrls kareler toplamn (sum of squares of
deviation,
Total
SSD ) hesaplamaktadr. Buna gre N birimlik her bir vektr uzunluklarndan toplam 2N tane
hesaplanacandan,
Total
SSD ,
( ) ( )
1 1
1
'
2
N N
Total j k j k
j k
SSD p p W p p
N
= =
= ~ ~
(2)
seklinde tanmlanmaktadr. Buna gre AMOVA modeli iin tanmlanan lineer model,
jig g ig jig
p p a b c = + + + , 1, 2,..., ; 1, 2,..., , 1, 2,...,
ig g
j N i I g G = = = (3)
211

seklindedir (Cockerham, 1969, 1973, Weir and Cockerham 1984, Long 1986). Burada, a gruplarn etkisini, b
poplasyon etkisini, c ise poplasyon iindeki birey etkisini gstermektedir. p her lineer modelde tanmlanan
genel ortalama ve g grup saysn, i poplasyon saysn, j ise i. poplasyon iindeki birey saysn
gstermektedir. Buna gre AMOVA tablosu,
izelge 1: AMOVA Tablosu
Deiim Kayna Serbestlik Derecesi Kareler Ortalamas
Blgeler Aras
1 G /( ) MSD AG
Her Bir Blge Iindeki Poplasyonlar Aras
1
G
g
g
I G
=
~
/( / ) MSD AP WG
Her Bir Poplasyon Iindeki Bireyler Aras
1
G
g
g
N I
=
~
/( ) MSD WP
Toplam
1 N
AMOVA tablosu iin kullanlan test istatistii ise test istatistii varyans bilesenleri kullanlarak
hesaplanmaktadr.
Bununla beraber, uygulamada Trkiye iinde kayalk faresi apedemus mystacinus olarak bilinen bir fare
trnn ayrlslar incelenmistir. Gerek veri olarak poplasyonlarn mtDNA sitokrom b blgelerinin dizileri
kullanlmstr.
KAYNAKLAR
[1] Cockerham, C.C. (1973), Analysis of gene frequencies, Genetics, 74, 679-700
[2] Cockerham, C.C. (1969), Variance of gene frequencies, Evolution, 23, 72-84
[3] Excoffer, L., Smouse, P. and Quattro, J. (1992), Analysis of moleculer varaince inferred for metric
distances among DNA haplotypes: application to human mitochondrial DNA restriction data, Genetics, 131,
479-491,
[4] Wright, S., (1951), The genetical structure of populations, Ann. Eugen., 15, 323-354.
[5] Olgun Karacan G (2013), Trkiyedeki Apodemus mystacinus (Mammalia: Rodentia)un mtDNA
(Sitoktrom b ve Kontrol Blgesi) RFLP ve DNA Dizi Analizi, Ankara.
ABSTRACT
Analysis of Molecuar Variance (AMOVA) is a method for studying molecular variation within species. Also,
It is used to construct the poplation structure with the data from genotypes. The data consists of 1s and 0s,
while 1s represent the presence of a marker and 0s represents the absence of the marker in data. So, AMOVA
uses this data to calculate the sum of squares of total deviation and its components. In this work we use the
series of rock mouses (apedemus mystacinus) mtDNA.in Turkey.
Key words: AMOVA, DNA, Biostatistics,
212

DSRCT: REKTUM KANSER TEDAVSNDE KARAR DESTE
Asl SUNER
1*
, Ouz DCLE
2,3
, Selman SKMEN
4
, Gkhan KARAKLAH
5
,
Can Cengiz ELKOLU
1
1
Dokuz Eyll niversitesi, Fen Fakltesi, statistik Blm, 35160, zmir, TRKYE, asli.suner@deu.edu.tr,
cengiz.celikoglu@deu.edu.tr
2
Dokuz Eyll niversitesi, Salk Bilimleri Enstits, Medikal nformatik Anabilim Dal, 35340 zmir,
TRKYE
3
Dokuz Eyll niversitesi, Tp Fakltesi, Radyoloji Anabilim Dal, 35340, zmir, TRKYE,
oguz.dicle@deu.edu.tr
4
Dokuz Eyll niversitesi, Tp Fakltesi, Genel Cerrahi Anabilim Dal, 35340, zmir, TRKYE,
selman.sokmen@deu.edu.tr
5
Dokuz Eyll niversitesi, Salk Bilimleri Enstits, Biyomekanik Anabilim Dal, 35340, zmir, TRKYE,
gokhan.karakulah@deu.edu.tr
[1] almann Amac
Rektum kanseri, tm dnyada kadnlarda ikinci, erkeklerde ise nc srada en yaygn olarak grlen kanser
trdr. Rektum kanseri tedavisine iliskin karar verme srecinde, hastala ait ok sayda kriter rol oynamakta
ve farkl pek ok tedavi seenei bulunmaktadr [1, 2]. Bu alsmada, rektum kanseri hastalarna iliskin en
uygun tedavi ynteminin belirlenmesine yardmc ve potansiyel kullanclara, rektum kanserine iliskin tedavi
planlamasnda karar destei salamaya ynelik, gerek hasta verilerine dayal ve bilgisayar tabanl bir aracn
gelistirilmesi amalanmstr.
[2] Yntem ve Gereler
Yneylem arastrmasnn ok kriterli karar verme tekniklerinden biri olan analitik hiyerarsi sreci (AHP)
yntemi ve karar aac ynteminin bir arada kullanlmasyla bir karar modeli gelistirilmistir [3]. Hasta iin
tedavi karar verilirken AHP yntemi ile elde edilen ncelikler kullanlarak en yksek ncelie sahip kriterden
en dsk ncelie sahip kritere doru deerlendirme yaplmstr. Uygulanacak tedavinin belirlenmesinde kriter
ncelikleri kullanlarak karar aac olusturulmustur. Karar aac yardmyla olusturulan model, gerek hasta
verilerini, uzman grslerini ve literatr desteini kullanan bir web ara yz haline dnstrlmstr. Hasta
verileri ve uzman grsleri Dokuz Eyll niversitesi, Tp Fakltesi, Genel Cerrahi Anabilim Dalndan
salanrken; literatr destei MeSH terimleri yardmyla PubMed veritabanndan elde edilmistir. 19882010
yllar arasnda verilmis tedavi kararlarnn yer ald 388 hasta verisi, Ubuntu Linux server srm 12.04.1
zerine Mysql srm 5.5.31 kurularak olusturulan hasta kayt veri tabanna eklenmistir. Potansiyel
kullanclarn bu veri tabanna erisimini salamak iin HTML5 standartlarna uygun ve PHP srm 5.3.10 ile
desteklenmis kullanc ara yzleri tasarlanmstr. Olusturulan karar destei ile karar vericiye belirli kriter
dzeylerindeki hastalar iin uygulanabilecek tedavi yntemleri nerilmekte, bu tedavi yntemlerine iliskin
ortalama sakalm sreleri belirtilmektedir. Ayrca nerilen tedavi yntemlerine iliskin literatr bilgisi de
kullancya sunulmaktadr. Bylece belirli bir hasta iin birden ok tedavi yntemi nerildiinde, karar verici
ortalama sakalm srelerini ve literatr desteini gz nnde bulundurarak en uygun tedavi kararn
verebilmektedir.
[3] Karar Sreci
Uzmanlar karar verme srecinin iki ardsk karar basamandan olustuunu belirtmislerdir. lk basamak olan
uygulanacak tedavi tipi belirlendikten sonra bu basamak esas alnarak, ikinci basamakta eer gerekiyorsa ek
tedavi karar verilmektedir. Kriter nceliklerinin belirlenmesi iin uygulanan AHP analizi sonucunda her iki
karar basama iin matrisler tutarl bulunmustur (CR1
=0,03<0,1 ve CR
2
=0,01<0,1). lk karar basama iin en
nemli kriter 0.331 ncelik deeriyle perforasyon varl olurken, ikinci karar basama iin rezeksiyon
marjin durumu en yksek ncelik deerine (0.214) sahip kriterdir. Analitik hiyerarsi sreci ve karar aalar
yntemlerinin birlestirilmesi ile olusturulan karar modelinin gerek hasta verileri ile yaplan uygulamas olan
DSRCT karar destek aracnn ilk ve ikinci basamaklarna iliskin ekran grntleri Sekil 1.de grlmektedir.
213

ekil 1. DSRCT karar destek aracnn karar basamaklarna ilikin ekran grntleri.
[4] Sonular ve Tartma
Bu almada, uzman gr yannda, hasta verilerine ve hastala ilikin kriterlere dayal olarak karar destei
salayabilen bir karar destek sistemi gelitirilmitir. Sistemin tutarll uzmanlar tarafndan deerlendirilmi
ve her iki basaman tutarllna ilikin sonular, model iin yeterli ve kabul edilebilir snrlar ierisinde
bulunmutur. Bu karar destek sisteminin rektum kanserinin tedavi planlamasnda potansiyel kullanclara
yardmc olaca ve uzmanlk rencilerinin eitim srecine destek salayaca dnlmektedir.
KAYNAKLAR
[1] Ferlay J., Shin H. R., Bray F., Forman D., Mathers C. and Parkin D. M. (2008). Estimates of worldwide
burden of cancer in 2008: GLOBOCAN 2008. International Journal of Cancer, 127, 2893-917.
[2] Stocchi L., Nelson H., Sargent D. J., O'Connell M. J., Tepper J. E., Krook J. E., Beart R. Jr. and North
Central Cancer Treatment Group. (2001). Impact of surgical and pathologic variables in rectal cancer: a United
States community and cooperative group report. Journal of Clinical Oncology, 19, 3895-902.
[3] Suner A., elikolu C. C., Dicle O. and Skmen S. (2012), Sequential decision tree using the analytic
hierarchy process for decision support in rectal cancer. Artificial Intelligence In Medicine 56(1): 59-68.
ABSTRACT
DSRCT: DECISION SUPPORT FOR RECTAL CANCER TREATMENT
In the treatment of the rectal cancer which is the second most common type of cancer in women and the third
in men worldwide; there are various criteria and treatment options that effect the decision of which treatment
should be applied. It was aimed to create a system to support the physicians decisions in order to determine
the most appropriate treatment method. The decision model that built by combining analytic hierarchy process
and decision tree was presented to the user by using a web-based application. This study supports the decision
making process using patient data as well as expert knowledge.
Key Words: Analytic hierarchy process (AHP), decision trees, rectal cancer treatment, clinical decision
support systems (CDSS), decision making, expert opinion.
214

BAIMLI DURDURMA VARSAYIMI ALTINDA YNELEMEL OLAYLARIN HOMOJEN
POISSON SREC LE MODELLENMES
Hande KONSUK*, Ayten YTER
Hacettepe niversitesi, Fen Fakltesi, statistik Blm, 06800 Beytepe, Ankara, TRKYE
hkonsuk@hacettepe.edu.tr, yigiter@hacettepe.edu.tr
Giri
Son yllarda sakalm analizinde daha fazla bilgi verebilecek oklu olay verileri sklkla alslan bir konudur.
oklu olay verisi iki kategoriye ayrlr. Bunlar yinelemeli olaylar ve yarsan risklerdir. Yinelemeli olaylarda,
birey ya da birim basarszlk olayn birden fazla sayda deneyimlerken, yarsan risklerde ise basarszla
neden olan farkl tipteki olaylardan yalnz bir tanesini deneyimler.
Yinelemeli olay verileri ou kez uzun dnem izlenen alsmalarla toplanmstr ve alsmadaki basarszlk
zaman, bireyin lm, alsmann sona ermesi ya da izlenme dneminde bireyin alsmadan ekilmesi
sebepleriyle durdurmaya maruz kalabilir. Eer durdurma, alsmann sona ermesinden kaynaklanyorsa,
durdurma zaman bamsz ya da bilgi iermeyen seklinde kabul edilir. Birok uygulamada yinelemeli olaylar,
bireyin alsmadan ekilmesi ya da bireyin lm ile sonlandrlr. Bu sekilde meydana gelen durdurma zaman
bilgi ierir ve yinelemeli olay zamanlar ile iliskilidir. Bu iliskiyi gz ard ederek modelleme yapmak yanl
sonular elde edilmesine neden olmaktadr.
Yinelemeli olaylarn analizi iin baml ve bamsz durdurma varsaym altnda birok model nerilmistir.
Bamsz durdurma varsaym altnda nerilen modellerden en nemli tanesi sunlardr: Prentice ve
arkadaslar (1981), yinelemeli olaylar tabakalara ayrarak olaylar arasnda geen zaman, younluk
fonksiyonlar kullanarak modellemislerdir. Wei ve arkadaslar (1989), her bir yinelemeye dek geen zaman
marjinal modelleri kullanarak modellemislerdir. Andersen ve Gill (1982), yinelemeli olaylar bamsz arts
varsaym altnda younluk/oran fonksiyonlar kullanarak modellemislerdir. Baml durdurma varsaym
altnda yaplan baz alsmalar sunlardr: Li ve Lagakos, durdurma deiskeninin lm olay olduunu
dsnerek Wei, Lin ve Weissfeldin nermis olduu yntemi baml durdurma iin uyarlamslardr. Cook ve
Lawless, yinelemeli olaylar ve durdurma olay arasndaki bamllk yapsn bilesik modeller kullanarak
incelemislerdir.
Literatrde baml ve bamsz durdurma varsaym altnda yinelemeli olaylar, sayma sreleri kullanlarak da
modellenmektedir. Bunlardan en yaygn kullanlan homojen Poisson srecidir.
Liu, Wolfe ve Huang, baml durdurma ieren yinelemeli olaylar homojen Poisson sreci kullanarak
modellemis; yinelemeli olaylar ile durdurma olay arasndaki banty kurmak iin iki model nermislerdir.
Durdurma olayna iliskin younluk fonksiyonunu,
( ) ( ) ( ) ( ) ( ) ( ) 1
D
i i i i
t
P dN t F Y t d t Y t t
= = (1)
ve durdurma olaynn varl altnda yinelemeli olay srecine iliskin younluk fonksiyonunu,
( ) ( ) ( ) ( ) ( ) ( ) 1 ,
R
i i i i
t
P dN t F D t Y t dR t Y t r t dt
~
= = (2)
biiminde tanmlamslardr. Liu ve arkadaslar, yinelemeli olay sreci ile baml durdurma srecini
modellerken bilgi iermeyen durdurma srecinin bilgisini modele katmamslardr.
Bu alsmada, baml durdurma varsaym altnda yinelemeli olay sreci, bilesik modeller kullanlarak
modellenmistir. Baml durdurma olarak lm olay dikkate alnmstr. Yinelemeli olay ve baml durdurma
sreleri, Poisson sreleri kullanlarak modellenmistir. Liu ve arkadaslarnn modellerine ek olarak bamsz
durdurma bilgisi de modele katlmstr. Parametreler, en ok olabilirlik tahmin yntemi kullanlarak elde
edilmistir. Farkl senaryolar altnda yaplan simulasyon alsmasnn sonular verilmistir.
KAYNAKLAR
[1] Prentice P.L., Williams B.J. and Peterson A.V. (1981), On the regression analysis of multivariate failure
time data. Biometrika, 68(2): p. 373-379.
215

[2] Wei L.J., Lin D.Y., and Weissfeld L. (1989), Regression analysis of multivariate incomplete failure time
data by modelling marginal distirbutions. Journal of Amerikan Statistical Associations, 84(408): p. 1065-1073.
[3] Andersen P.K. and Gill R.D. (1982), Cox's Regression Model for Counting Processes: A Large Sample
Study. The Annals of Statistics, 10(4): p. 1100-1120.
[4] Liu L., Wolfe R.A. and Huang X. (2004), Shared frailty models for recurrent events and a terminal event.
Biometrics, 60(3): p. 747-756.
[5] Zeng D. and Lin D.Y. (2009), Semiparametric Transformation Models with Random Effects, Biometrics,
65, 746-752.
ABSTRACT
MODELLING RECURRENT EVENT DATA WITH HOMOGENEOUS POISSON PROCESS UNDER
DEPENDENT CENSORING
There has been much work done on the analysis of recurrent event data. There are three major methods which
are commonly used in the literature. These methods are gap time models proposed by Prentice, Williams and
Peterson (1981), marginal hazard models proposed by Wei, Lin and Weissfeld (1989) and intensity/rate
functions proposed by Andersen and Gill (1982). In these studies, censoring is assumed independent from
recurrent event process. However, in many studies, recurrent event data with a terminal event such as death are
often encountered. In such cases independent censoring assumption is violated therefore, recurrent event data
is modeled in the presence of dependent censoring otherwise biased estimates are obtained. In this study, we
modeled recurrent event data with homogeneous Poisson process under dependent censoring assumption. We
defined three intensity functions for death process, recurrent event process given death and recurrent event
process under independent censoring. The parameters are estimated using maximum likelihood method.
Simulation studies have been conducted for different scenarios.
Key Words: Recurrent event data, Homogeneous Poisson process, dependent censoring

216

SALIK YNETM ENFORMASYON SSTEMLERNN ERKEN TEHS VE TANI N
STOKASTK MODELLER LE GELTRLMES
Adem DOANER, Sinan ALIK
Frat niversitesi, Fen Fakltesi, Istatistik Blm,23119, Elazg/TRKIYE
adoganer@firat.edu.tr scalik@firat.edu.tr
Salk Ynetimi Enformasyon Sistemleri
Bilisim sistemleri, gelisen bilgisayar teknolojileri vastasyla hizmet sektrlerinde byk bir ihtiyac
karslayarak ve birok islem konusunda zaman kazanm ve pratiklik saglamaktadr. Bilisim sistemleri, ok
karmask bir yapya sahip olan saglk sistemlerinde de nemli zmler ve pratik uygulamalar
kazandrmaktadr. Saglk bilisim sistemleri temelde uygulama farkllklar bakmndan klinik bilgi sistemleri ve
teshis tedavi sistemleri olarak iki grupta incelenebilmektedir. Saglk bilisim sistemleri, saglk alannda elde
edilen veriler zerinde alsarak bu alanlarn gelistirilmesi iin pratik uygulamalar zerine bilgisayar
teknolojilerinden yararlanarak zmler retmektedir. Klinik bilgi sistemleri, hastane ynetimi, hasta kayt ve
takibi, tbbi grntleme ve laboratuar analiz sonular kaytlar, tedaviye ynelik karar destek gibi alanlarda
bilgisayar destekli sistemler gelistiren bilisim sistemleri olarak ifade edilebilmektedir. Teshis ve tedavi
sistemleri, tedavi ve teshise destek saglayan bilgisayar destekli sistemlerden olusmaktadr. Saglk bilgi
sistemleri, saglk alanndaki yaplan hareketlerin ortak bir havuzda birleserek belirli bir veritaban
olusturulmasna olanak saglamstr. Veritabanndan elde edilen bilgiler dogrultusunda gerek hastane ynetimi
asamasnda, gerekse de tp alsanlarnn hasta teshis tedavi konusunda destek aldg nemli bir sistem halini
almstr.
alsmada saglk enformasyon sistemlerinin gelistirilerek teshis ve tan ve ileriye ynelik meydana gelebilecek
hastalklarn tahminlerinde basarl sonular saglamas amalanmstr. Ileriye ynelik tahminlemelerde
istatistiksel yntemler sklkla uygulanmaktadr. Stokastik modeller, belirli olaslklar ve kosullar altnda
olaslk teoremlerine dayanarak tahminler iin kullanlabilmektedir.
Mevcut enformasyon sistemlerinin pek ogu belirli algoritmalar, veritabanlar ve varlk iliski diyagramlar ile
kaytlar tutma ve dzenli bilgiler olusturma islemini stlenmektedir. alsmada enformasyon sistemlerinin
stokastik modeller ile iliskilendirilerek ileriye ynelik tahminler retebilme yeteneginin kazandrlmas
hedeflenmistir. Bilgi sistemleri ile iliskilendirilecek yntem sakl Markov modelleridir.
2. Sakl Markov Modeli
Sakl Markov Modeli, Markov zincirindeki durumlar aras geis olaslklarnn yan sra durumlara bagl olarak
gelisen gzlem olaslklar olmak zere iki stokastik sreten olusmaktadr. Sakl Markov modelinde bilinen ve
bilinmeyen parametreler mevcuttur. Durumlar aras geisler Sakl Markov modelinde gizlidir. Fakat bu
durumlara bagl olarak gelisen gzlemler mevcuttur ve gzlem olaslklar bilinmektedir. Gzlem olaslklar
araclg ile sistemin hangi durumda oldugu ve durumlar aras geisler tahmin edilmek istenmektedir. Sakl
Markov modelinde geis olaslklar daglm A, her bir durum iin gzlem sembolleri olaslklar B ve
baslang durum daglm a olmak zere kesikli parametreli sakl Markov Modeli;

olarak ifade edilir.
Sakl Markov modeli sistemin elverisligi bakmndan olaslksal incelemeler gereklestirebilir. Bu incelemeler,
sakl Markov modelinin ilgilendigi temel problem zerinedir ve her bir problem zm iin gelistirilmis
algoritmalar mevcuttur.
Sakl Markov modeli, bilgisayar bilimleri basta olmak zere birok alanda yaygn bir uygulama sahas
bulmustur.
217

alsmada, farkl yas ve gruptan gelen hastalarn hastalk belirtileri gzlemler olarak bilgi sistemine dahil
edilmistir. Belirtiler sonucu olusan hastalklar ise durumlar olarak nitelendirilmistir. Belirtilenden yola karak
hastann hangi hastala yakalanaca olaslksal olarak tahmin edilmistir. Dzenlenen sakl Markov modeli,
enformasyon sistemi ile iliskilendirilerek hastalarn gemiste geirdikleri hastalklar ve tbbi deerler dikkate
alnarak gelecekte hangi hastalklarla kars karsya kalabilecekleri tahmin edilmistir.
KAYNAKLAR
[1] Rabiner, L., (1989). A tutorial on hidden Markov models and selected applications in speech recognition.
Proceeding of IEEE. 77(2):257-286.
[2] Baum, L.E., (1972). An Inequality and Associated Maximization Technique in Statistical Estimation of
Probabilistic Functions of a Markov Process. Inequalities 3: 18.
[3] Dynkin, E.B., (1961), Theory of Markov processes. Pergamon Press, London.
[4] mrbek, N.and Altn, F.G., (2009). Salk Bilisim Sistemlerinin Uygulanmasna Iliskin bir Arastrma,
Isparta, SD Fen Edebiyat Fakltesi Sosyal Bilimler Dergisi, 19:211-232.
[5] Gles, H.K. and zata M., (2005). Salk Bilisim Sistemleri, 1.Basm, Ankara, Nobel Yayn.
ABSTRACT
HEALTH MANAGEMENT INFORMATION SYSTEMS DEVELOPMENT WITH STOCHASTIC
MODELS FOR EARLY DETECTION AND DIAGNOSIS
In this study, Health information systems for early detection and diagnosis were developed using Hidden
Markov models. Symptoms and diseases were defined as observations and states for hidden Markov model,
respectively.
Key Words: Information Systems, Syptoms, Diseases, Hidden Markov Model.
218

BLDR OTURUMLARI 4
SESSION 4
Modelleme ve Simlasyon
219

TOZ METALURJSYLE RETLM KENDNDEN YALAMALI BRONZ YATAKLARDA
YOUNLUA, GZENEKLLE VE AINMAYA ETK EDEN PARAMETRELERN DENEY
TASARIMI YNTEMYLE ARATIRILMASI
Alper SOFUOLU
1
, Yusuf ATAK
1
, Ibrahim USLAN
1
1
Gazi niversitesi, Mhendislik Fakltesi, Makine Mhendisligi, 06570, Maltepe, Ankara, Trkiye,
masofuoglu @gazi.edu.tr
1. GR
Toz metalurjisi ile retilmis kendinden yaglamal? yataklardaki gzenekler yag deposu grevi yapmaktad?rlar.
Mil dnmeye baslad?ktan sonra sistemde s?cakl?k ykselmeye baslar. Yatak ile mil aras?ndaki yag filminin
hidrodinamik bas?ntaki degisikligin etkisiyle yag gzenekerden mile dogru emilir. Dnme islemi durdugunda,
yatak soguyarak k?lcall?k etkisiyle yag gzenekler taraf?ndan emilir. Toz metalurjisiyle retilen yataklarda
malzeme ve s?k?st?rma bas?nc?, yogunluk, gzeneklilik, as?nma miktar?n? etkileyebilmektedir.
2. LTERATR
Cho ve ark. [1] grafit, Sb
2
S
3
, MoS
2
kat? yaglay?c?lar?n?n otomobil srtnme performans?na etkilerini
arast?rm?slard?r. Sb
2
S
3
ve grafitin srtnme katsay?s?n? kararl? hale getirdigini, Sb
2
S
3
ve MoS
2
ilavesinin de
as?nma direncini azaltt?g?n? grmslerdir.
Tfeki ve ark. [2] bronz ve demir esasl? kendinden yaglamal? yataklar?n as?nma ve srtnme davran?slar?n?
k?yaslam?slard?r. Bronz yataklar?n daha iyi srtnme ve as?nma performans? gsterdigini grmslerdir.
Deneylerde yk, kayma h?z? ve s?cakl?g? degistirmislerdir.
Bu al?smada, toz metalurjisi yntemiyle retilmis kendinden yaglamal? bronz yataklarda grafit katk?s?n?n,
s?k?st?rma bas?nc?n?n ve mesafe miktar?n?n yogunluk, gzeneklilik ve as?nma miktar? zerindeki etkileri deney
tasar?m? yntemiyle incelenmistir. Bu arast?rmada Atak [3]?n al?smas?ndan yararlan?lm?st?r. Deney
sonular?n?n baz? degerleri Tablo-1de gsterilmistir. Atak [3]?n yapt?g? al?smada, ilk olarak, ortalama toz
boyutu 60 m olan n alas?ml? CuSn10 bronz tozlar?na ag?rl?ka % 1-2-3 oran?nda grafit tozlar? ilave edilerek
homojen kar?s?mlar olusturmak iin Turbula tipi kar?st?r?c?da 20 dakika sre ile kar?st?r?lm?st?r. Haz?rlanan toz
kar?s?mlar? 100 MPa ile 250 MPa aras?nda 50 MPa aral?klarla s?k?st?r?lm?st?r. Sinterlenmis yatak
malzemelerinin ogunlugu ve gzenekliligi Arsimet ilkesi uygulanarak hesaplanm?st?r. Sinterlenmis
numunelerin gzenek dag?l?m? ?s?k mikroskobu ile incelenmistir. Bu al?smada gerek yogunluga, gzenek
miktar?na ve as?nma miktar?na etki eden faktrler tam faktriyel deney tasar?m? yntemiyle arast?r?lm?st?r.
Paket program olarak MINITAB 16.0 kullan?lm?st?r
Tablo 1. Deney sonular?

220

3. SONULAR
1-Grafit miktarnn ve basn miktarnn gerek younlua etkilerini arastrmak iin tam faktriyel deney
tasarm alsmas yaplmstr.
2-Grafit miktarnn ve basn miktarnn gzenek miktarna etkilerini arastrmak iin tam faktriyel deney
tasarm alsmas yaplmstr.
3-Mesafenin, skstrma basncnn ve grafit miktarnn asnma miktarna etkilerini arastrmak iin tam
faktriyel deney tasarm alsmas yaplmstr.
4-Grafit miktarnn ve basn miktarnn %95 gven aralnda gerek younluu ve gzenek miktarn
etkiledii, bu faktrlerle beraber mesafenin asnma miktarn %95 gven aralnda etkiledii grlmstr.
KAYNAKLAR
[1] M. H. Cho, , J. Ju, S. J. Kim, H. Jang, "Tribological Properties of Solid Lubricants (graphite, Sb2S3,
MoS2) for Automotive Brake Friction Materials", Wear, 260: 855-860 2006.
[2] K.Tfeki, C. Kurbanolu, E.Durak, R. F.Tunay, , "Friction and Wear Properties of Cu and Fe-based P/M
Bearing Materials", Journal of Mechanical Science and Technology, 20 (44): 513-521 2006.
[3] Y. Atak, Kendinden Yalamal Grafit Katkl Bronz Yataklarn Asnma Davransnn Incelenmesi
Yksek Lisans Tezi, Gazi niversitesi Fen Bilimleri Enstits, Ankara, 2009.
INVESTIGATION OF WEAR PROPERTIES OF GRAPHITE ADDED SELF-LUBRICATED
BRONZE BEARINGS
In this study, the effects of graphite addition on wear performance of self lubricated bronze bearings produced
by P/M technology were investigated using Design of Experiment. Using pin-on-disc test apparatus, self-
lubricated bearing materials were tested at 1 m/s sliding velocity, 15 N load, and 2000 m distance in laboratory
conditions. Wear rates were calculated. The results indicated that the wear performance of self-lubricated
bronze bearing materials were dependent on the amount of graphite addition and compacting pressure. When
the pressing pressure was increased, the density of the bearing materials increased, but percentage of porosity
decreased. Results of wear tests showed that with adding graphite and increasing pressing pressure there was a
decrease in wear rate.
Key Words: P/M, self-lubricated, bearing, bronze, graphite, wear, porosity.
221

DORULAYICI FAKTR ANALZNDE RNEKLEM HACM, TAHMN YNTEMLER VE
NORMALLN UYUM LTLERNE ETKS
Murat DOAN, zer ZAYDIN, Veysel YILMAZ
Eskisehir Osmangazi niversitesi, Fen Edebiyat Fakltesi, statistik Blm, 26040, Eskisehir, TRKYE,
mdogan@ogu.edu.tr, oozaydin@ogu.edu.tr, vyilmaz@ogu.edu.tr
Giri
Yapsal Esitlik Modelleri (YEM), nedensel iliskilerin tahmin edilmesinde ve test edilmesinde kullanlan bir
yntemdir. Dorulayc Faktr Analizi (DFA) ise gizil ve gzlenen deiskenler arasndaki iliskilerin lm
modelleriyle ilgilenen YEMin bir parasdr. Bu alsmada, DFA uyum ltlerinin farkl kosullar alndaki
karakteristik zelliklerinin belirlenmesi amacyla MC simlasyonu yardmyla yaplmstr. Bu simlasyon
alsmasnda, rneklem hacminin 7 farkl durumu (50, 100, 200, 400, 800, 1600, 4000), tahmin ynteminin 4
farkl durumu (En ok Olabilirlik, En Kk Kareler, Genellestirilmis En Kk Kareler, Arlklandrlms
En Kk Kareler) ve dalmsal kosulun 3 farkl durumu (ok boyutlu normallik varsaym, az derecede
normallikten sapma, orta derecede normallikten sapma) ele alnmstr. Simlasyon alsmas, bu kosullarn,
CFAda ve YEMde en ok kullanlan 11 uyum ltne (
2
, GFI, AGFI, IFI, MFI, NFI, NNFI, CFI, RMR,
SRMR ve RMSEA) etkisini incelemek amacyla EQS yazlm yardmyla olusturulmustur.
Yntem
Sekil 1. alsmada kullanlan CFA Modeli
Simlasyon alsmas Paxton ve arkadaslarnn (2001) yapt gibi 9 admda olusturulmustur. Bu admlar;
ilgilenilen arastrma sorusunun teorik olarak gelistirilmesi, soruya uygun modelin olusturulmas, alsmaya
uygun deneysel kosullarn seilmesi, kitle parametre deerlerinin seilmesi, uygun yazlm programnn seimi,
simlasyonun yrtlmesi, simlasyon ktlarnn uygun sekilde depolanmas, sorun giderme ve dorulama ve
sonularn zetlenmesi seklinde zetlenebilir. alsmann arastrma modeli Raykov ve Marcoulides (2006)
tarafndan olusturulan ve Sekil 1de verilen DFA modeli kullanlmstr.
Sonu
222

alsma sonucunda ki kare uyum ls ok boyutlu normallik varsaym altnda rneklem hacmi arttka
byk deerler alarak gereki olmayan sonular verirken, normallik varsaymnn olmad durumlarda ise
rneklem hacminin bymesinden ok fazla etkilenmemektedir. IFI ve NNFI normallik varsaymnn
salanmad az derecede ve orta derecede normal olmayan durumlarda tutarsz sonular verdii iin
kullanlmamas tavsiye edilebilir. NFI ve CFI uyum indeksleri ML ve LS tahmin ynteminde ve sadece
normallik varsaymnn saland durumlarda iyi sonu vermektedir dolaysyla sadece bu sartlar altnda
kullanlmas nerilebilir.
Bu alsma yurtdsnda sk bir sekilde kullanlan EQS yazlmnn Trkiyede YEM zerine ilk olarak bir
simlasyon alsmasnda kullanlmstr. Bu durumum YEM kullanan arastrmaclar iin farkl bir baks as
olaca deerlendirilmektedir.
KAYNAKLAR
[1] Paxton P., , Patrick J. Curran , Kenneth A. Bollen , Jim Kirby & Feinian Chen (2001), Monte Carlo
Experiments: Design and Implementation, Structural Equation Modeling: A Multidisciplinary Journal, 8:2.
[2] Raykov, T. and Marcoulides, G.A., (2006), A first course in structural equation modeling-2nd ed.,
Lawrence Erlbaum Associates, Mahlah-New Jersey-London, 238 p.
ABSTRACT
INFLUENCE OF SAMPLE SIZE, ESTIMATION METHOD AND NORMALITY ON FIT INDICES
IN CONFIRMATORY FACTOR ANALYSIS
Structural equation modeling (SEM) is a statistical technique for testing and estimating causal relations, they
are suited to both theory testing and theory development. Confirmatory Factor Analysis (CFA) is a type of
SEM that deals specifically with measurement models, that is, the relationships between observed and latent
variables. In this study, Monte Carlo (MC) simulation is used to evaluate the characteristics of CFA fit indices
under different conditions. A simulation study was conducted with EQS software. As a result of this study, all
of the conditions discussed have influence on fit indices.
Key Words: Confirmatory Factor Analysis, Monte Carlo Simulation, EQS, Structural Equation Modeling, Fit
Indices

223

SALAM LEK TAHMN EDCLERNN ARPIKLIA BALI OLARAK
DAVRANILARININ KARILATIRILMASI
Celal AYDIN, Necla GNDZ*
Gazi niversitesi Fen Fakltesi Istatistik Blm 06500 Ankara Trkiye
aydinc@gazi.edu.tr, guduznecla@yahoo.com
Giri
Dalmn tam olarak belli olmad durumlarda, lek parametresine iliskin tahmin edicileri, parametrik
olmayan lleri kullanarak elde etmek daha gvenlidir. Bu tr tahmin ediciler sz konusu olduunda,
salamlk byk nem kazanmaktadr.
Bu alsmada yer verilen lek tahmin edicileri, iyi bir salamlk ls olarak kabul gren krlma noktas
(breakdown point) deeri bakmndan her de %50 deerine sahiptir. Dalmn younlast aral
ngrmek bakmndan is grebilecek zellikte olan ve ayn derecede salam olan lek tahmin edicisi,
dalmn arpklna kars davranslar bakmndan incelenmeye alslmstr.
lek tahmin edicileri hesaplanrken, lokasyon tahmin edicisi olarak, medyan istatistiini kullanmak uygun
olmaktadr ve
rassal rnei iin medyan istatistii;
dir.
Medyandan mutlak sapmalarn medyan olarak tanmlanan
istatistii,
rassal rnei
iin;
dir.
istatistii, gzlemlerin medyan deerlerinden olan uzaklklarna odaklanmaktadr. Bu bakmdan,

medyan merkezli,
uzunluklu simetrik aralk, simetri zellii olan dalmlarda, dalmn yarsn

kapsamaktadr [1].
Ikinci olarak,
istatistii,
rassal rnei iin;
dir.
Her iin,
kmesinin medyan bulunur. Bu sekilde elde edilen tane medyan

deerinin de medyan alnarak,
istatistii elde edilir [2].

Tanmdan anlasld gibi,
istatistii dikkatini, gzlemlerin bir merkezi deerden ne kadar uzak olduklarna

evirmek yerine, gzlemlerin birbirinden uzaklklarna evirmis durumdadr.
istatistii hesaplanrken,
lokasyon tahminine ihtiya bulunmamaktadr.
Son olarak
istatistii, ikili mutlak farklarn nc sra istatistii olarak;

,

olmak zere;

dir.
istatistiinin hesaplanma zaman,
istatistiine gre hayli yksektir ancak kolayca uygulanabilmektedir

[2].
Gamma dalm iki parametreli olup, simetrik olmayan bir ailedir. Dalmn parametrelerinden birinin bir
fonksiyonu arpklk ls olarak karsmza kmaktadr [3].
224

Sz konusu tahmin edicilerin arpkla bal olarak nasl bir deime gsterdiklerini grmek bakmndan
Gamma ailesinin uygun olduu dnld. Farkl arpklk derecelerindeki Gamma dalmlarndan,
simlasyon yoluyla farkl rnek apl rassal rnekler elde edilerek, sz konusu tahmin edicilerin deerleri her
rassal rnek iin hesaplanarak tablolatrld. Tahmin edicilerin arpkla ve rnek apna bal olarak
davranlar incelenmeye alld.
KAYNAKLAR
[1] Serfling, R., Mazumder, S., (2009), Exponential probability inequality and convergence results for the
media absolute deviation and its modifications. Statistics and Probability Letters 79, 1767-1773.
[2] Rousseeuw, J. P., Croux, C., (1993), Alternatives to the median absolute deviation. Journal of the American
Statistical Association 88, 1273-1283.
[3] Bannheka, B., M., S., G., Ekanayake, G., E., M., U., P., D., (2009), A new point estimator fort he median of
gamma distribution. Vidyodaya J. Of Sci. 14, 95-103.
ABSTRACT
COMPARSONS OF THE BEHAVIOUR OF ROBUST SCALE ESTIMATORS IN RESPECT OF
SKEWNESS
In the situations where the distribution is not certain, it is more appropriate to use nonparametric measures to
obtain scale estimators. Robustness became important. Three scale estimators with the same degree of
robustness and which are also capable for the prediction of condensation range of distribution are examined as
a function of skewness in the distributional sense.
Key Words: Scale estimation, robustness, breakdown point, median absolute deviation, skewness.

225

MODEL BELRLEMES, RNEKLEM HACM VE TAHMN YNTEMNN YAPISAL ETLK
MODELLER UYUM LLERNE ETKS
Rana SEN Veysel YILMAZ
Eskisehir Osmangazi niversitesi, Istatistik Blm, 26040, Eskisehir, TRKIYE
ranasen@ogu.edu.tr, vyilmaz@ogu.edu.tr
Giri
Yapsal Esitlik modelleri (YEM), gzlenen degiskenlerin dogrusal bilesimi olarak yazlabilen ok sayda isel
ve dssal gizil degiskeni birlikte ele alan bir modelleme yntemidir. Bu yzden, YEM arastrmalarnda model
uyumunun degerlendirilmesi zorlu bir konudur. YEMde model uyumunun deneysel olarak degerlendirilmesi
ve istatistiksel tahminlerin elde edilmesinde Monte Carlo (MC) simlasyonu yaygn olarak kullanlmaya
baslanmstr.
Bu alsmada, model belirlemesinin, rneklem hacminin ve tahmin ynteminin YEMde kullanlan uyum
ltlerine etkisi, bir MC simlasyonu tasarlanarak arastrlmstr. Bu deneysel dizaynda, veriler EQS program
yardmyla, bir kitle kovaryans matrisinden retilmis ve farkl model belirlemesi (dogru model, az yanls
model, orta derecede yanls model) durumlarndaki YEM modellerine uydurulmustur. alsmada, rneklem
hacminin 6 dzeyi (50, 100, 200, 400, 800 and 1600), tahmin ynteminin ise 3 dzeyi (En ok Olabilirlik
(ML), En Kk Kareler (LS) ve Genellestirilmis En Kk Kareler (GLS)) incelenmistir. En ok kullanlan
11 uyum lt (Ki Kare, GFI, AGFI, NFI, NNFI, CFI, IFI, MFI, RMR, SRMR, RMSEA) zerinde
alslmstr.
Yntem
Yapsal esitlik modelleri, yapsal modelin ve lm modelinin birlesiminden olusur. Yapsal model, gizil
degiskenler arasndaki iliskileri zetleyen yapsal esitlikleri ierir. Yapsal model, matris notasyonuyla Esitlik
1de verildigi gibidir. lm modeli ise, gzlenen degiskenlerle bagl olduklar gizil degiskenler arasndaki
iliskileri tanmlayan esitlikleri ierir. lm modeli, matris notasyonuyla Esitlik 2 ve Esitlik 3de verildigi
gibidir.
. B = + + (1)
A
y
Y = + (2)
A
x
X = + (3)
YEM alsmalarnda, zellikle son yllarda ska rastladgmz Monte Carlo (MC) simlasyonu, belirli sartlar
altnda uyum ltlerinin performanslarnn degerlendirilmesi amacyla veri retiminde kullanlan bir
simlasyon yntemidir (Paxton et.al., 2001). alsmada kullanlan arastrma modeli Sekil 1deki gibidir.
226

ekil 1.Aratrma Modeli
Bulgular
Bu almada, model belirlemesine en duyarl uyum ltnn SRMR, rneklem hacmine en duyarl uyum
ltlerinin ise GFI, AGFI ve NFI olduu bulunmutur. Model belirlemesi, rneklem hacmi ve tahmin yntemi
l etkileimine duyarl uyum ltlerinin ise sadece GFI, AGFI ve NFI olduu gzlenmitir.
KAYNAKLAR
[1] Paxton, P., Curran, P.J., Bollen, K.A., Kirby, J. and Chen, F. (2001), Monte carlo experiments: design and
implementation, Structural Equation Modeling: A Multidisciplinary Journal, 8, 2, 287-312.
ABSTRACT
EFFECTS OF MODEL MISSPECIFICATION, SAMPLE SIZE AND ESTIMATION METHODS ON
STRUCTURAL EQUATION MODELING FIT INDICES
In this study, a Monte Carlo simulation study was conducted to investigate the effects on structural equation
modeling (SEM) fit indices of, model specification, sample size and estimation method. Based on balanced
experimental design, samples were generated from a population covariance matrix and fitted to structural
equation models with different degrees of model misspecification (true, slightly misspecified or moderately
misspecified models) with EQS software. Six levels of sample size (50, 100, 200, 400, 800 and 1600) and three
levels of estimation method (Maximum Likelihood (ML), Least Square (LS) and Generalized Least Square
(GLS)) were examined.
Key Words: Structural Equation Modeling, Fit Indices, Model Misspecification, Monte Carlo Simulation
227

BURR XII DAILIMININ KONUM VE LEK PARAMETRELERNN
TAHMN: MONTE-CARLO SMLASYON ALIMASI
Fatma Gl AKGL
1*
, Birdal SENOLU
1
Ankara niversitesi, Fen Fakltesi, statistik Blm, 06100 Tandoan, Ankara
1
fgakgul@ankara.edu.tr, senoglu@science.ankara.edu.tr
Giri
Burr (1942) tarafndan nerilen dalm mhendislik, gvenilirlik, hidroloji, yasam modelleri ve akterya gibi
birok alanda yaygn uygulama alanlarna sahiptir. Burr XII dalmnn olaslk younluk fonksiyonu

(1)
seklinde ifade edilir. Burada, konum, lek, ve ise sekil parametreleridir.
Sekil parametreleri ve nn farkl deerleri iin Burr XII dalmnn olaslk younluk fonksiyonuna ait
grafikleri asada verildii gibidir. Sekil parametrelerinin ald deerlere gre Burr XII dalm simetrik veya
arpk olabildii gibi, ksa kuyruklu veya uzun kuyruklu da olabilir. Bu durum uygulamada verileri
modellerken esneklik salar.
ekil 1. Burr XII dalmnn farkl sekil parametreleri iin olaslk
younluk fonksiyonu grafikleri
Literatrde, Burr XII dalmnn parametrelerinin tahmin edicileri ile ilgili birok alsma mevcuttur, bkz.
Wingo (1983), Hossain ve Nath (1997) ve Shao (2004).
Bu alsmada, Burr XII dalmnn sekil parametrelerinin bilindii varsaym altnda konum ve lek
parametrelerinin en kk kareler (least squares-LS), momentler (method of moments-MM), en ok olabilirlik
(maximum likelihood-ML) ve uyarlanms en ok olabilirlik (modified maximum likelihood-MML) tahmin
edicilerinin etkinlikleri, , ve nin farkl deerleri iin, Monte Carlo simlasyon alsmas ile
karslastrlmstr. Tahmin edicilerinin etkinlikleri karslastrlrken
(2)
kullanlmstr. birden fazla tahmin edicinin etkinliinin birlikte deerlendirilmesi amacyla kullanlan ve
lerin toplam olarak ifade edilen bir kavramdr.
0 0.5 1 1.5
0
0.5
1
1.5
2
2.5
3
3.5
4
c=4 k=6
c=5 k=6
c=5 k=2
c=2 k=5
c=4 k=8
c=5 k=10
c=10 k=5
228

Dier almalardan farkl olarak bu almada Tiku (1967) tarafndan nerilen MML yntemi
karlatrmalara dhil edilmitir. Bildiimiz kadaryla daha nce Burr XII dalmnn konum ve lek
parametreleri tahmin edilirken MML yntemi kullanlmamtr. Olabilirlik denklemlerinin logaritmasnn ilgili
parametrelere gre trevleri alnp sfra eitlendiinde analitik zme ulalamazsa iteratif yntemler tercih
edilir. Ancak iteratif yntemler kullanlrken birden fazla kke yaknsama, yanl kke yaknsama veya hi
yaknsamama v.b. gibi problemlerle karlalabilir. MML yntemi bahsedilen problemlerden kanmak ve
parametrelerin tahmin edicilerinin ak zmlerini elde etmek iin nerilen bir parametre tahmin yntemidir.
Monte-Carlo simlasyon almasnn sonucunda ML ve MML yntemi ile bulunan tahmin edicilerin
etkinliklerinin dier yntemlere gre daha yksek olduu grlmtr. Bunun yan sra, literatrden alnan
gerek bir veri seti kullanlarak Burr XII dalmnn konum ve lek parametreleri tahmin edilmitir.
KAYNAKLAR
[1] Burr, I.W. (1942), Cumulative frequency functions, Annals of Mathematical Statistics 13, 215232.
[2] Hossain, A.M. and Nath, S.K. (1997), Estimation of parameters in the presence of outliers for a burr
XII distribution, Communications in Statistics-Theory and Methods, 26(3), 637-652.
[3] Shao, Q. (2004), Notes on maximum likelihood estimation for the three-parameter Burr XII
distribution, Computational Statistics & Data Analysis, 45, 675687.
[4] Tiku M. L. (1967), Estimating the mean and standard deviation from a censored normal sample,
Biometrika, 54, 155-165.
[5] Wingo, D.R. (1983), Maximum likelihood methods for fitting the Burr Type XII distribution
parameters to life test data, Biometrical Journal, 25, 7784.
ABSTRACT
ESTIMATION OF THE LOCATION AND THE SCALE PARAMETERS OF BURR XII
DISTRIBUTION: MONTE-CARLO SIMULATION STUDY
In this study, when the shape parameters are assumed to be known, least squares estimators (LS), method of
moment estimators (MM), maximum likelihood estimators (MLE), modified maximum likelihood estimators
(MML) are used to estimate the location and the scale parameters of Burr XII distribution. We compare the
performances of these estimators via Monte Carlo simulation study for different sample sizes and shape
parameter values with regards to their joint efficiency.
Key Words: Burr XII distribution, least squares, method of moments, maximum likelihood, modified
maximum likelihood, efficiency.
229

K-KARE UYUM YL TESTNDE MNMUM SINIF SAYISININ T-TEST KULLANARAK
BENZETMLE BELRLENMES
Orhan KESEMEN*, Bura Kaan TIRYAKI
Karadeniz Teknik niversitesi, Fen Fakltesi, Istatistik ve Bilgisayar Bilimleri Blm, Trabzon, TRKIYE
okesemen@gmail.com, bugrakaantiryaki@gmail.com
Giri
Ki-kare istatistii uyumun yeterlilii iin karar vermek amacyla kullanlr. Uyum terimi gzlenen rneklem
dalmlarnn ya da deneysel sonularla elde edilen dalmlarn, beklenen ya da normal, binom, Poisson ve
dzgn dalm gibi kuramsal dalmlarla karslastrlmas iin kullanlr. Beklenen frekanslarn erisi
gzlenen frekanslarn erisi zerine izilir ve ki-kare istatistii uyumun yeterli olup olmadn belirlenir [1].
Ki-kare uyum iyilii testi yaplrken snf says birok problemde frekans tablosu iinde hazr olarak verilir.
Snf saysn bulmak iin ayr bir hesaplama yaplmaz. Bu tr uyum iyilii testi problemlerinde snf says
bilindiinden serbestlik derecesi kolaylkla hesaplanr ve test islemi gereklestirilir. Ancak gerek hayat
problemlerinde frekans tablosu, testi yapan kisi tarafndan olusturulur. Snf says belirlenirken beklenen
frekansn %20den fazlasnn 5ten kk olmamasna dikkat edilir. Fakat beklenen frekansn 5ten kk
olmamas varsaymn gereklesirken, snf saysnn gereinden fazla seilmesi beklenen frekansn 5ten daha
az olmasna, gereinden az seilmesi ise testin gcnn azalmasna, 2.tip hatann artmasna neden olmaktadr.
Yntemler
Frekans tablosu olusturulurken, snf saysnn belirlenmesinde genel kabul edilebilir bir kural olmamakla
birlikte, testi yapan kisinin deneyimine bal kalnr ve veriyi en iyi temsil eden yntem kullanlr. Genel olarak
snf says 5 ile 20 arasnda olmas kabul edilir. Snf saysnn belirlenmesi iin baz kurallar ve formller
gelistirilmistir.
Sturges Kural

n: gzlem says, k: snf says
(1)
Karekk Seim Forml

(2)
Rice Kural


(3)
Doane Forml

(4)

(5)
n: gzlem says, k: snf says,
: dalmn 3. momentinin kestirimi

230

nerilen Yntem
Ki-kare uyum iyilii testinde minimum snf says t-testi kullanarak benzetimle belirlenmistir. Benzetim iin
snf says 2 ile 50 aralnda, rneklem says ise 30dan baslayp 10ar artsla 100e kadar, sonra 100den
baslayp 100er artslarla 1000 kadar alnmstr. Ve her bir rneklem says iin tm snflarn ki-kare deerleri
hesaplanmstr. Hesaplanan ki-kare deerleri 0.01, 0.05, 0.10 anlamllk dzeylerinde test edilmistir. Kabul
edilmeyen hipotezlerin anlaml olup olmad t-testi ile test edilmistir ve anlaml olan minimum snf says
belirlenmistir.
KAYNAKLAR
[1] Prof.Dr. Fikri AKDENIZ (2007), Olaslk ve Istatistik, Nobel Kitabevi.
[2] Sturges, H. A. (1926). "The choice of a class interval". Journal of the American Statistical
Association: 6566.
[3] Doane DP (1976) Aesthetic frequency classication. American Statistician, 30: 181183
[4] Online Statistics Education: A Multimedia Course of Study (http://onlinestatbook.com/). Project Leader:
David M. Lane, Rice University (chapter 2 "Graphing Distributions", section "Histograms")
ABSTRACT
DETERMINING MINIMUM NUMBER OF CLASS FOR CHI-SQUARE GOODNESS OF FIT TEST
USING T-TEST WITH SIMULATION
In this study, minimum number of class for chi-square goodness of fit test was determined with simulation. For
the simulation, number of classes were taken range of 2 to 50 and the number of the sample were taken starting
from 30 up to 100 with 10 increments, then from 100 up to 1000 with 100 increments. Also, each samples of
the chi-square values were calculated for the number of all classes. Calculated chi-square values were tested
0.01, 0.05, 0.10 significance levels. Moreover, rejected hypotheses were tested by t-test. Lastly, the minimum
significant number of classes were determined.
Key Words: Frequency distribution, chi-square goodness of fit test, number of bins
231

BLDR OTURUMLARI 4
SESSION 4
Kalknma Bakanl zel Oturumu 1
232

BLGESEL BYME ODAKLARI BELRLEME ALIMASI
Leyla BILEN KAZANCIK
Kalknma Bakanl Necatibey Caddesi No: 110/A 06100 Ankara Trkiye
lbilen@dpt.gov.trr
almann Kapsam ve Amac
lkemizde planl kalknma dnemiyle birlikte, blgesel gelisme, blgeleraras gelismislik farklarnn
azaltlarak kalknmann yaygnlastrlmas ncelikli politikalar arasnda yer almstr. Dokuzuncu Kalknma
Plannn Blgesel Gelismenin Salanmas ve Rekabet Gcnn Gelistirilmesi eksenlerinde basta
azgelismis blgelerde olmak zere, byme ve evrelerine hizmet verme potansiyeli yksek Cazibe
Merkezleri (Blgesel Byme Odaklar) belirlenerek, yerel dinamiklere ve isel potansiyele dayal gelisme
ortamnn olusturulmas, kamu yatrm uygulamalarnda ve hizmet arznda mekansal nceliklendirme ve
odaklanmann salanmas amalanmaktadr. Bu amaca ynelik olarak bir blgesel byme odanda olmas
gereken kriterler tespit edilmis ve ok deiskenli istatistiksel yntemler kullanlarak Blgesel Byme
odaklarnn belirlenmeye alslmstr.
Teorik ereve
Blgesel Byme arac olarak cazibe merkezleri politikasnn kkleri 1960l yllara kadar uzanmaktadr.
Byme kutuplar kuramna (growth pole theory) gre cazibe merkezi olarak belirledii kentlere, blgesel
meknsal yapy dnstrmek amacyla kamu yatrmlar youn bir sekilde ynlendirilir. Kamu desteiyle
yaratlan bu ylma ekonomisinin blgenin tamam iin yarataca yeni is imknlar, retim kapasitesinin
artmas gibi dssallklar sayesinde blgesel lekte bir refah arts salanmas hedeflemektedir.
Blgesel byme Odaklar (Cazibe merkezleri) yaklasm ile gelisme potansiyeli bulunan belirli bir kent
merkezinin desteklenmesi, ksa dnemde ilgili merkezin bulunduu blge iinde bir gelismislik fark
olusmasna yol aaca ngrlmektedir. Bu sayede, belirlenen kent merkezlerinin kalknmasna ivme
kazandrlacak ve daha sonra bu gelisme evre merkezlere de srayarak i g blge ierisinde tutulmasna ve
ulusal dzeyde blgesel gelismislik farklarnn azaltlmasna katkda bulunacaktr.
Cazibe merkezlerinin belirlenmesinde ok boyutlu lekleme, temel bilesenler analizi, diskriminant analizi
yntemleri kullanlmstr. ok boyutlu lekleme yntemi (B), nesne ya da birimler arasnda gzlemlenen
benzerlikler ya da farkllklardan olusan uzaklk deerlerine dayal olarak bu nesnelerin tek ya da ok boyutlu
uzaydaki gsterimini elde etmeyi amalayan, bylece nesneler arasndaki iliskilerin belirlenmesini salayan
ok deiskenli bir istatistiksel analiz yntemidir. Bnin amac, mmkn olduunca az boyutla, nesnelerin
yapsn (uzaklk deerleri kullanarak) orijinal sekle yakn bir sekilde ortaya koymaktr. Bu nedenle Bnn
boyut indirgemeyi hedefleyen bir Q teknii olduu sylenebilir. B; kmeleme ve diskriminant analizi gibi
gruplamay amalayan Q teknikleri arasnda yer alrken, ayn zamanda boyut indirgeme zellii nedeniyle R
teknikleri arasnda da yer almaktadr.
Diskriminant analizi, birimleri en az hata ile ait olduklar kitlelere ayrmak iin gelistirilmis istatistiksel bir
yntemdir. Genel olarak birimlerin gruplanmasnda baz matematiksel esitliklerden faydalanlr. Diskriminant
fonksiyonu olarak adlandrlan bu esitlikler, birbirine en ok benzeyen gruplar belirlemeye olanak salayacak
sekilde gruplarn ortak zelliklerini belirlemek amacyla kullanlmaktadr. Diskriminant analizi araclyla
elde edilen diskriminant (ayrc) fonksiyonlar, tahmin deiskenlerinin dorusal bilesenlerinden olusmaktadr.
Diskriminant fonksiyonlar gruplar aras farklla etki eden deiskenlerinin hangileri olduunu ortaya karr.
Diskriminant analizinin bir dier nemi ise, gruplardan herhangi birisine ait olan ancak hangi gruptan geldii
bilinmeyen bir birimin ait olduu grubu en az hata ile saptamasdr.
Uygulama ve Sonular
Trkiyenin grece az gelismis Dou Anadolu, Gneydou Anadolu, I Anadolu ve Karadeniz blgelerinde
(TR7, TR8, TR9, TRA, TRB, TRC Dzey 1 blgeleri) yer alan Endstriyel Byme oda olmayan iller
alsma kapsamnda yer almstr. Blgesel Byme Odaklar olabilecek illeri belirlemek zere; ilin tahakkuk
eden vergisinin lke iindeki pay, kisi basna tahakkuk eden vergi, sanayi sektr istihdamnn lke sanayi
sektrndeki pay, hizmetler sektr istihdamnn, lke hizmetler sektrndeki pay, sehir nfusunun lke
sehir nfusu iindeki pay, kisi basna elektrik tketimi, elektrik tketimin Trkiye iindeki pay, Sosyo-
Ekonomik Gelismislik Endeksi, retim eleman saysnn lke iindeki pay, DHMI yurt ii ve yurt ds yolcu
saylarnn lke iindeki pay deiskenleri kullanlmstr. Farkl yntemlerden elde edilen sonularn bir
karslastrmas yaplmstr. Analizler sonucunda Trabzon, Diyarbakr, Samsun, Erzurum, Van, Elaz,
Malatya, anlurfa, Zonguldak ve Sivas illeri blgesel byme oddaklar olarak belirlenmitir.
233

KAYNAKLAR
[1] Kalknma Bakanl (2013), Blgesel Gelime Ulusal Stratejisi (Taslak Dokman), Ankara.
[2] Seluk Sertesen, Blgesel Gelimede Yeni Bir Politika Arac: Cazibe Merkezleri, TEPAV.
Deerlendirme Notu. http://www.tepav.org.tr/upload/files/
1271312063r1374.Bolgesel_Gelismede_Yeni_Bir_Politika_Araci_Cazibe_Merkezleri.pdf Eriim tarihi
03.10.2013.
[3] Kuzey Anadolu Kalknma Ajans (2012), Cazibe Merkezleri zet Raporu.
[4] KARA, M., 2008. "Blgesel Rekabet Edebilirlik Kavram ve Blgesel Kalknma Politikalarna
Yansmalar", (DPT, Planlama Uzmanl Tezi), Ankara, 2008,
http://ekutup.dpt.gov.tr/bolgesel/karam/rekabet.pdf, 31 Ocak 2010.
ABSTRACT
REGIONAL GROWTH POLES DETERMINATION STUDY
In our country, with the period of the planned development, regional development and reducing regional
disparities place among the primary policies. In Ninth Development Plan, particularly in underdeveloped
regions, "Growth poles" including high potential growth and providing services their surroundings is
determined and aim to pave the way for development based on local dynamics and potential.
To this end, the regional growth poles are determined using multivariate methods among the provinces which
include the relatively less developed regions Eastern Anatolia, Southeastern Anatolia, Central Anatolia and
Black Sea regions (TR7, TR8, TR9, TRA, TRB, TRC Level 1 regions). As a result of analysis, Trabzon,
Diyarbakir, Samsun, Erzurum, Van, Elaz, Malatya, anlurfa and Sivas is identified as regional growth
poles.
Key Words: (Regional Development, Growth Pole Theory Principle Component, Multi Dimentional
Scaling)
234

TR 71 BLGES LELER SOSYO-EKONOMK GELMLK ANALZ
Sevgi SARA, Gonca BUDAK
Ahiler Kalknma Ajans, Planlama, Programlama ve Koordinasyon Birimi,
Atatrk Bulvar no:57 Merkez-NEVSEHIR
sevgisarac@ahika.gov.tr
TR71 Blgesinde yer alan Aksaray, Krkkale, Krsehir, Nevsehir ve Nigde (5 il) illerinin (37 ile) ilelerini
kapsayan bu alsma ile, esitli alanlardan seilen degiskenler baz alnarak, ilelerin sosyo-ekonomik
gelismislik seviyelerini tespit etmek ve bu tespit dogrultusunda gelismislik sralamalarn yapmak
amalanmstr. alsma kapsamnda ayrca,
ilelerin veri setindeki degisken gruplar
baznda gelismislik sralamalar yaplmstr.
alsmada, sosyo-ekonomik gelismisligi
olumlu ve olumsuz ynde etkiledigi ya da
sosyo-ekonomik gelismeden olumlu ya da
olumsuz etkilendigi dsnlen 35 farkl
degisken kullanlmstr. Degiskenler iliskili
olduklar gelismislik boyutuna gre demografi,
egitim, saglk, rekabeti kapasite ve istihdam,
tarm, mali ve yasam kalitesi gstergesi
gruplarnda snflandrlmstr.
alsma, istatistiki anlamllk testleri
yaplabilen ve birok lkede degisik
arastrmaclar tarafndan benzer amalarla
yaygn olarak kullanlan, temel bilesenler
analizi (principal components analysis) teknigi
kullanlarak gereklestirilmistir.
alsma sonucunda, TR71 Blgesi
kapsamndaki bes merkez ilenin en st
sralarda yer aldg grlmektedir. Sralamada,
gelismislik endeks degeri 2,098 olan Aksaray
merkez ilesi ilk sray alrken gelismislik endeks degeri 1,57 olan Krkkalenin elebi ilesinin son sray
aldg grlmstr. Demografik gstergeler ve saglk gstergeleri bakmndan Krkkale merkez ilesi ilk sray
alrken, egitim gstergelerinde Krkkalenin Yahsihan ilesi, rekabeti kapasite, tarm ve mali gstergeler
bakmndan Aksaray merkez ilesinin ilk srada yer aldg dikkat ekmektedir.
Ilelerin gelismislik endeksi degeri gz nnde bulundurularak ileler ayrca bes ayr snfa ayrlmstr. En
gelismis olan birinci kademede 6, ikinci kademede 5, nc kademede 7, drdnc kademede 13 ve en az
gelismis olan besinci kademede 6 ile yer almstr.
Harita 1.TR71 Blgesi Illeri Gelismislik Sralamas
235

alsmann son blmnde, ileler gsterge gruplarndaki deiskenlerde aldklar deerlere gre
deerlendirilmis ve son olarak ilelerin bulunduu il ierisinde incelemesi yaplmstr.
KAYNAKLAR
[1] BARTLETT, M.S. (1950), Tests of Significance in factor analysis, British Journal Of Psychology
Statistical Section.
[2] DUNTEMAN, G. J. (1989), Principal Component Analysis, Thousands Oaks, CA: Sage Publications.
[3] JOHNSON, R. A. , (1992), Applied Multivariate Data Analysis, Prentice Hall, New Jersey.
[4] ZASLAN, M. & DINER, B. (2004). Ilelerin Sosyo-Ekonomik Gelismislik Sralamas Arastrmas,
Ankara: DPT.
[5] TATLIDIL, H. (1996), Uygulamal ok Deiskenli Istatistiksel Analiz, Cem Ofset, Ankara.
ABSTRACT
SOCIO-ECONOMIC DEVELOPMENT ANALYSIS OF TR71 REGION PROVINCES
The goal of this study is to identify the level of developement of TR71 regions provinces (that are located in
Aksaray, Krkkale, Krsehir, Nevsehir, Nide) and to rank by taking various variables at district level as a
basis. In the study, 35 different indicators grouped under major categories such as; demography, education,
health, competitive capacity, employment, agriculture and finance were employed in principal component
analysis in order to measure the level of development of disticts.
Key Words: Principal Components Analysis, Socio-Economic Development Index

236

KATKISALLIK DEERLENDRMES: UKUROVA VE ZMR KALKINMA AJANSLARININ
KOB DESTEKLER
Zeyneb ERSAYIN
Kalknma Bakanl Necatibey Caddesi No: 110/A 06100 Ankara Trkiye
zeyneb.ersayin@kalkinma.gov.tr
almann Kapsam
Bu alsmada, mdahalelerin amalad deisiklikleri yaratma derecesini arastran katksallk deerlendirmesi
ele alnmstr. ncelikle katksalln kavramsal erevesi ortaya konulmus, katksalln unsurlar ve trleri
incelenmistir. Daha sonra Trkiyede KOBIlere ynelik destekler sunmaya baslayan kalknma ajanslarndan
ukurova ile Izmir Kalknma Ajanslarnn KOBIlere ynelik olarak uyguladklar ilk programlar olan Iktisadi
Kalknma ve KOBI Mali Destek Programlarnn katksallklar deerlendirilmistir.
Sz konusu deerlendirme kapsamnda proje bazl bir yaklasm tercih edilmis ve desteklenen KOBIlere anket
uygulanmstr. Anket sonularnn analiz edilmesiyle programlarn katksallklar deerlendirilmis ve
katksall etkileyebilecek faktrler belirlenmistir. Elde edilen sonular dorultusunda kalknma ajanslarnn
destek uygulamalarna iliskin neriler getirilmistir.
Katksallk Deerlendirmesinin Kavramsal erevesi
Mdahalelerin amalad net deisiklikleri meydana getirebilme derecesine katksallk denilmektedir.
Katksalln tanmnda birbiriyle i ie gemis iki husus n plana kmaktadr; mdahaleden kaynaklanma ve
deisiklik. Mdahaleden kaynaklanma hususu katksallk deerlendirmesinde mdahale olmasayd ne
olacakt? sorusu ile belirlenmeye alslmaktadr. Mdahalenin olmad durumda da gereklesecei
dsnlen deisiklikler mdahaleden kaynaklanms saylmamakta
1
ve dara kayb (deadweight) olarak
adlandrlmaktadr.
Katksalln tanmndaki ikinci husus olan, mdahalenin gerekten bir deisiklie neden olup olmadnn
belirlenmesinde dara kaybna ek olarak, hedef gruptan sapmalar (sznt etkisi-leakage), destek almayan blge
ya da gruplarda meydana gelen olumsuz etkiler (de-plasman-displacement), ikame (substitution) ve arpan
(multiplier) etkilerinin de dikkate alnmas gerekmektedir. Katksalln unsurlar olarak adlandrlan bu
hususlarn deerlendirilmesiyle hedef grupta meydana gelen gerek deisiklikler grlebilecektir.
Dier yandan, katksallk genel olarak, girdi ve kt katksallklar ile davranssal katksallk olmak zere
trde ele alnmaktadr
2
. Ayrca bu katksallk trnn ortak yanlarn kendinde toplayan proje katksall
da bu snflandrmaya dahil edilmekte ve kamu destei olmadan projenin yaplp yaplmayaca sorusuna
cevap aramaktadr
3
. Mdahalelerin yararlanclar zerinde meydana getirdii renme etkilerini ayr bir
katksallk tr olarak ele alan arastrmaclar da bulunmaktadr. Sz konusu alsmada proje katksallna
odaklanlms, ayrca istihdam edilen kisi gstergesi zerinden kt katksall da deerlendirilmistir. kt
katksallnn deerlendirilmesinde farkl alanlardaki projelerin performans gstergelerinin
gruplandrlmasnn mmkn olmamas nedeniyle, programlarn amalaryla rtsr sekilde, en genel gsterge
olan istihdam artsna odaklanlmstr.
rnek Uygulama ve Elde Edilen Sonular
Uygulanan anket ile ncelikle firmalarn bykl, faaliyet gsterdikleri sektr gibi temel bilgiler alnms,
daha sonra katksalln unsurlarna dair karmlarda bulunulmasn salayacak sorular yneltilmistir. Anket
sonular istatistiksel olarak analiz edilerek firmalarn genel zelikleri belirlenmistir. Daha sonra katksallk ve
unsurlarna dair oranlar hesaplanmstr. Katksallk orannn hesaplanmasnda kullanlan temel forml su
sekildedir:
(1)

1
Tokila at al, 2008:587
2
Davenport at al, 1998:56
3
Davenport at al, 1998:56
237

Yaplan hesaplamada projelerin ortalama katksallk oran 0,53 olarak bulunmutur. Her bir proje iin
hesaplanan katksallk oranlar bu projelere aktarlan hibe tutarlar iin kullanldnda, 22,5 milyon TLnin
11,4 milyon TLsinin katksal olduu grlmektedir. 11,1 milyon TL ile ise herhangi bir deiiklik
yaratlamam olmaktadr. Bu durumda girdi katksall 0,51 olarak hesaplanmaktadr. kt katksall
kapsamnda, istihdam edilen 593 kiiden 246snn katksal olduu sonucu elde edilmitir.
KAYNAKLAR
[1] Davenport, S., C. Grmes, J. Daves, Research Collaboration and Behavioural Additionality: A New
Zealand Case Study, Technology Analysis & Strategic Management, Vol.10, No.1, March 1998, pp. 55-67.
[2] Tokla, A., M. Haapanen, J. Rtsla (2008), Evaluation of Investment Subsidies: When is Deadweight
Zero?, International Review of Applied Economics, Vol.22, No.5, 2008, pp.585-600.
[3] UK English Partnership (2008), Additionality Guide, A Standard Approach to Assessing the Additional
Impact of Interventions, UK.
ABSTRACT
ADDITIONALITY EVALUATION: CUKUROVA AND IZMIR DEVELOPMENT AGENCYS SME
SUPPORTS
In this study, additionality evaluation which explores the realization degree of the intended changes owing to
public interventions has been discussed. Firstly, conceptual framework of additionality has been put forward.
As development agencies have begun to provide supports to SMEs in Turkey, additionality of Economic
Development and SME Financial Support Programmes of ukurova and Izmir Development Agencies has
been evaluated.
Within the evaluation study, a survey has been conducted to the supported SMEs. By analyzing the survey
results, additionality of the programmes has been evaluated and factors that may affect additionality have been
determined.
Key Words: (Evaluation, Additionality, Deadweight, Leakage Effect, Substitution Effect,
Displacement, Multiplier Effect, Financial Support, SME.)

238

SRDRLEBLR BLGESEL KALKINMANIN LLMES: SRDRLEBLRLK
EMBERLER VE GEN
Leyla BILEN KAZANCIK, Hasan SANALMIS, Tugba DENIZ
Kalknma Bakanlg Necatibey Caddesi No: 110/A 06100 Ankara Trkiye
tdeniz@kalkinma.gov.tr
1. almann Kapsam
Bu alsma ile gnmzn nemli bir kalknma paradigmas; Srdrlebilir Kalknma iin blgesel dzeyde
lm yntemi gelistirilmistir. alsma kapsamnda ncelikli olarak Srdrlebilir Kalknmann tarihsel
sreteki gelisimi ve teorik altyaps incelenmis olup, Trkiyedeki Dzey 2 Blgeleri baznda srdrlebilirlik
endeksleri, srdrlebilirlik emberi ve genleri olusturulmustur.
2. Kavramsal ereve
1970li yllardan itibaren
4
ekonomi, toplum ve evre arasndaki dengeyi gzeterek gelismeyi hedefleyen
Srdrlebilir Kalknma nosyonu, 1987 ylnda Birlesmis Milletler Dnya evre ve Kalknma Komisyonu
tarafndan yaymlanan Ortak Gelecegimiz (Brudtland Raporu) ile tm dnyada yaygn olarak kullanlmaya
baslanmstr
5
. Trkiyede de lke kalknmas iin nemli bir belge olan Kalknma Planlarnda
Srdrlebilirligin eklemlenmesi, 1990-1994 yllarn kapsayan Altnc Kalknma Plan ile mmkn olmustur.
Daha sonralar tm dnyada farkndalg artrmak amacyla 1992 ylnda gereklestirilen Rio Konferans ile
srdrlebilirligin evresel ve ekonomik unsurlarnn yannda sosyal boyutunun da zerinde durulmustur. 2002
ylndaki Rio+10 ve 2012 ylndaki Rio+20 Konferanslar ile de ekonomik bymenin halen evresel sorunlar
artrdg ve toplumlardaki sosyal adaleti, dayansmay gzard ettigi vurgulanmaya devam etmistir.
Esasnda 1970lerden sonra gndeme getirilen Srdrlebilir Kalknma kuramnn ara retmemesi ve tm
dnyada teorinin uygulamadaki ilgisizligi bugnk kresel evre sorunlarnn alt yapsn hazrlams
6
ve
gelecekte de gerekli nlemlerin alnmamas durumunda bu sorunlarn devam etmesinin szkonusu olacagn
isaret etmektedir. Bu baglamda, son yllarda tartsmann yn Srdrlebilir Kalknmann llmesi
konusuna ynelmistir. zellikle kresellesme ile birlikte yerellesmenin de n plana kmas sonucu
srdrlebilirligin blgesel bazda irdelenmesi ana odak olmustur.
alsmada blgeler dzeyinde lm gereklestirebilmek iin 30 degiskenden olusan bir gsterge seti
olusturulmus ve 2 tr metod uygulanmstr. Bu metodlardan birincisi; Srdrlebilirlik emberidir.
Kullanlan bir diger teknik ise temel bilesenler analizidir. Bu analiz yntemine gre diger metodda kullanlan
30 gsterge ile srdrlebilirlik endeksleri olusturulmustur. Srdrlebilirlik geni ise srdrlebilir
kalknmann 3 temel boyutu olan evre, sosyal ve ekonomik degerler zerinden blgelerin egilimini ortaya
koymustur.
3. Uygulama ve Elde Edilen Sonular
alsmada Trkiyedeki dzey 2 blgeleri baz alnarak 30 degisken kullanlmstr. Bu degiskenler ise evre
altyapsna ynelik alt, sosyal ve ekonomik yapya ynelik 12ser adet gstergeyi kapsamaktadr.
Yaplan analizler ile Trkiyenin planlama blgeleri olarak belirlenen Dzey 2 blgelerinin srdrlebilirlik
ember ve genleri olusturulmus ve hangi blgelerin hangi alanlarda srdrlebilir oldugu ortaya
kartlmstr.
KAYNAKLAR
[1] ATKINSON, Dubourg, Hamilton, Munasinghe, Pearce, Young, Measuring Sustainable Development:
Macroeconomics and the Environment, Edward Elgar, Cheltenham, UK, Lyme, US, 1997.
[2] BM Dnya evre ve Kalknma Komisyonu, Ortak Gelecegimiz, Rapor, 1987
[3] KELES, Rusen, Kentlesme Politikas, 12. Bask, Ankara, Imge Kitabevi, 2012.

4
1970li yllarn basnda Srdrlebilir Kalknma iin bu trden bir ilgi, "Bymenin Snrlar" ve 1972'de
dzenlenen Stockholm Konferansnda ortaya srlen nemli tartsmalar ile baslamstr. Sanalms, 2007, s.6.
5
Keles, Hamamc, 2009, s.244.
6
Sanalms, 2007, s.6
239

[4] MEADOWS, D.H., Meadows, D.L., Randers, J., Behrens Iii, W.W., The Limits to Growth- A Report for
the Clup of Romes Project on the Predicament of Mankind, A Potomac Associates Book, Second Edition,
1975.
[5] OECD, Assessing Regional Sustanability; A Benchmark Approach, 2005.
ABSTRACT
MEASUREMENT OF SUSTANABLE REGIONAL DEVELOPMENT: SUSTAINABILITY WHEELS
AND TRIANGLES
In this study, an important development paradigm; Sustainable Development is measured in regional level.
First of all, the theoretical framework and historical background of Sustainable Development is assesed. All
over the world, this concept has become widespread from the time that Bruthland Report 7 is published.
However, Measurement of Sustainable Development has been perceived more serious in recent times.
Within the study, two models; namely, Sustainability Wheel method and Principle Components Analysis
are used to measure sustainability levels of Turkeys level 2 regions. In this methods, indicator set composed of
30 variables are used to evaluate which regions are sustainable or not. Finally, with the help of sustainability
triangles, regions can be classified according to three areas; social, environmental and economic.
Key Words: Sustainability, Development, Sustainability Indicators, Sustainability Wheels, Sustainability
Index.

240

TRC3 BLGE REKABET ANALZ
Alper DEMIR
Dicle Kalknma Ajans, Batman Yatrm Destek Ofisi, Batman, TRKIYE, alper.demir@dika.org.tr
Analiz Yntemi (Temel Bileenler Analizi)
Temel Bilesenler Analizi; bir degiskenler setinin varyans-kovaryans yapsn, bu degiskenlerin dogrusal
birlesimleri vastasyla aklayarak, veri indirgenmesi ve yorumlanmasn saglayan, ok degiskenli bir istatistik
teknigidir. alsmada bu analiz teknigi kullanlarak TRC3 Blgesi (Mardin, Batman, Srnak ve Siirt) ilelerinin
gelismislik dzeyi ile ilgili bir kanaatin olusabilecegi sosyoekonomik gstergelerin (degiskenlerin) olusturdugu
tek bir bilesen ile ilelerin diger ileler arasndaki gelismislik pozisyonu elde edildi.
ekil 1. Deikenler Matrisi ve Yntem Admlar
Gelimilik Endeksi Oluturma
Ilelerin sosyal ve ekonomik gelismislik dzeyleri ile tarm ve hayvanclk sektrndeki gelismislik dzeyleri
endeks degerleri olusturularak belirlenmeye alslmstr. 12 sosyal yap degiskeni ile sosyal gelismislik, 11
ekonomik yap degiskeni ile de ilelerin ekonomik gelismislik endeksi belirlenmistir. Ayrca toplam 23 adet
ile degiskeni ile elde edilen sosyoekonomik gelismislik endeksi ile beraber bu kategoriye iliskin endeks
degerlerine bagl ile sralamalar olusturulmustur.
Tarmsal gstergeler ile blge ilelerinin analiz edildigi ksmda da, her birinde alt adet olmak zere tarm
alan, bykbas hayvanclk ve kkbas hayvanclk gelismisligini etkileyen degiskenler ile sektrlere iliskin
gelismislik endeksleri belirlenmistir. Ayrca elde edilen gelismislik endeksleri ile beraber bu kategoriye
iliskin endeks degerlerine bagl ile sralamalar olusturulmustur.
241

izelge 1. rnek analiz kts: lelerin Sosyal gelimilik analiz kts
Tm endeks olusturma asamalarnda varyans aklama oran ile baskn kan birinci temel bilesen, tm
degiskenleri temsil edebilen en yetkin bilesen olarak belirlenmistir.
ekil 2. rnek grnm: TRC3 Blgesi lelerinin Sosyal Gelimilik Grnm
KAYNAKLAR
Diner, zaslan, Kavasoglu, Illerin ve Blgelerin Sosyo-Ekonomik Gelismislik Sralamas, Kalknma
Bakanlg, 2003
Diner, zaslan, Ilelerin Sosyoekonomik Gelismislik Sralamas Arastrmas, Kalknma Bakanlg, 2004
Trkiye Istatistik Kurumu (TIK) Veritaban
ABSTRACT
COMPETETIVE ANALYSIS IN TRC3 REGION
In this study it is aimed to identify development levels of TRC3 (Mardin, Batman, Srnak, Siirt) districts
among other districts by creating a single component consisting relevant socio-economic indicators.
Key Words: Principal component analysis (PCA), development ranking
242

BLGESEL DZEYDE MEKNSAL KARARLARIN ALINMASI SRECNDE STATSTK
SAHA ARATIRMALARI KONYA KARAMAN RNE
Fuat KARAGNEY*, Nurten ELVAN KKSOY, smail ARAS, Mehmet Emin YTBASI, Mehmet
BURA AHLTI
Mevlana Kalknma Ajans, Medrese Mahallesi Ulasbaba Caddesi No:28 Seluklu/Konya/Trkiye,
E- posta: bilgi@mevka.org.tr
Giri
Kresellesme srecinde blgelerin rekabet gcn artrabilmek iin blge iindeki yerlesmeler arasnda
uzmanlasma ve is blmne gereksinim vardr. nk blgelerin ekonomik yapsnda nemli deisimler
yasanrken, meknda da nemli dnsmlerin gereklestii grlmektedir. Bu deisimlerin ilki metropoliten
alanlarn giderek yaylarak genislemesi seklinde ortaya karken yeni ortaya kan meknsal lein ana
odan eperinde yer alan farkl sektrlerde uzmanlasms yerlesmeleri iine alan bir kent blge tanmnn
ortaya kt grlmektedir. Merkez kentlerin konumlarn ve rekabet glerini evrelerindeki, farkl islevleri
stlenen yerlesimlerle kurduklar isbirlii alar ile artrdklar ve kent blgeye dnstkleri grlmektedir.8
Dier yandan blge ii gelismislik farklarnn azaltlmas politikas blgesel gelisme sorununun temel
bilesenlerinden bir tanesidir. Toplamda 37 ileden olusan Konya Karaman Blgesinde ileler arasnda ciddi
gelismislik farklar yasanmaktadr. Blgenin sahip olduu genis yzlm nedeniyle krsal ve kentsel alanlar
arasndaki fiziki erisim imknlarnn snrl kalmas ve buna bal olarak da mal, hizmet ve insan akmlarnda
kaliteli ve verimli bir hizmetin sunulamamasdr.
Meknsal Kademelenme Analizi
Bu iki olguyu dikkate alan bu analiz alsmasnda ilk olarak Konya Karaman Blgesinde yer alan ileler
aras insan hareketliliini niceliksel olarak izleyebilmek adna 33 ilede toplam 842 adet karar rneklemesi
yntemiyle anket alsmas yrtlmstr. alsmada Konya Metropoliten Alann olusturan Seluklu, Meram
ve Karatay ileleri ile Karaman kent merkezinde anket yaplmamasnn nedeni bu ilelerde yasayanlarn zaten
ihtiya duyduklar hizmetleri kendi yasad ileden karslyor olmasdr. Saha alsmalarnn snda Alman
corafyac Walter Christaller tarafndan gelistirilen Merkez Yerler Teorisi esas alnarak blgedeki ileler
arasndaki insan hareketliliinin ne ynde olduu ortaya konmustur.
Konya Karaman Blgesi leler Aras SEGE Analizi
kinci asamada istatistiki analiz yntemlerinde temel bilesenler analizi kullanlarak ileler aras yasanan
gelismislik farklar analiz edilmistir.. Daha sonra bu gelismislik farklarnn ortaya kmasndaki muhtemel
sorun alanlar irdelenerek blge plannda blge ii gelismislik farklarnn azaltlmasna dair olusturulacak
hedef ve stratejilerin ne ynde olmas gerektiine dair potansiyeller ve frsatlar analiz edilmistir.
Temel bilesen analizi ile ulaslmas istenilen ilk sonu; X,X2,...,Xp gibi p tane deiskeni, nemli bir bilgi
kaybna neden olmakszn, bu deiskenleri temsil edebilen daha az sayda deiskene indirgemek ve
deiskenlere etki eden genel nedensel faktrleri elde etmektir. Daha sonra indirgenmis yeni deiskenler ile
alsmann amac dorultusunda esitli sonulara ulaslabilmektedir. X1,X2,...,Xp vektrlerinin
standartlastrlms hali olan Z1,Z2,...,Zp vektrlerinin p tane dorusal birlesimi, ya da temel bileseni;
Y = (a)t Z =a11 Z + a21 Z2 + + ap1 Zp
Y2 = (a2)t Z =a12 Z + a22 Z2 + + ap2 Zp
Yp (ap)t Z= a1p Z + a2p Z2 + + app Zp
le baznda yaplan bu SEGE analizi Blgedeki ilelerin gelismislik dzeylerinin sosyo-kltrel ve ekonomik
deiskenler yardmyla llmesi ve birbirleriyle analitik olarak karslastrlmas TR 52 ileleri arasndaki
gelismislik farkllklarnn azaltlmasna ynelik politikalarn olusturulmas bakmndan nem tasmaktadr.
Ayrca bu sayede TR52 Dzey2 Blgesi ilelerinin sosyal gelismislik endekslerini elde edilebilen verilerle
olusturarak soyut bir kavram olan gelismislik kavramn yllar iinde izlemeye olanak salanms olacaktr.

8
. y,2001
243

Harita 1. lelerin Sosyo Gelimilik Endeks, 2012
Son olarak ise kademelenme analizi ve temel bileenler analizi kullanlarak yaplan ilelerin SEGE analiz
sonular aprazlanarak benzer zellikler gsteren meknsal tipolojiler tanmlanm ve blge iinde farkl
yerleim yerlerine farkl mdahale biimleri gelitirilmitir.
ekil 1: Konya Karaman Blgesi lelerinde SEGE ve Kademelenme likisi
KAYNAKLAR
[1] Huavari, J., Kangasharju, A. ve Alanen, A. (2001). Constructing an Index for Regional Competitiveness,
Pellervo Economic Research Institute Working Papers, No:44, Helsinki.
[2] Industrial Development Report , UNIDO, 2011
[3] Ayda Eraydn, KRESELLESME-YERELLESME VE FARKLILASAN KENTLER . "Cevat Geray'a
Armagan", 2001
Anahtar Kelimeler: Blgesel Gelime, Kademelenme, Sosyo ekonomik Gelimilik,Mekansal Planlama,
244

BLDR OTURUMLARI 4
SESSION 4
Actuarial Sciences
245

THE TRANSLATED GAMMA PROCESS AND FINITE TIME RUIN PROBABILITY: AN
APPLICATION OF TURKEY COMPULSORY TRAFFIC INSURANCE
Baak BULUT KARAGEYIK
*
, Sule SAHIN*
*Hacettepe University, Faculty of Science, Department of Actuarial Science, 06800, Beytepe- ANKARA.
basakbulut@hacettepe.edu.tr , sule@hacettepe.edu.tr
Abstract
In this study, we present an approximation to calculate finite time survival probabilities and ruin probabilities
under the assumption that the aggregate claims process is the translated gamma process. An application of
survival and ruin probability calculations based on compulsory traffic insurance data in Turkey has been
discussed.
Key Words: Gamma Process, Translated Gamma Approximation, Ruin Probability
1. Introduction
Modelling the paid and outstanding claims distribution has an important role in non-life actuarial analysis.
Amount of claims in the past gives information about the boundary of the future claims. Modelling the claim
amounts also helps to allocate the reserve amount at the end of the period. Many different approximation
methods have been used for modelling the claim amount distribution. Each of the approximation methods has
some limitations, advantages and disadvantages in comparison with the others. The first step in modelling the
claim amount distribution is to decide the correct approach.
Ruin probability for finite time can be shown as ) , ( t u under the assumption that annual premiums and
claims processes do not vary in time. This probability is a significant tool for the insurance company. In case of
starting with an appropriate initial surplus, it is an indication whether the insurer's premium and claims
processes have been calculated correctly. High ruin probability may cause not only emergence of reinsurance
treaties but also upgrade of the risky policies premium amounts or to withdraw cash from capital of the
insurance company.
2. Translated Gamma Distribution
Gamma distribution has two parameters and its density function is given below:
0 , ,
) (
) (
1
>
a x
a
e x
x f
a
x
a
Translated gamma distribution has a similar structure with gamma distribution but it is assumed to be shifted
by some amount k. The probability density function of translated gamma distribution is given below;
0 , ,
) (
) (
) (
1
>
a x
a
e k x
x f
a
k x
a
Aggregate claim distribution is fitted to the translated gamma distribution by matching first three moments.
The fit of the translated gamma distribution is substantially better than normal distribution for the right tail of
the distribution. On the other hand, translated gamma distribution fits poorly the left tail of the distribution and
it gives the probabilities even for some negative values (Hardy, 2004).
Since the claim amount has positive values and a right skewed tail distribution, translated gamma
approximation can be preferred to other approximations.
3. Ruin Probability for the Translated Gamma Distribution
246

The gamma process was introduced into the actuarial literature by Dufresne, Gerber and Shiu (1991). The idea
of the calculation of the survival probability by the translated Gamma distributions was originally discussed by
Seal (1978) and then Dickson and Waters (1993) improved the method.
}
0
) (
> t G
t S is a ) , ( Gamma process and k is a constant. ) , ( t U
SG
denotes the probability of non-ruin
up to time t. Since the first three moments of the approximating translated gamma process match those of the
compound Poisson process for all values of t, we would expect ) , ( t U
TG
to be a reasonable approximation to
) , ( t U (Dickson and Waters, 1993).
) 0 , ) ( Pr( ) , ( t all for c U S t U < < + s = by
}
0
) (
> t
t S is approximated by translated gamma process }
0
) (
> t TG
t S .
k t S t S
G TG
+ = ) ( ) (
) 0 , ) ( ) ( Pr(
) 0 , ) ( ( Pr(
) 0 , ) ( Pr( ) , (
t all for k c U S
t all for c U k S r
t all for c U S t U
G
G
TG TG
< < ~ + s =
< < + s + =
< < + s =

The main equations of the survival probabilities are;
) 1 , (
1
) , ( ) , 0 ( + = t ct F
c
t ct F t
SG SG SG
ds s t s t c F s cs U f ds s t s t c F s cs U f c t ct U F t U
SG
t
SG SG
t
SG SG SG
) 1 ), ( ( ) , ( ) ), ( ( ) , ( ) , ( ) , (
0 0
+ ~ ~ + + ~ ~ + ~ + =

where ) , ( t x f
SG
and ) , ( t x F
SG
are the density function and distribution function, respectively of a Gamma
(t,1) random variable (Dickson and Waters, 1993).
REFERENCES
[1] Dickson D.C.M, Waters H., 1993, Gamma Processes and finite time survival probabilities, Astn Bulletin,
Vol 23, No 2, 259-272 pp.
[2] Dufresne F., Gerber H.U., Shu E.S.W., 1991, Risk Theory and the gamma process, Astn Bulletin,Vol
22,177-192 pp
[3] Hardy M. R., 2004, Approximating the Aggregate Claims Distribution, Encyclopedia of Actuarial Science,
Wiley London, 76-86 pp.
[4] Seal, H.L., 1978, From Aggregate claims distribution to probability of ruin, ASTIN Bulletin 10, 47-53 pp.
247

COMPARISON OF DIFFERENT METHODS TO COMPUTE THE GREEKS
Bilgi YILMAZ Blent Alper NKAYA
Middle East Technical University, Middle East Technical University,
Institute of Applied Mathematics, Institute of Applied Mathematics,
Financial Mathematics, Ankara-TURKEY Financial Mathematics,Ankara-TURKEY
ybilgi@metu.edu.tr ainkaya@metu.edu.tr
Yeliz YOLCU OKUR
Middle East Technical University,
Institute of Applied Mathematics,
Financial Mathematics, Ankara-TURKEY
yyolcu@metu.edu.tr
Introduction
The Greeks in finance are the partial derivatives of a financial quantity with respect to any of the model
parameters. These derivatives could serve to measure the stability of the financial quantity under study (e.g.
delta is the derivative of an option price with respect to the initial price) or to hedging a certain payoff (Higa
and Montero, 2004). The Greeks are useful tools in finance which help to understand how the option reacts to a
change in the parameters. The information gained from calculated Greeks of options help the investors in their
portfolio management decisions. However the calculation of Greeks are not always straightforward, because of
some technical difficulties. For example, the structure of the payoff function of some contingent claims are
very complex. For this reason computing their Greeks could be cumbersome. On the other hand, sometimes the
payoff function does not have a closed form and one may have to estimate the Greeks numerically, which
could be a time consuming and fraught workout. There are essentially three methods used to compute the
Greeks: The Finite Difference Method, the Malliavin Calculus and the Finite Element Method.
The most widely used method to compute the Greeks is the finite difference method. This method requires to
compute the financial quantity of interest at two nearby points and approximate the differential of the payoff
function at that point. The problem here is, the identification of two nearby points" is not clear. L'Ecuyer and
Perron (1994) attempt a solution to resolve this issue asymptotically. Since this method is deeply related with
the Kernel Density Estimation method in Statistics, it is also called the Kernel Density Estimation Method.
The Malliavin calculus, also known as Stochastic Calculus of Variations or Calculus in infinite dimensions,
was introduced by Paul Malliavin in 1976 (Henao, 2005). It is first used as a tool to prove results in Calculus
through the use of probabilistic theory and it is an an area of research which for many years has been
considered highly theoretical and technical from the mathematical point of view. In recent years, it played a
major role in applications of Mathematical and Computational Finance. It can also be applied to Monte Carlo
simulations, and therefore it is used in computation of the Greeks.
The finite element method is a numerical method to solve partial differential equations (PDE). This method is
entirely deterministic. Although the system of difference equations can be usually solved quickly in low
dimensions, the method is not suitable to compute the Greeks that are not directly related to the derivatives
computed in the PDE. Cases where it can be applied successfully are the calculation of delta and gamma. In
other cases it involves increasing amounts of recalculations which can be cleverly reduced in certain cases.
The main aim of this study is give the details of the three methods given above and compute the Greeks of
European options in Black-Sholes environment via Malliavin Calculus. The secondary aim is to compare the
methods using the Monte Carlo Simulation Method.
248

KAYNAKLAR
[1] Henao, W. (2005), Malliavin Calculus in Finance: Review of Faster Methods for the
Calculation of Sensitivities, Mathematics for Finance Practitioners seminar.
[2] Higa A. K. and Montero, M. (2004), Malliavin Calculus in Finance, Handbook of Computational and
Numerical Methods in Finance p: 111-175.
[3] L'Ecuyer P. and Perron G. (1994), On the convergence rates of IPA and FDC
derivative estimators. Operations Research 42, p: 643-656.
ABSTRACT
COMPARISON OF DIFFERENT METHODS TO COMPUTE THE GREEKS
In this study, first we give a basic introduction to Malliavin Calculus and its usage within the area of Monte
Carlo simulations in finance. Instead of giving an overview of the theory, we focus on a single application, that
is, the computation of the Greeks in the Black-Scholes environment and their Monte Carlo simulation. We then
compare the results with the Finite Difference Method and Finite Element Method.
Key Words: Malliavin Calculus, Greeks, Monte Carlo methods, Black-Sholes model, integration by parts
formula.

249

RISK CAPITAL ALLOCATION: IMPORTANCE OF COPULA SELECTION
Uur KARABEY
Department of Actuarial Sciences Hacettepe University06800-Beytepe, Ankara
ukarabey@hacettepe.edu.tr
1. Introduction
Financial companies have to hold cash reserves as a cushion against unforeseen losses. This reserve is called
risk capital. In order to determine the risk capital of a company (possibly multi-line) we first need to define the
aggregate loss of the company. Assume that
i
X represents the loss of line (or sub-portfolio) i then the
aggregate loss can be defined as
=
i
i
X X . We here do not make any assumptions, such as independence
or identical distribution on
i
X 's. They are hardly independent or identically distributed in real life problems;
contrarily it is easy to observe dependence between risks in any insurance portfolio. For example, different
business lines are exposed to the common factor risks such as interest-rates, inflation, economic crises etc. or a
catastrophic event can have big effects on many different business lines. Thus, both the marginal distributions
and dependency structure between them needs to be studied carefully to determine risk capital ) ( X of the
company. In real life, the marginal distributions of individual business lines are easy to obtain whereas the joint
distribution of these are unavailable in most cases. Therefore, we need tools to construct the joint distribution
of the company with using these known marginals. The most effective tool for this kind of task is a copula.
On the other hand, risk capital allocation is mainly required for internal risk management in financial
companies[1, 2].
The purpose of this study is to analyze the importance of copula selection in internal risk management. For a
stock portfolio, risk contributions are determined for different choices of copulas.
2. Risk Measures
Many risk measures exist in the literature. In the following commonly used risk measures are defined. Value
at Risk (VaR) measures the maximum potential loss of a given portfolio over a prescribed holding period at a
given confidence level u where u (0,1) and it can be described as,
VaR
u
(X) = inf{x R : P(X _ x ) > u}. (2.1)
ES
u
(X) = E[X | X _ VaR
u
(X)] (2.2)
is called expected shortfall (ES) at level u (u usually close to 1) which is defined as an average of VaRs of X at
level u and higher. Expected shortfall belongs to the family of coherent risk measures and it provides better
approach for risk management. It is more sensitive to the shape of the loss distribution and it counts tail of the
loss distribution completely. For more details, see [2]. Further risk measures are also considered.
3. Risk Capital Allocation
There are many motives behind the risk capital allocation. Firstly, by comparing different losses on capital for
each component, it is often possible to answer if a component is worth to keep or not. Secondly, since capital is
defined as a risk measure of whole company, one can assess the riskiness of each components position by
splitting this capital, and compare one to another. Another motive is, allocation provides a useful device for
250

assessment of performance of managers, which can be linked to their compensations. Last but not least,
insurers may want to use the allocation in pricing [2, 3, 4]. Many allocation methods are occupied in this study.
4. Scenario and a Simulation Study
In order to show how theory works, we used a stock portfolio of five companies and data covers the period
from February 2003 to February 2013. We assume that given total wealth is 1,000,000 which is equally
weighted to sub-portfolios. We consider a one-period framework; therefore between time 0 and T no trading is
possible. Note also that we study 1 year time horizon, thus T =1. We assume risk to be given by a random
variable X representing a cash flow at time T. Precisely, the corresponding loss variable at time T can be defined
by X= X(T) X(0). Individual stock returns are modelled by geometric Brownian motions (GBM), i.e. price
processes X
i
(i = 1,...,5) with
( ) 0 , ) 2 / ( exp ) 0 ( ) (
2
+ ~ = t Z t t X t X
i i i i i

(4.1)
where
i
is the drift, o
i
is the diffusion coefficient, X
i
(0) is the price of the i-th asset at time 0 and Z is a
standard normally distributed random variable.
REFERENCES
[1] J. Dhaene, A. Tsanakas, E. A. Valdez, and S. Vanduffel, (2010), Optimal capital allocation principles, Journal
of Risk and Insurance, Forthcoming.
[2] U. Karabey, (2013), Risk Capital Allocation and Sensitivity Analysis in Non-Life Insurance Companies,
Manuscript submitted for publication.
[3] M. B. Neil, (2007), Capital allocation by percentile layer. Enterprise Risk Management Symposium,
Society of Actuaries.
[4] A. E. Valdez and A. Chernih, (2003), Wangs capital allocation formula for elliptically contoured
distributions. Insurance: Mathematics and Economics, 33:517-532.
Key Words: risk capital allocation, copula, risk measures

251

AN EARLY WARNING MODEL FOR INSURANCE COMPANIES IN TURKEY
Gizem OCAK, Doc. Dr. Sevtap SELCUK-KESTELDr. Ahmet GENC
Midde East Technical University Institute of Applied Mathematics, -Undersecretariat of Treasury
gizem.ocak@metu.edu.tr ;skestel@metu.edu.tr; ahmet.genc@hazine.gov.tr
Insurance companies have responsibilities both to their policy holders and state which are framed by national
and in the last decade also by the international regulations. In policyholders aspect, the insurance company
should have adequate amount of reserve to fulfill the demand resulting from the claims, and attaining the
certain level of financial stability for its existence in the insurance sector. The quantification of this liability is
the main concern of Solvency II regulations. There are many methods concerning measuring the liability of an
insurance company to be solvent. One of them is to use financial ratios in order to demonstrate weak and
strong side of company. This method can be used for comparing market average ratios by the ratios set by the
state and federal laws. Financial ratios also can be used in some models as random variables to give signals of
companys future as an early warning system. In addition, early preventions and precautions are also required
in order the company to be solvent. It is important to emphasize that ratios vary with respect to the type of
insurance policy and the benefit promised. Hence, the choice of financial ratio as determinant is considerable
to make judgments on the insolvency pattern.
The aim of this study is to determine the solvency of a non-life insurance company based on Turkish insurance
sector data. An earlier study done by Genc (2006) is taken as the guiding literature to re-evaluate the existing
situation based on recent development. Furthermore, logit model is used to examine financial failure by
Isseveroglu and Gucenme (2009). The technical and financial balance sheets, income statements of companies
in Turkish insurance sector are taken into account. The ratios deriven are evaluated by using the discriminant
analysis and a comparative analysis of different linear model approaches are applied to select the best model
which should be taken as an early warning model. In the selection of the model accuracy a differentiation grade
on the failure or non-failure is implemented. The data set contains financial details of 59 companies and during
1994-2011. The ratios will be chosen with respect to the liquidity, the profitability and the credibility criteria.
An accuracy study on the selected model is implemented by using an appropriate optimization model based on
the Solvency II requirements. Since financial details of company are constructed of ratios, constraints are
determined according to ratio basis. Risk-free rate refers to the rate which firm used in technical provisions and
interest rate refers to currently reel rate of return of market at that time period. The aim is to find the
parameters which minimize the squared deviation between the realized and estimated ratios based on interest
rate, asset liability ratio, risk management ratio, size of the firms, credibility ranking of the company the year
earlier, and so on. The optimization process will enable us determine how much load has to be added to each
constraints taken into account.
As mentioned above, guiding literature study done by Genc (2006) contains significant results for Turkish
insurance sector. The model with five ratios is selected as the best alternative one. 15 of 46 were determined as
insolvent companies according to the results of the methodology chosen for the period covering 2004. The
most noteworthy and useful result is the ratio which serves as a capability of claim payment explains
dependent variable even solely as a random variable. This study upgrades the results by using alternative
statistical methods to show the impact of latest developments in insurance sector, changes in the economic
indicators and the government regulations.
KAYNAKLAR
[1] Gen, A. (2006), Sigorta Sirketlerinin Mali Analizi, Erken Uyar Sistemi ve Derecelendirme, Ankara.
[2] Isseveroglu G., Gcenme . (2009), Early Warning Model With Statistical Analysis Procedures In Turkish
Insurance Companies, Bursa.
252

[3] Sharpe G. I., Stadnik A. (2006) , A Statistical Early Warning Model Of Financial Disstress In Australian
General Insurers, Sydney.
ABSTRACT
AN EARLY WARNING MODEL FOR INSURANCE COMPANIES IN TURKEY
In Turkey, insurance companies have some obligations to be solvent and for this reason they are regularly
audited according to defined constraints. There are some models and methods in order to analyze company
performances. One of them is an early warning model that is constructed by using some financial ratios. The
aim of the study is to determine how Solvency requirements affected the financial stability of Turkish
insurance companies last years. The proposed model takes into account the financial ratios related to liquidity,
profitability, and other factors regarding to the country specific properties. Historical data on companies
financial indicators are evaluated based on comparative linear model estimation methods to determine the
companys financial position which functions as an early warning indicator. To determine the adequacy of the
estimators, an optimization model is run to quantify the impact of each factor, such as, interest rate, asset
liability ratio, market indicators and operational risk indicators on the estimated model.
Key Words: Discriminant analysis, logit regression, non linear optimization, Solvency II

253

MARKOV AGEING APPROACH IN TURKISH MORTALITY ESTIMATION
Fulya AKAT, Doc. Dr. Sevtap SELCUK-KESTEL
Middle East Technical University, Middle East Technical University,
Institute of Applied Mathematics, Institute of Applied Mathematics,
Financial Mathematics, Ankara-TURKEY Actuarial Science, Ankara-TURKEY
fulya.akat@metu.edu.tr skestel@metu.edu.tr
Introduction
The improvement of medical technology, life standards cause higher expected life time and lower mortality
rates leading to increasing population in older ages. Turkey like other countries is also exposed to low fertility
and longer life time. Mortality rates are the key components to make inferences and predictions on future
developments in the population. The well known models in estimating the mortality rates are DeMoivre,
Gompertz, Makeham and Weibull which depends on the historical realizations in the population. Additionally,
recent developments, such as Lee-Carter (Pitacco, 2003) model yield mortality rates by using self- generating
set of iterations when the past information on the population does not fit to the models above.
Mortality projections should represent the change in futures expected life time, for this reason, their precision
play an important role in actuarial modeling of life insurance and pension funds (Vaupel, 1998). The most
commonly used mortality tables in Turkey are CSO80, SGK 2008 and TRSH 2010. This study questions how
much information is gained in measuring the mortality risk when a Markov Aging approach is modified for
estimating the mortality risk in Turkey. The properties of this model are having the heterogeneity, resembling
the same structure of the rectangular shape in the survival function and assigning the higher mortality rates in
young ages of the population.
2. Markov Aging Approach
A finite-state continuous-time Markov process is to model ageing process where each age is represented by the
states (Lin and Liu 2007). The transition from one state to another is the indication of aging and physiological
distortion. The main advantage of this approach is that it gives time until death time with phase-type
distribution and it is easy to add longevity risk factor in this model. The parameters in the transition matrix are
estimated by minimizing the sum of weighted square errors:

(1)
where
is the observed death rate, S(x) denotes the survival probability at age x, and
is the corresponding
model value for
. The Markov process consists of a set of transition state and a single absorbing state which
represent death. The time of staying at state i before moving to state i+1 follows an exponential distribution
with mean
. The time until absorption is defined as
is said to have phase-type

distribution (Faddy, 1995). The survival function having the survival time is the time of death or
absorption. Because of that the survival time follows a phase-type distribution which represented as
(2)
where is the transition matrix, estimates S(x) given in Equation 1. The initial distribution is
and is the column vector of ones.
The graphs of survival function of mortality table for Turkish population have rectangular shape for both male
and female. Rectangular shape of survival function indicates that the life expectancy has a great tendency to
respond to a change in the force of mortality. Additionally, mortality rates of the young ages behave differently
comparing with other age states. The data used in this study is collected from TUIK (Turkish Statistical
Institute). TUIK has published periodic demographic data set for each year since 2007. Mortality tables which
254

are TRSH2010, CSO80 and SGK 2010 are also used for analyzing how much they represent accuracy current
mortality rates in Turkey.
KAYNAKLAR
[1] Vaupel, J.W.(1998), Demographic Analysis of Aging and Longevity, Germany, American
Economic Association.
[2] Pitacco, E. (2003), Survival Models in Actuarial Mathematics: From Halley to Longevity
Risk, Italy, Invited lecture, 7th Int. Congress Insurance: Mathematics and Economics.
[3] Faddy, M.J.(1995), Phase-Type Distribution for Failure Times, Mathematical Computing
Modeling, Great Britain.
[4] Lin,X.S. and Liu, X. (2007) Markov Aging Process and Phase-Type Law of Mortality,
Toronto, University of Toronto.
ABSTRACT
MARKOV AGEING APPROACH IN TURKISH MORTALITY ESTIMATION
Turkey is exposed to the longevity risk despite having young population and this has an enormous impact on
pension liabilities. As the accumulation from early retirement and other country specific reasons cause
financial deficit on Turkish Government budget, the actuarial valuation of the pension system does not account
longevity risk which causes more uncertainty. This study aims to introduce Markov Aging Model to estimate
the mortality rates and compared to the mortality tables commonly used in Turkey and the valuation of
longevity risk is done based on the proposed model. The parameters optimizing the best mortality estimates are
determined and the valuation on a hypothetical pension portfolio is performed.
Key Words: Markov Ageing, Longevity, Turkish Pension System
255

OPTIMAL RETENTION FOR PROFIT MAXIMIZING UNDER VaR LEVELS CONSTRAINTS
Murat BYKYAZICI
Hacettepe University, Faculty of Science,
Department of Actuarial Sciences, 06800 Beytepe, Ankara, TRKYE
muratby@hacettepe.edu.tr
Introduction
When an insurer seeks reinsurance protection, the insurer is faced with the classic trade-off between the
retained loss and the reinsurance premium. If the retention is small, then it is expected to be low retained loss
to the insurer but higher premium payable to the reinsurer. On the other hand, if the retention is large, then it is
expected to be large retained loss but lower cost of the reinsurance premium. This implies that the insurer is
faced with a problem of determining the optimal retention.
Using well known financial risk measures such as the value-at-risk (VaR), and the conditional-tail-expectation
(CTE), Cai and Tan [1] calculated the optimal retention for stop-loss reinsurance under the expected value
premium principle. Subsequently; Tan, Chengguo and Zhang [2] extended Cai and Tans [1] results in two
directions. One is to expand the class of reinsurance contracts by considering the quota-share reinsurance, in
addition to stop-loss reinsurance. The other is to examine the optimality of the stop-loss and the quota-share
reinsurance under many other premium principles. As a result, they have expressed Because of the complexity
of the optimization problem for the stop-loss reinsurance, there are a few premium principles for which we are
unable to determine analytically if the optimal reinsurance exist or not. One of these premium principles is
standard deviation principle. Computer simulation is frequently used in evaluating such a complex
optimization case [3].
In practice, an insurer not only is concerned with reducing risk exposure, but is also interested in maximizing
the profit [2]. We incorporated both of these goals into the optimal reinsurance models by maximizing profit
under different VaR measure constraints. We also obtained efficient frontier to describe the relationship
between the insurer profit and the VaR of the insurer total cost.
In our stochastic model of a non-life insurance companys profit, the stochastic nature of the aggregate loss X
is incorporated by a non-negative random variable has exponential, Pareto and lognormal distributions with
mean ( ) 1000 E X = . Our objective is to maximize the profit of insurer , S for obtaining efficient frontier to
describe the relationship between the insurer profit and the
T
VaR risk measure. Under the stop-loss reinsurance
model, with different
T
VaR risk level constraints, the optimal retention
*
d is the solution to the following
optimization problem:
[0, )
max [ ( , )]
d
E S d

(1)
In efficient frontier analysis, a suitable lowest bound of
T
VaR is needed to be determined by solving the
following optimization problem:
[0, )
min [ ( , , )]
T
d
E VaR d

(2)
The resulting optimal retention
*
d ensures that
T
VaR is minimized for a given confidence level 1 .
We propose practical solutions for the determination of optimal retentions in stop-loss reinsurance under VaR
risk measure using the Crystal Ball 11.1.2 package program which incorporates OptQuest simulation
optimizer. The minimum values of
T
VaR used in efficient frontier analysis are calculated by solving (2) and
optimal retentions maximizing insurers profit for each test points are calculated by solving (1) with simulation
optimization. We compare premium principles for three distributions with respect to the insurers profit for the
256

same risk level. We also compare the distributions for two premium principles with respect to the insurers
profit for the same risk level. For example, under expected value premium principle, for almost all risk levels
Pareto distribution gives the highest profit and exponential distribution gives the lowest. As the risk level
increases profits for exponential and lognormal distributions increase more rapidly than that for Pareto as seen
in Figure 1.
Figure 1. Comparison of distributions for expected value premium principle
Computational results show that the assumed loss model and premium principle used are effective factors for
determining optimal retention limit, so the insurers expected profit. Finding analytically optimal solution to
some complex real-world problems is extremely hard and even sometimes impossible. Therefore, simulation
optimization approach can be used to find optimal retention limit for better profit with their acceptable risk
level.
REFERENCES
[1] J. Cai, S.K. Tan, Optimal retention for a stop-loss reinsurance under the VaR and CTE risk measures,
ASTIN Bull. 37 (1) (2007), 93-112.
[2] K. S. Tan, W. Chengguo, Y. Zhang, VaR and CTE criteria for optimal quota-share and stop-loss
reinsurance, North Amer. Actuarial J. 13 (4) (2009), 459-482.
[3] E. Tekin, I. Sabuncuoglu, Simulation optimization: A comprehensive review on theory and
applications. IIE Transactions, 36 (2004), 10671081.
1200 1250 1300 1350 1400 1450 1500 1550 1600 1650
40
60
80
100
120
140
160
180
VaR(T)
I
n
s
u
r
e
r
'
s

P
r
o
f
i
t

(
S
)
Exponential
Pareto
Lognormal
257

BLDR OTURUMLARI 5
SESSION 5
statistik Teori 2
258

MEME KANSER VERSNN BAYESC SAKALIM ANALZ LE NCELENMES
Esin AVCI* Nural BEKIROLU Meral YAY
Trkiye Istatistik Kurumu, 34353, Istanbul, TRKIYE, esinavci@hotmail.com
Marmara niversitesi, Tp Fakltesi, Biyoistatistik ve Tbb Bilisim ABD, 34668, Istanbul, TRKIYE,
nural@marmara.edu.tr
Mimar Sinan Gzel Sanatlar niversitesi, Fen Edebiyat fakltesi, Istatistik Blm, 34433, , Istanbul,
TRKIYE, myay@msgsu.edu.tr
Bayesci Sagkalm Analizi
Sagkalm en ksa tanmyla yasamda kalma sresidir. Daha genel bir ifade ile belirli bir baslang degerinden
(dogum, tedavi baslangc veya isverenin is vermesinden) belirli bir olguya ulasmaya (lm, hastalgn nks
etmesi veya isten karlma) kadar geen sre olarak tanmlanr. Sagkalm verilerinin analizi ve modellenmesi,
17. yy da akterya ve demografinin gelismesiyle sekillenmeye baslamstr. Sagkalm analizi konusundaki ilk
nemli gelisme, Kaplan ve Meierin 1958 ylnda yaymlanan sagkalm egrisinin tahmini makalesiyle
kendini gstermistir (Kaplan ve Meier, 1958). Bu alsmann ardndan, sagkalm sresine etki eden risk
faktrlerinin belirlenmesi amacyla gelistirilen yeni yntemler arastrmaclarn ilgisini ekmis ve arastrmalarn
says gn getike artmstr. Son yllarda yaplan arastrmalarda Bayesi sagkalm analizi zerinde
odaklanlmstr..
Bayesci yaklasm, Bayes teoremine dayanarak gelistirilmistir ve yaklasma gre parametreler klasik
yaklasmdaki gibi sabit olarak degil, olaslga bagl olarak tanmlanr. Dolays ile her bir parametreye iliskin
bir daglm sz konusudur. Ayrca veriyi modellemede nsel (prior) bilgiye basvurma esnekligi nedeniyle
klasik yntemlere gre olduka avantajldr (Ibrahim ve dig., 2001; Wong ve dig., 2005). nsel bilginin elde
edilmesi, Bayesci karsamada nemli rol oynar. nsel daglmn sonular ne kadar degistirecegi model seim
kriterleri ile tespit edilmelidir. nsel daglmlar, aklayc olan (informative) ve aklayc olmayan
(noninformative) olmak zere iki temel gruba ayrlr. Bayesci yaklasmda, denklem (1)de de gsterildigi gibi
nsel daglmdan ve veriden gelen bilgi birlestirilerek sonsal daglm elde edilir. Sonsal bilginin elde
edilmesindeki en nemli sorun, daglmnn hesaplama glgdr. Bu nedenle Markov Zinciri Monte Carlo
(MCMC) yntemleri yardmyla olduka kolaylasmaktadr (Gilks ve dig, 1996). Yntem cretsiz olarak
indirilebilen WinBUGS paket program yardmyla kolaylkla uygulanmaktadr. BUGS (Spiegelhalter ve dig.,
1996), zel olarak MCMC ynteminin tam olaslk modellerine uygulanmas iin kullanlan bir programdr.
) ( ) ( ) ( f y L y f (1)
Burada ) ( f nsel daglm, ) ( y L olabilirlik fonksiyonunu ve ) ( y f sonsal daglm ifade etmektedir.
Bayesci sagkalm analizi, (1) denklemi ile tanmlanan sonsal daglm denkelminde (2) denklemi ile tanmlanan
sagkalm sresine ait olabilirlik fonksiyonunun ) ( f parametrelere ait nsel daglmlarn birlestirilmesi
olarak tanmlanabilir.
=
~
=
n
i
v
i
v
i
i i
t S t f D L
1
) 1 (
) ( ) ( ) ( (2)
Burada ) ,..., (
1
=
n
t t t nin sagkalm zamann, ) ,..., (
1
=
n
v v v nin durum degiskenini ve ) , , ( v y n D = nin
gzlenen verileri gstermektedir.
Bu alsmada, aklayc olan ve olmayan nsel bilgiye dayal Bayesci Sagkalm Analizi (srasyla BSA-I ve
BSA-II olarak tanmlanmaktadr) Istanbul niversitesi Tp Fakltesi Meme Cerrahi Kliniginde tedavi gren 9
yl izlemli 458 meme kanseri hastasnn sagkalm sresine yas, aile hikayesi, menepoz durumu, tmr
byklg, TNM evresi, histolojik tip, strojen reseptr durumu, progesteron reseptr durumu, tedavi tr
(radyoterapi ve hormon terapisi) ve aksiller lenf nodu tutulumu prognostik faktrler olarak belirlenmistir.
259

lm gerekleen 69 hastann sakalm srelerine ait dalm incelenmi ve Lognormal dalma sahip olduu
olaslk younluk, Hazard fonksiyonlar grafii ve verilerin logaritmalar alnarak normallik testi yardmyla
saptanmtr.
Sakalm sresine etki eden prognostik faktrler iin aklayc nsel dalmlarnn elde edilmesi iin daha
nce yaplan aratrmalar incelenmi ve bilgiler derlenmitir. Aklayc olamayan nsel dalm iin N(0.0,
0,0001) kullanlmtr. Bu bilgiler dorultusunda WinBUGSta macro yazlmtr. Sonsal dalmnn
yaknsama salamas ve balang deerlerinin etkisinin en aza indirilmesi iin, Markov zincirinde elde edilen
rneklemin balang ksm karlmtr. Bu amala 50000 iterasyonun ilk 2500 iterasyonu karlm ve elde
edilen sonularda MC hatann, sonsal standart hataya oran %5ten kk olmasndan dolay yeterli iterasyon
saysna ulat grlmtr. Parametrelerin iz grafikleri salnm gsterdiinden sonsal dalma yaknsama
hznn yksek olduu saptanmtr. Sakalm sresine etki eden (anlaml bulunan) parametrelerin gven
aralklar 0 deerini iermemesine gre saptanmaktadr. Bu balamda tmr bykl, TNM evresi IIA,
TNM evresi IIB, strojen reseptr durumu ve aksiller lenf nodu tutulumu deikenlerinin sakalm sresi
zerindeki etkilerinin nemli olduuna hem BSA-Iin hem de BSA-IIde saptanmtr. AIC kriterlerine gre
yaplan karlatrma sonucunda, BSA-Iin BSA-IIden daha kk deere sahip olduu ve dolays ile tercih
edilmesi gerektiine karar verilmitir. Ayrca BSA-I yntemi ile elde edilen parametre tahminlerine ilikin
standart hatalarn, BSA-II iin elde edilen standart hatalardan daha kk olduu gzlenmitir.
KAYNAKLAR
[1] Gilks, W.R., Richardson, S., Spiegelhalter D.J. (1996), Markov Chain Monte Carlo in Practice. Chapman-
Hall, London.
[2] Ibrahim, J.G., Chen, M.H., Sinha, D. (2001), Bayesian Survival Analysis, Springer-Verlag, New York.
ABSTRACT
EXAMINED BREAST CANCER DATA BY BAYESIAN SURVIVAL ANALYSIS
Breast cancer is one of the most common cancer and the leading death cause among women in the world. The
aim of this study was to define prognostic factors of breast cancer using Bayesian survival models.
Key Words: Bayesian survival analysis, Lognormal distribution, Breast cancer, WinBUGS
260

MCMC YNTEMNN DNAMK DORUSAL MODELLERE UYGULANMASI
Hatice Yagmur GRKAN, Gl ERGN*
Hacettepe niversitesi, Fen Fakltesi, Istatistik Blm, 06800, Ankara, TRKIYE
h.yagmur.gurkan@gmail.com, gul@hacettepe.edu.tr
Bu alsmada, farkl dinamik dogrusal modelin Rda dlm paketi kullanlarak isletilmesi ele alnmstr. Bu
modeller: durgun model, dogrusal byme modeli ve mevsimsel etkili ikinci dereceden polinomiyal model
olmak zere bir birlesik modeldir. alsmada enok olabilirlik yntemi, ileriye dogru filtreleme geriye dogru
rnekleme algoritmas ve/veya Gibbs rneklemesi yntemi incelenen her bir modele uygulanms; hata
terimlerine ait bilinmeyen gzlem ve sistem varyans tahminlerinin yan sra Kalman filtresi sonular elde
edilmistir. alsmada ele alnan her model iin asagdaki admlar uygulanmstr. Bunlar:
1. Bilinmeyen varyanslarn enok olabilirlik tahminlerinin elde edilmesi,
1.1. Enok olabilirlik tahminlerinin standart hatalar dsk ise, bu tahminlerin modelde kullanlmas ve
Kalman filtresi sonularnn elde edilmesi,
1.1.1. Filtre sonularnn ileriye dogru filtreleme geriye dogru rnekleme algoritmasnn bir paras olarak
kullanlmas ve geriye rnekleme kapsamnda dlmBSampler fonksiyonu kullanlarak yeni verilerin tretilmesi,
1.1.2. Tretilen bu verilerin Gibbs rnekleyicisi iin bir kaynak olarak kullanlmas ve bilinmeyen
varyanslarn Bayesci tahminleri olan Monte Carlo tahminlerinin elde edilerek analizin sonlandrlmas ve
sonularn zetlenmesi.
1.2. Enok olabilirlik tahminlerinin standart hatalar yksek ise, Gibbs rneklemesi kullanlarak
bilinmeyen varyanslarn Monte Carlo tahminlerinin elde edilmesi,
1.2.1. Bu tahminlerin modele yerlestirilerek Kalman filtresi sonularnn elde edilmesi,
1.2.2. Kalman filtresi uygulamas sonras analizin sonlandrlmas ve sonularn zetlenmesi.
Bu zette sadece durgun modele ait sonular yer almaktadr. Dinamik dogrusal modellerin en yaln hali olan
durgun model {F=1, G=1, V, W} drtls ile asagdaki gibi ifade edilir:
y
t
=
t
+v
t
, v
t
~N(0,V) (1)
t
=
t-1
+w
t
, w
t
~N(0,W) (2)
Uygulamada, durgun model Rda tanmlanrken
0
~N(10,2) alnms ve durgun modelden retilmis yapay bir
seri zerinde yukarda tanmlanan admlar izlenerek tahminler yaplmstr.
izelge1. Durgun model iin enok olabilirlik tahminleri
PARAMETRE ENOK OLABLRLK
TAHMN
STANDART
HATA
V 0.6215211 0.3658219
W 1.285503 0.5667107
Enok olabilirlik tahminleri kullanlarak elde edilen durgun modele Kalman filtresi uygulanms ve sonular
Sekil 1de verilmistir.
Gibbs rneklemesinin isletilebilmesi iin bilinmeyen varyanslarn nsel daglmlarnn belirlenmesi ya da bu
parametrelere birer nsel daglm atanmas gerekmektedir. Bu alsmada, d-ters Gamma modeli bilinmeyen
varyanslarn nsel daglmlar iin ele alnms ve nsel daglmlarn parametreleri Petrisin [2] alsmas
referans alnarak belirlenmistir. Gibbs rnekleyicisi 10000 iterasyonda alstrlarak ilk 5000 deger yaklms ve
elde edilen Monte Carlo tahminleri izelge 2de verilmistir.
261

ekil 1. Durgun Modele Ait Kalman Filtresi ve ngr Sonular Grafii
izelge2. Durgun model iin Monte Carlo tahminleri
PARAMETRE MONTE CARLO TAHMN STANDART
HATA
V 1.64E-01 5.24E-05
W 5.01E-02 1.38E-04
almann sonucunda, ele alnan modeller iin Bayesci yaklamla elde edilen Monte Carlo tahminlerinin
enok olabilirlik tahminlerine gre daha dk standart hatalara sahip olduklar grlmtr. Buna gre
bilinmeyen varyanslar sz konusu olduunda, Kalman filtresinin kullanlmas iin daha dk standart hatal
tahminler veren Bayesci yaklamn tercih edilmesi daha yerinde bir tercih olacaktr.
KAYNAKLAR
[1] Petris, G. (2010), An R Package for Dynamic Linear Models, Journal of Statistical Software, 36(12),
116.
[2] Petris, G., Petrone, S., Campagnoli, P. (2009), Dynamic Linear Models with R. Springer-Verlag.
[3] West, M., Harrison, J. (1997), Bayesian Forecasting and Dynamic Models, Springer.
ABSTRACT
AN APPLICATION OF MCMC METHOD TO DYNAMIC LINEAR MODELS
This study deals with implementing three different types of dynamic linear models using dlm package in R.
These models are the steady model, the linear growth model and the combined model as a second order
polynomial model with a seasonal effect. Several methods such as maximum likelihood, forward filtering
backward sampling and/or Gibbs sampling are applied for each model considered in the study. Datasets are
generated for the first two models; Turkey Cost of Living Index (Wage Earners) series is used for the
combined model. The estimations of the unknown variance components besides, the Kalman filter results are
obtained.
Key Words: Dynamic Linear Models, Bayesian Inference, Kalman Filtering, Forward Filtering Backward
Sampling, Gibbs Sampling, R, dlm.
262

OECD LKELERNN ENERJ PERFORMANSLARINI BAYESC STOKASTIK SINIR ANALZ
LE DEERLENDRMES
Mehmet Ali CENGIZ
*
, Naci MURAT
**
,Talat SENEL
***
*
Ondokuz Mays nv., Fen-Ed.Fak., Istatistik Bl.,Samsun, TURKEY E-mail:macengiz@omu.edu.tr
** Ondokuz Mays nv., Endstri Mhendisligi,Samsun, TURKEY E-mail:nacimurat@omu.edu.tr
***Ondokuz Mays nv., Fen-Ed.Fak., Istatistik Bl.,Samsun, TURKEY E-mail:tlsenel@ omu.edu.tr
Stokastik snr analizi (SSA) snr fonksiyonlarn tahmin etmek ve retim etkinligini lmek iin ska
kullanlan bir yntemdir. SSA ekonometrik yntemleri kullanan parametrik bir yaklasmdr. Stokastik snr
yaklasm, maliyet, kr ve retim gibi aklanan degiskenlerle; girdi, kt ve evresel faktrler gibi aklayc
degiskenler arasnda bir iliski kurmakta ve hata terimini gz nne almaktadr.
Bir modelin stokastik snr retim fonksiyonu asagdaki gibi ifade edilmektedir.
i i i i
u v x y In + = ) ( , i=1,2,,n
) ,..., , (
1 0
=
K

Burada ) ,..., , (
1 0
=
K
((K+1)x1) boyutlu bilinmeyen parametre vektr ve
i
y , i. karar verme
biriminin ktsn temsil eder.
i
x , (K+1) lik bir satr vektrdr, bu vektrn ilk eleman 1 dr ve geri kalan
elemanlar i. karar verme birimi tarafndan kullanlan K tane girdi miktarnn logaritmasdr.
i
u ise negatif
olmayan rastgele degisken olup karar verme birimlerinin teknik etkinsizligiyle iliskilidir. Son olarak
i
v ise
istatistiksel grlty aklamak iin rastgele hatadr ([1], [2]).
Son yllarda stokastik snr analizinde Bayesci yaklasmn kullanm szkonusudur ([4],, [9]) Bayesci
yaklasmn kullanldg alanlarn basnda Enerji sektr gelmektedir. Enerji tketimi ulusal ekonominin
gelisiminde belirleyici bir faktrdr ve lkelerin gelismislik dzeyleriyle dogru orantldr. Ekonomik olarak
gelismis lkeler ihtiyac olan enerjiyi kendi kaynaklarn kullanarak retirler. Enerji tketimi ve ekonomik
byme karslkl olarak birbirlerini etkiler. Bu alsmada OECD lkelerinin enerji tabanl gelismislik
performanslar Bayesci stokastik snr analiziyle llms ve elde edilen sonular klasik stokastik snr
analiziyle elde edilen sonularla karslastrlmstr.
KAYNAKLAR
[1] Aigner, D.J., Lovell, C.A.K., Schmidt, P. (1977) , Formulation and Estimation of Stochastic Frontier
Production Function Models, Journal of Econometrics, 6 (1): 21-37.
[2] Meeusen, W., van den Broeck, J. (1977), Efficiency Estimation from Cobb-Douglas Production
Functions with Composed Error, International Economic Review, 18 (2): 435-444.
[3] U.S. Energy Information Administration (2012), International Energy Outlook,
EIA, Washington.
[4] Koop, G., J. Osiewalski and M.F.J. Steel (1997). Bayesian Efficiency Analysis Through
Individual Effects: Hospital Cost Frontier. Journal of Econometrics, 76, 77-105.
[5] van den Broeck, J., G. Koop, J. Osiewalski and M.F.J. Steel. (1994). Stochastic Frontier
Models: A Bayesian Perspective. Journal of Econometrics, 61, 273-303.
[6] Griffin, J. E. and Steel, M. F. J. (2004). Semiparametric Bayesian Inference for Stochastic
Frontier Models. Journal of Econometrics 123, 121-152.
[7] Kumbhakar, S.C. and E.G. Tsionas. (2005). Measuring technical and allocative inefficiency
in the translog cost system: a Bayesian approach. Journal of Econometrics, 126, 355-384.
[8] Cengiz, M.A., Senel,T., Terzi, y., Murat N. (2012). A Bayesian computation for
stochastic frontier analysis, Book of Abstracts, 11th International Conference on
Data Envelopment Analysis.
[9] Cengiz, M.A.,and Murat N. (2012). Assessing Convergence Of MCMC Algorithms
for Stochastic Frontier Analysis , Book of Abstracts, 11th International Conference
on Data Envelopment Analysis
ABSTRACT
263

OECD COUNTRIES ENERGY PERFORMANCE EVALUATION USING BAYESIAN
STOCHASTIC FRONTIER ANALYSIS
Starting from seminal study by Aigner et al. (1977), theoretical literature on stochastic frontier has grown
vastly. The range of applications of the techniques described is huge. The economic meaning of a frontier is to
represent the best-practice technology in a production process or in a particular economic sector. Cost frontiers
describe the minimum level of cost given a certain output level and certain input prices. Production frontiers
represent the maximum amount of output that can be obtained from a given level of inputs. The gap between
the actual and the maximum output is a measure of inefficiency and an important issue in many application
fields, such as production studies. More recently, a large amount of interest has been devoted to the use of
Bayesian methods for making inference in stochastic frontier models. The Bayesian inference in stochastics
frontier was first proposed by van den Broeck et al. (1994). Koop et al. (1997) developed Bayesian inferential
procedures to be applied to panel data. Griffin and Steel (2004) adopts a semiparametric Bayesian aproach for
inference. Kumbhakar and Tsionas (2005), Cengiz and Murat (2012) and Cengiz et al. (2012) introduce the
use of MCMC methods in this context.
Energy consumption is a decisive factor in the development of the national economy and it is directly
proportional to the development level of the countries. Economically developed countries produce their needed
energy using by their own sources. Energy consumption and economic growth mutually influences each other.
This studys aim is to measure OECD countries energy performances using by Bayesian stochastic frontier
analysis.
Key words: Stochastic frontier, Bayesian,Energy,OECD
264

BAYESC YAPISAL ETLK MODELLERDE FARKLI TPTE LEKLERN ANALZ N
EK DEER YAKLAIMI
Naci MURAT
1
, Mehmet Ali CENGIZ
2
, Erol TERZI
3
1
Mhendislik Fakltesi,Ondokuz Mays niversitesi,Samsun,Trkiye, e-mail: nacimurat@omu.edu.tr
2
Fen Edebiyat Fakltesi,Ondokuz Mays niversitesi,Samsun,Trkiye, e-mail: macengiz@omu.edu.tr
3
Fen Edebiyat Fakltesi,Ondokuz Mays niversitesi,Samsun,Trkiye, e-mail: eroltrz@omu.edu.tr
Kantitatif arastrma teknii pek ok alanda yaygn olarak kullanlmaktadr. ou zaman veriler sral kategorik
deiskenler seklinde elde edilmektedir. Bu deiskenlere rnek olarak; tutum lekleri, likert lekler,
derecelendirme lekleri gibi lekler verilebilir [1,2]. Kategorik olarak toplanan verilerin analizinde, verilere
normal dalmdan ekilmis srekli deerler gibi muamele edilmektedir. Bu yaklasm histogram dalmlarnn
simetrik olduu durumlarda ciddi problemlere yol amaz. Oysa pek ok arastrmada u deerlerde birikmeler
olur. Bu birikmeler histogramlarn arpk olmasna yol aar[3-5]. Bu tr kesikli verilerin analizinde, esik
deerli normal dalmdan gelen gizli srekli deisken olarak kabul etme yaklasm kullanlmaktadr. Baz
tutumlarla ilgili yaplan sorgulamalarda lek 3l iken, baz durumlarda 5lidir. Esik deer says sral
kategorik saysnn bir eksii kadardr. Farkl leklerin kullanld durumlarda esik deer saylar da farkl
olacak ve analiz asamas tkanacaktr. Literatrde farkl lekler iin uygulanms bir esik deer yaklasm
bulunmamaktadr.
Bu alsmada, farkl leklerin kullanld arastrmalarda veri analizi iin esik deerli normal dalmdan
gelen gizli srekli deisken olarak kabul etme yaklasmnn Bayesci analizi kullanlmstr. Farkl leklerde
lineer dnsm teknii kullanlms ve leklerden biri dierine dnstrlmstr. Tm veriler iin gelistirilen
ortak lekten sonra esik deer yaklasm uygulanmstr. Sral kategori saysnn bir eksii kadar belirlenen
esik deerler ortak bir normal dalmla iliskilendirildii gibi ayrca parametrelerin kolayca yorumlanmasn
salamstr. Analizde sral kategorik deerlerin saysal deerleri sadece ilgili kategoriyi temsil iin
kullanlmstr. Veri analizinde bu deerlere iliskin frekans oranlar ile islem gereklestirilmistir.
Anahtar Kelimeler: Yapsal Esitlik Modelleri, Bayesci Yaklasm, Kesikli Veri Analizi, Farkl lekler
[1] Likert R. (1992), A Technique forthe Measurement of Attitudes, Archives of Psychology,
140: 155
[2]Jamieson S. (2004), Likert Scales:How to (Ab)Use Them, Medical Education,
38:12171218.
[3] Lee S. Y., Poon W. Y. and Bentler P. M. (1990a), Full maximum likelihood analysis of structural equation
models with polytomous variables, Statistics and Probability Letters, 9, 9197.
[4] Lee S. Y., Poon W. Y. and Bentler P. M. (1990b), A three-stage estimation procedure for structural
equation models with polytomous variables, Psychometrika, 55, 4551.
[5] Lee S. Y., Song X. Y., Skevington S. and Hao Y. T. (2005), Application of structural equation models to
quality of life. Structural Equation Modeling A Multidisciplinary Journal, 12, 435453.
ABSTRACT
TRESHOLD APPROACH FOR ANALYSIS OF DIFFERENT TYPES OF SCALE IN BAYESIAN
STRUCTURAL EQUATION MODELS
Quantitative research techniques are widely used in many fields. Most of the time sequential data is obtained in
the form of categorical variables. Examples of such variables are attitude items, Likert items, rating scales and
the like. For analysis of obtained in the form of categorical variables, one common approach is to treat the
assigned integers as continuous data from a normal distribution. This approach may not lead to serious
problems if the histogram of the observations is symmetrical. However, many studies are storages extreme
265

values. This concentration leads to skewed histogram. A better approach for assessing these kinds of discrete
data is to treat them as observations that are coming from a hidden continuous normal distribution with a
threshold specification. The threshold value is one less than the number of categorical sequential number.
Threshold value will be different from the number of cases using different scales and analysis process will get
stuck. There isnt a threshold approach is applied for the different scales in the literature.
In this study, a threshold approach for analysis of different types of scales in Bayesian structural equation
models was introduced. One likert scale was converted to another scale using linear transformation at different
scales. Thus, a common scale was developed.
Key Word: Structural Equation Modelling, Bayesian Approach, Discrete Data Analysis, Different Scales
266

BAYESC COX REGRESYONDA MCMC YAKINSAMA KRTERLERNN
DEERLENDRLMES
Nesrin ALKAN
*
, Yksel TERZI
**
, Mehmet Ali CENGIZ
**
*
Sinop nv., Fen-Ed.Fak., Istatistik Bl., Sinop, TURKEY E-mail:nesrin.alkan@gmail.com
**
Ondokuz Mays nv., Fen-Ed.Fak., Istatistik Bl.,Samsun, TURKEY E-mail:yukselt@hotmail.com
**
Ondokuz Mays nv., Fen-Ed.Fak., Istatistik Bl.,Samsun, TURKEY E-mail:macengiz@hotmail.com
1.Bayesci Cox Regresyon Modeli
Cox regresyon, sakalm analizinin en ok kullanlan yntemlerindendir. Son zamanlarda yaplan alsmalar
incelendiinde Bayesci sakalm analizinin uygulamalarnda bir arts gzlenmistir. Daha nceki alsmalarda
arastrmaclar zor teorisi olmas nedeniyle Bayesci analizleri medikal alsmalarda ok sk kullanmamslardr.
Fakat bilgisayar teknolojisinin gelismesi ile birlikte Bayesci yaklasmlara ilgi artms ve Bayesci Cox regresyon
yntemi gelistirilmistir. Parametre hakkndaki Bayesci karsama parametrenin sonsal dalmna
dayanmaktadr. Sonsal dalm, olabilirlik fonksiyonu ile nsel dalmn arpmndan elde edilir. Bayesci Cox
Regresyonda sonsal dalm tahmin edilirken olabilirlik fonksiyonu olarak ksmi olabilirlik fonksiyonu
kullanlr ve parametrenin sonsal dalmna dayanan karsamada bulunulur. Bayesci Cox Regresyon
modelinde sonsal dalm esitlik (1)de verildii gibidir.
p
P( / y) L (y / )P( ) (1)
Burada
p
L (y / ) , regresyon katsays parametreli ksmi olabilirlik fonksiyonudur ve esitlik (2)de
verildii gibidir.
=
k
1 i
) t ( R j
j
i
p
i
) x exp(
) x exp(
) / y ( L (2)
2.Markov Zincirinin Yaknsama Testleri
Markov Zinciri Monte Carlo (MCMC) yntemi hedeflenen bir sonsal dalmdan rneklemler ekmek ve bu
rneklemleri kullanarak ilgilenilen herhangi bir miktar hesaplayan iteratif bir yntemdir. Simlasyona dayal
bu yntemde dikkat edilmesi gereken iki nemli nokta vardr. Birincisi Markov zincirinin duraan hale veya
istenen sonsal dalma gelip gelmediine karar vermek, ikincisi ise Markov zincirinin duraan hale gelmesini
salayan iterasyon saysn belirlemektir. Markov zincirinin yaknsamas hedeflenen sonsal dalma ulaslmas
anlamna gelir. Bayesci analizlerde karsamalar yaknsama salanms sonsal dalmdan elde edilir. Eer
zincir yaknsamazsa geerli karsamalar elde edilemez. Btn parametreler iin yaknsamann kontrol
edilmesi gerekir. Yaknsama testleri bu nemli noktada yardmc olur. Yaknsama testleri hedef dalmdan
karsamalar elde etmek iin Markov zincirinin ne kadar uzunlukta alstrlmas gerektiini deerlendiren
yntemlerdir. Yaknsamann deerlendirilmesinde iz grafikleri ile grsel analizi yaplr. Iz grafikleri,
yaknsamann deerlendirilmesinde ok kullansldr. Iz grafikleri hedef dalma yaknsama olup olmadn
gsterir. Zincirde ilerleme devam ederken noktalarn dalm deismiyorsa zincir hedef dalma ulasms
saylr.
267

ekil 1. Yaknsama salams bir zincirin iz grafii
Yaknsamann deerlendirilmesinde ayrca Gelman-Rubin, Geweke, Heidelberger-Welch, Raftery-Lewis,
Autocorrelation ve Monte Carlo standart hata yntemleri de kullanlr. Literatyrde MCMC ynteminde
standart bir yaknsama kriterinin kullanmna iliskin alsmalar bulunmamaktadr.
Bu alsmada Bayesci Cox regresyon modelinin parametreleri iin farkl iterasyon sayl MCMC yaknsama
kriterlerinin performanslar gerek bir veri seti kullanlarak karslastrld. Iterasyon saylar 100den
baslayarak btn yntemlerin yaknsama salad noktada durduruldu. Bylece yntemlerin farkl iterasyon
saylarnda nasl davrandklar ve birbirleriyle olan benzerlikleri veya farkllklar ortaya karld.
KAYNAKLAR
[1] Ibrahim J.G., Chen M.H. and Sinha D. (2001). Bayesian Survival Analysis. Springer- Verlag, s:
290-317, New York.
[2] Geweke J. (1992). Evaluating the Accuracy of Sampling-Based Approaches to Calculating Posterior
Moments. In Bayesian Statistics 4 (ed JM Bernardo, JO Berger, AP Dawid, and AFM Smith). Clarendon Press,
Oxford, UK.
[3] Heidelberger P. and Welch P.D. (1983). Simulation Run Length Control in the Presence of an Initial
Transient, Operations Research, 31, 11091144.
[4] Raftery A.E. and Lewis S.M. (1996). The Number of Iterations, Convergence Diagnostics and
Generic Metropolis Algorithms, in W.R. Gilks, D.J. Spiegelhalter, and S. Richardson, eds., Markov
Chain Monte Carlo in Practice, London, UK: Chapman & Hall.
ABSTRACT
ASSESSING CONVERGENCE DIAGNOSTICS IN MCMC FOR BAYESIAN COX REGRESSION
The Markov Chain Monte Carlo (MCMC) is the most common method for the Bayesian anlaysis. The basic
idea of MCMC is to generate samples from target posterior distribution and uses these samples to calculate any
relevant quantities of interest (Gilks et all, 1996). Researchers have to decide whether the Markov Chain is
stable or the chain has reached desired posterior distribution. Additionaly they have to specify the number of
iterations which keep after the Markov Chain is stable. Convergence diagnostics help to resolve these issues.
Convergence diagnostics are methods for assessing how long to run a Markov chain in order to obtain
observations from the stationary distribution. Several statistical diagnostic tests can help to assess Markov
chain convergence. This study aimed to compare performances of convergence diagnostics test by using real
data set.
Key words: Convergence criteria, Markov Chain Monte Carlo, Bayesian Cox regression
268

GECKMES DAITILMI MODELLERDE BAYESYEN LU VE RDGE TP TAHMN
EDCLERN KARILATIRILMASI
Nimet TRKER
1
, Berrin GLTAY
2
, Selahattin KAIRANLAR
3
1 ukurova niversitesi, Fen Edebiyat Fakltesi, Istatistik Blm , O1330, Adana, nturker@cu.edu.tr
2 Onsekiz Mart niversitesi, Fen Edebiyat Fakltesi, Istatistik Blm , anakkale,
berrin_erkan@hotmail.com
3ukurova niversitesi, Fen Edebiyat Fakltesi, Istatistik Blm , O1330, Adana, skacir@cu.edu.tr
ZET
Gecikmesi sonlu datlms modeli gz nne alalm:
T p t u x x x y
t p t p t t t
,........, 1 .. ..........
1 1 0
+ = + + + + + =

= u X + . (1)
oklu i iliski problemi olmas durumunda, (1) deki larn en kk kareler (EKK) yntemiyle tahmin
edilmesi baz dezavantajlara sahiptir.
Bu problemleri zmek iin
i
zerinde lineer stokastik olmayan nbilginin genellestirilmesi Almon (1965)
tarafndan verilmistir.
Bununla birlikte, Almon metodunun uygulanmasyla baz problemlerle yz yze kalabiliriz. Bu problemleri
gidermek iin stokastik n bilgi altnda Ridge tipi tahmin edici yaklasm alternatif olarak ele alnmstr. Bu
tahmin edicilerin ayn zamanda Bayesyen tahmin ediciler olduu gsterilmistir ( Maddala (1974), Vinod ve
Ullah(1981)).
zkale ve Karanlar (2007) iki parametreli Liu tahmin edici tanmlamstr. Gruber (2012) bu tahmin edicinin,
ridge tahmin edici gibi, bir Bayesyen tahmin edici olduunu gstermistir.
Bu alsmada amacmz, Almon ile Ridge ve Liu tipi Bayesyen tahmin edicilerin birlestirilmesiyle elde edilen
alternatif tahmin edicileri karslastrmaktr.
KAYNAKLAR
[1] Almon, S. (1965), The Distributed Lag between Capital Appropriations and Expenditures, Econometrica,
Vol 30, 96-178.
[2] Liu, K. (1993), A New Class of Biased Estimate in Linear Regression, Commun. Stat. Theory Meth.,
22(2), 393-402.
[3] Maddala, G.S. (1974), Ridge Estimator for Distributed Lag Models, NBER Working Paper Series, no:69.
[4] Vinod, H.D. and Ulah, A. (1981), Recent Advances in Regression Methods, Marcel Dekker, New York.
269

[5] zkale, M.R. and Karanlar, S.(2007), The Restricted and Unrestricted two-parameter estimators.
Commun. Stat. Theory Meth., 36,,2707-2725.
ABSTRACT
COMPARISIONS OF BAYESIAN LIU AND RIDGE ESTIMATORS FOR DISTRIBUTED LAG
MODELS
The finite distributed lag model is as follows:
T p t u x x x y
t p t p t t t
,........, 1 .. ..........
1 1 0
+ = + + + + + =

= u X + . (1)
In the presence of multicollinearity problem, the OLS estimator of the s in (1) has some disadvantages.
To tackle these problems, a generalization of the linear nonstochastic prior on
i
is given by Almon (1965).
However, we may face some problems applying the Almon method. To circumvent these problems, the ridge
type estimator approach under stochastic smoothness priors is considered as an alternative.
It is also demonstrated that these estimators are special cases of the linear Bayes estimator ( Maddala (1974),
Vinod and Ullah (1981)). zkale and Karanlar (2007) proposed a two-parameter variation of the Liu
estimator. It is demonstrated that two-parameter Liu estimator is a special case of the linear Bayes estimator as
the ridge estimator ( Gruber (2012)).
Our aim in this study is to introduce alternative estimators defined by combining the Almon estimator with the
Liu and ridge type bayesian estimator. We also compare their properties in some detail.
Key Words: Finite distributed lag model; Almon estimator; Bayesian estimator; ridge estimator; Liu estimator
270

BLDR OTURUMLARI 5
SESSION 5
Veri Analizi ve Modelleme
271

KONK IINLI BLGSAYARLI TOMOGRAF GRNTLERNDEK ENE
PATOLOJLERNN RASGELE YRYLE BELRLENMES
Ercment YILMAZ*
Karadeniz Teknik niversitesi, Enformatik Blm, 61080, TRABZON, TRKYE
ercument@ktu.edu.tr
Temel KAYIKIOLU
Karadeniz Teknik niversitesi, Mhendislik Fakltesi, Elektrik Elektronik Mhendislii Blm, 61080,
TRABZON, TRKYE
tkayikci@ktu.edu.tr
Saadettin KAYIPMAZ, mer Said SEZGN
Karadeniz Teknik niversitesi, Dis Hekimlii Fakltesi, Oral Diagnoz ve Radyoloji ABD, 61080, TRABZON,
TRKYE
skayitmaz@yahoo.com, omersaidsezgin@gmail.com
Giri
Bu alsmann konusu; Konik Isnl Bilgisayarl Tomografi (KIBT) cihazlaryla elde edilen tbbi grntlerde
ene patolojilerinin rasgele yrys yntemi ile tespit edilmesidir. Dis hekimleri bu amala gelistirilen bir
yazlm araclyla 3 boyutlu grntler ierisinde hastalkl blgeleri tespit ederek bltleyebilecekleri gibi,
matematiksel ve olaslksal bir yntem olan rasgele yrys yntemini kullanarak bu blgeleri en yakn
dorulukta ve daha ksa srede de isaretleyebileceklerdir.
Hastalkl Blgenin Hekim Tarafndan Tespit Edilmesi
KT Dis Hekimlii Fakltesi Oral Diagnoz ve Radyoloji kliniine gelen hastalara ait KBIT grntlerinde,
ene blgelerinde hastalkl patolojiler tespit edilen 30 kisiye ait kesit dosyalar, bu alsmada kullanlan veri
setlerini olusturmaktadr. DICOM formatndaki [1] dosyalarda saklanan boyutlu grnt bilgilerinin hekim
tarafndan incelenmesine imkan tanyan zel bir yazlm hazrlanmstr. Hekimin alst eksen boyunca
patolojinin byklne gre bir hasta iin 20 ile 150 adet grnt kesiti isaretlenerek bu blgelere ait
koordinatlar boyutlu grnt matrisinde saklanmstr.
Rasgele Yry Yntemi
Rasgele Yrys grnt bltleme islemlerinde kullanlan, temelde olasla ve graf teorisine dayal bir
yntemdir [2]. Yntemde iki farkl gruba ait nesne ve arka plan etiketli tohumlar bir grntnn
zerindeki uygun veri noktalarna (piksel) yerlestirilir ve her piksel bir dm olarak kabul edilerek bu
piksellerin koordinatlar ve parlaklk deerlerini ieren Laplace Matrisi olusturulur. Matris zerinde
etiketlenmemis bir dm iin rasgele yrys baslatlr ve nceden etiketlenmis dmlerin her birine ulasma
olaslklar ayr hesaplanr. Bu olaslk hesabnda, matristeki komsu dmler arasndaki kenar arlklarnn
elde edilebilmesi iin tipik Gauss arlk fonksiyonu (1) kullanlmaktadr.

(1)
Rasgele yrysn baslatld dm iin hesaplanan olaslk, ulaslan tohumlardan hangisi iin daha yksek
karsa o piksel bu tohuma ait etiket ile isaretlenir. Bu islem grnt zerindeki btn pikseller iin tekrar
edilerek nesne ve arka plan blgeleri tespit edilir ve bylece bltleme isleminin gereklestirilmesi
salanr.
Hastalkl Blgelerin Rasgele Yry Yntemi ile Tespit Edilmesi
Ayn grntlerde isaretlenmek istenilen alann tespit edilebilmesi iin, yazlm ekrannda ilgili grntnn
zerindeki uygun veri noktalarna (piksel) tohumlar yerlestirilir. Her bir kesit iin rasgele yrys yntemi
alstrlarak isaretlenecek olan blge otomatik tespit edilir ve bu blgeye ait koordinatlar boyutlu grnt
matrisinde saklanr.
Sonularn Karlatrlmas
Hastalkl blgeye ait grntler zerinde (Sekil 1.a) rasgele yrys ynteminden elde edilen sonular (Sekil
1c) hekim tarafndan isaretlenmis (Sekil 1.b) ve referans olarak kabul edilen grntler ile karslastrlmstr.
272

a b c
ekil 1. a) Hastalkl blgeye ait grnt, b) Hekim tarafndan iaretlenmi grnt,
c) Rasgele yry ile iaretlenmi grnt
Iki farkl yolla iaretlenmi ve bilgileri boyutlu matrislerde saklanm olan bltleme sonularnn
kyaslanmasnda (2) numaral hata fonksiyonundan faydalanlmtr.

(2)
KAYNAKLAR
[1] D. Grauer, L.S.H. Cevidanes, W.R. Proffit, Working with DICOM craniofacial images American
Journal of Orthodontics and Dentofacial Orthopedics, 136(3): 460470, 2009
[2] L. Grady. Random walks for image segmentation. IEEE TPAMI, 28(11):17681783, 2006
ABSTRACT
DETECTION OF PATHOLOGIES OF JAWS IN CONE BEAM COMPUTER TOMOGRAPHY
IMAGES USING RANDOM WALKS
Subject of this study is to detect pathologies of jaws in medical images obtained by CBCT devices.
Performance of the method was tested with comparing the regions marked by dentists with regions detected by
random walks algorithm.
Key Words: CBCT, Pathologies of Jaws, Random Walks, Gaussian Weighting Function

273

REGRESYON MODEL N HEMEN HEMEN YANSIZ GENELLETRLM LU M TAHMN
EDCS
Hasan ERTAS
*
Selahattin KAIRANLAR
*
ukurova niversitesi, Fen Edebiyat Fakltesi, Istatistik Blm, 01330, Adana, TRKIYE,
hertas@cu.edu.tr
ukurova niversitesi, Fen Edebiyat Fakltesi, Istatistik Blm, 01330, Adana, TRKIYE, skacir@cu.edu.tr
Giri
oklu lineer regresyon modeli;
(1)
, tipinde yant degiskenin vektr, , tipinde aklayc degiskenlerin matrisi, , tipinde
bilinmeyen parametrelerin vektr ve , ve
olan tipinde rastgele hatalarn

vektrdr. (1) denkleminin En Kk Kareler (EKK) tahmin edicileri;
=
(2)
ile verilir
(1) ifadesi ile verilen regresyon modelinde, EKK ynteminin uygulanmas iin belli varsaymlar
gerekmektedir. Bu varsaymlardan zellikle; tm gzlemlerin kestirilmis regresyon dogrusu zerinde ayn
etkiye sahip ve aklayc degiskenlerin lineer bagmsz olmas ok nemlidir. Bu kosullar saglanmadgnda,
sapan gzlemlerin varlg ve oklu i iliski olarak adlandrlan iki problemle karslasrz.
Veri setinde sapan degerlerin bulunmas durumunda EKK tahmin edicisi olumsuz etkilenmekte ve yaplan
tahminler gvenilir olmamaktadr. Bu sorunu ortadan kaldrmak iin Dayankl Regresyon yntemi kullanlr.
Bu yntemde sapan degerlerden etkilenmeyen dayankl kestiriciler retilmeye alslr. Dayankl regresyonda
bir ok kestirim yntemi nerilmistir. Bunlardan, literatrde en yaygn kullanlan M kestiricilerdir (
) [4].
M-kestiriciler y-ynndeki sapan degerlere kars etkili (Bozulma noktas % 30) fakat X-ynndeki
sapan degerlere kars etkili degildir (Bozulma noktas % 0).
Diger yandan aklayc degiskenler arasnda lineer bagnt olmas oklu i iliski problemine neden olmaktadr.
Bu problemin etkisini minimuma indirgemek iin nerilen kestirim yntemleri yanl tahmin edicilerin ortaya
kmasna ve incelenmesine neden olmustur. Literatrde yanl tahmin edicilerle ilgili birok arastrma yaplms
olup, bazlar su sekildedir: Ridge tahmin edicisi (RE) [3] ve Liu tahmin edicisi (LE) [5]. RE ve LE tahmin
edicileri y-ynndeki sapan degerlere kars hassas oldugunda Silvapulle (1991) de M-kestiricilere dayal robust
ridge (RME) ve Arslan ve Billor [2] M-kestiricilere dayal Liu (LME) tahmin edicilerini tanmlayp
stnlklerini incelemistir.
Akdeniz ve Karanlar LE nin yanllgn azaltmak iin hemen hemen yansz Liu tahmin edicisini nermistir
(AUGLE) [1]:

(3)
burada;
),
, . AUGLE y-ynndeki sapanlardan olumsuz

etkilendigi iin hemen hemen yansz genellestirilmis Liu M-tahmin edicisi nerilmistir (AUGLME):
(4)
ile verilir.
274

Bu alsmada yeni tanmlanan AUGLME nin; Hata kareler Ortalamas kriterine (MSE) gre AUGLE, LME,
LE ve M tahmin edicilerine gre stnlkleri incelenmis olup elde edilen teorik sonular bir nmerik rnek ile
desteklenmistir.
KAYNAKLAR
[1] Akdeniz F. and Kaciranlar S. (1995), On the almost unbiased generalized Liu estimator in lineer regression,
Communications in Statistics 22, 393- 402.
[2] Arslan O. and Billor N. (2000), Robust Liu estimator for regression based on an M-estimator, Journal of
Applied Statistics, 27,39-47
[3] Hoerl, A. E.; Kennard, R. W., (1970), Ridge Regression: Biased Estimation for Nonorthogonal Problems,
Technometrics 12 (1), 55-67.
[4] Huber P. J. (1981), Robust Statistics (New York, Wiley)
[5] Liu K. (1993), A New Class of Biased Estimate in Linear Regression, Comm. Statist. Theory Methods, 22
(2), 393-402.
ABSTRACT
A ALMOST UNBIASED GENERALIZED LIU M-ESTIMATOR FOR REGRESSION MODEL
In regression analysis, the presence of multicollinearity among independent variables is a common problem
which exhibits serious undesirable effects on the ordinary least squares (OLSE). In addition, outliers in data set
can strongly distort OLSE estimators and lead to unreliable results. In the existence of multicollinearity and
outliers in data sets, it is suggested using biased methods based on robust estimator [2]. In this paper, to
overcome the combined problem of multicollinearity and outliers in the -direction, we propose a new almost
unbiased generalized Liu M-estimator (AUGLME). We show using theoretic results that our new estimator
advantages over almost unbiased generalized Liu estimator (AUGLE) [1], Liu-type M-estimator (LME) [2]
and M-estimator (M) [4]. Moreover, a numerical example is given to show the theoritical results.
Key Words: Robust Regression, Biased Estimation, Multicollinearity,Outliers
275

AIRI KK RNEKLEM PROBLEMNDE BLG KARMAIKLII KRTER (ICOMP) VE
DZENLLETRLM KOVARYANS YAPILARI LE BOYUT NDRGEMEYE ALTERNATF
BAKI: GEN VERS RNE
Esra PAMUKU
a*
Hamparsum BOZDOAN
b
a :
Frat niversitesi, Fen Fakltesi Istatistik Blm 23119 ELAZI
epamukcu@firat.edu.tr
b
: University of Tennessee, College of Business Administration, Department of Statistics, Operations,and
Management Science 231 Stokely Management Center Knoxville, TN 37996-0532
bozdogan@utk.edu
Materyal ve Metot
Gerek yasamdaki bir ok problemde, kovaryans matrisleri, kt sartlandrlms (ill-conditioned), pozitif
tanml olmayan hatta singler yapya sahip olabilmektedirler. Bu zellikle yksek derecede iliskili tahmin
edicilerin oldugu regresyon modellerinde ve asr derecede kk rneklem probleminin oldugu
durumlarda ortaya kabilir [1]. Bu alsmann amac, yukarda bahsi geen problemlerin PCA analizinden elde
edilecek sonularn gvenilirligi zerinde etkisi olacag iin, bunlarn stesinden gelebilmek amacyla baz
stratejiler gelistirmektir.
Bu amala, Khan ve ark. (2001)de [2] yaptklar alsma sonucunda elde edilmis bir veri seti olan
SRBCT(Small Round Blue Cell Tumor) gen veri seti, analize alnmstr. Veri setinde; EWS: Ewings sarcoma-
23 gzlem, BL: Burkitt Lymphoma -8 gzlem, NB: Neuroblastoma-12 gzlem, RMS: Rhabdomyosarcoma-20
gzlem olmak zere bu tmor esitlerine ait 2300 gen incelenmistir.
Ilk olarak, klasik PCA analizinde kullanlan rnek kovaryans matrisi yerine, Maksimum Entropi Kovaryans
Matrisi hesaplanmstr [3]. Yeni elde edilen kovaryans matrisi iin zdegerler incelendiginde, rnek kovaryans
matrisi de ortaya kan negatif zdeger ierme probleminin stesinden gelindigi grlmstr. Ilave olarak,
bu kovaryans matrisi iin singlerlige yakn olup olmadgnn incelenmesi de gerekmektedir. Bunun iin,
Bozdogan tarafndan singlerligin tanm iin nerilen

says kullanlmstr [4]. Kovaryans

matrisinde singlerligin de stesinden gelmek iin nerilen baz dzenlilestirmeler mevcuttur [1]. Bu
alsmann uygulama asamasnda Thomaz Stabilizasyonu ile Convex Sum toplam ile ifade edilen
dzenlilestirmelerin bir hibrit formu olarak STA_CSE yaps kullanlmstr.
STA_CSE kovaryans matrisi kullanlarak PCA analizi yapldgnda, veri ne kadar yksek boyutlu olursa olsun,
boyut says kadar PC elde edilebilmekte ve klasik PCA uygulanmas sonucunda ihmal edilebilecek yksek
boyutlardaki baz gizli bilgilere de ulaslabilmektedir.
Bundan sonraki asama, nemli olan PC saysna karar vermektir. Literatrde model seim kriterleri olarak
bilinen esitli kriterlerler, burada nemli PC saysna karar vermek iin kullanlmstr. Bunlar
ICOMPPEU_C1F, ICOMPPEU_mis, CAIC, CICOMP ve AIC kriterleridir. Her birisi iin hesaplamalar
yaplms ve alsma kapsamnda hangi kriterin PC saysnn seiminde kullanlabilecegine grafikler ve
aklayck oranlar kullanlarak karar verilmistir.
Son asama olarak, elde edilen PClerin, veriyi ne kadar iyi temsil edebildigini anlamak iin bir snflama
prosedr kullanlmak istenmistir. Bunun iin LDA ve QDA snflayclar kullanlmstr. Ihtiya olmas
halinde ise RDA kullanlmstr.
2. Sonular
Tablo-1: Bilgi Kriterleri iin toplu sonular
Bilgi Kriteri PC says Aklayclk
ICOMP_PEU_C1F 12 %95
ICOMP_PEU_MISS 32 %97
276

CAIC 6 %93
CICOMP 6 %93
AIC 17 %96
Yukardaki tabloda bilgi kriterlerinin setii PC saylar grlmektedir. Seilen PCler ile snflama yaplm
olduka baarl sonular elde edilmitir. Bu sonular zellikle LDA snflama prosedrnde daha ak bir
ekilde kendini gstermektedir. Orijinal veri ilk 12 gen ile %17.46 orannda bir hatal snflama yzdesi elde
edilirken, ME_STA_CSE kovaryans yaps kullanlarak oluturulan PC skorlar %1.587 orannda bir hatal
snflama yzdesi elde edilmitir. QDA iin, orijinal veri singlerlik hatas vermeden maksimum %15.87
orannda hatal snflama verirken, nerilen yeni yntem sayesinde bu oran %7.937ye kadar gerilemitir.
Sonu olarak, ar derecede kk rnekleme sahip bir gen veri seti, hibir transpoz alma ilemi uygulamadan
analize dahil edilmi ve klasik yntemlerle hesaplanamayan zdeerlerin hepsine ulalabilmitir. Ayrca
yaplan hesaplamalar ile, kullanlan dzgnletirme ve dzenliletirme ilemleri sonucunda kovaryans
matrisleri iin nemli bir problem olan singlerlik durumunun stesinden gelindii grlmtr.
KAYNAKLAR
[1] Bozdogan, H., Howe, J.A., 2012, Misspecified multivariate regression models using the genetic algorithm
and information complexity as the fitness function, European Journal of Pure and Applied Mathematics. 5(2):
211-249
[2] Khan et.al. 2001, Classification and diagnostic prediction of cancers using gene expression profiling and
artifical neural networks. Nat. Med., 7(6):673-679
[3] Fiebig D.G., 1984, On the maximum entropy approach to undersized samples, Applied mathematics and
computation, 14:301-312
[4] Bozdogan, H., Information Complexity and Multivariate Learning in High Dimensions with Applications
in Data Mining. Forthcoming book.
ABSTRACT
AN ALTERNATIVE APPROACH TO DIMENSION REDUCTION WITH INFORMATION
COMPLEXITY CRITERIA AND SMOOTHED COVARIANCE MATRICES FOR UNDERSIZED
SAMPLE PROBLEM: A GENE EXPRESSION DATA ANALYSS
When the number of observations is much smaller than the number of features an undersized sample problem
occurs. In this case the usual sample covariance matrix S degenerates and it cannot be computed. This is a
challenging and unresolved problem in the literature. In this paper we introduce a new and novel approach
using maximum entropy covariance matrix and its hybridized smoothed covariance estimators along with the
information complexity (ICOMP) criterion of Bozdogan to reduce the dimensionality of the data.
Key Words: Dimension Reduction, Information Complexity, Smoothed Covariance Matrices, Gene
Expression Data Analysis
277

RETNA GRNTLERNN STATSTKSEL OLARAK KALTE DEERLENDRMES
Ugur SEVIK*, Tolga BERBER
Karadeniz Teknik niversitesi, Fen Fakltesi, Istatistik ve Bilgisayar Bilimleri Blm 61080
TRABZON,TRKIYE
usevik@ktu.edu.tr, tberber@ktu.edu.tr
Hidayet ERDL
Karadeniz Teknik niversitesi, Tp Fakltesi, Gz Hastalklar AD, 61080, TRABZON, TRKIYE
herdol@ktu.edu.tr
1.
Giri
Grnt kalite degerlendirmesi, medikal grntlerin analizi yaplmadan nce uygulanacak yntemlerin ve
algoritmalarn etkin sonu verebilmeleri iin grnt n islemeden nce yaplmas gereken ilk asamadr.
Fundus kameralarla elde edilen grnt, ok karanlk, ok aydnlk, gz kapagnn kapanmas, ok bulank,
kirli lens, yanls odaklanma, objektif karssnda hastann olmays ve objektif kapagnn kapal olmas gibi
istenmeyen grntler olabilir. Bu gibi retina ds grntlerin otomatik tespit sistemlerine alnmas, sistemin
ne n isleme asamasnda ne de lezyon tespit ve snflandrma asamasnda dogru sonular vermeyecektir. Bu
nedenle, retina analizi iin otomatik teshis ve tan koyma sistemlerinde, mutlaka nceden bir kalite
degerlendirmesi yaplmas gerekmektedir. nk sistem otomatik alsmakta ve her karar kendisi
vermektedir. Sisteme retina grnts dsnda herhangi bir grnt veya yeterli bilgi iermeyen grnt
geldiginde, bunu alglayp analiz srecine girmesine izin vermemelidir. Bu islem sayesinde analiz srecinin
neden oldugu zaman kayb engellenir ve sistemin dogru karar verme oran arttrlms olur.
2. statistiksel znitelik karm
Retina kameralarla elde edilen retina grntleri iyi, kt ve retina ds olmak zere snfa ayrlmstr.
Veri setimizde, 125 iyi, 69 kt ve 22 retina ds grnt olmak zere toplamda
216 grnt vardr. Her snftaki grntlerin yars test, diger yars da egitim verisi olarak kullanlmstr.
Gri-seviye retina grntlerinin histogramlarndan elde edilen istatistiksel znitelikler ortalama, standart
sapma, yumusaklk, arpklk, tekdzelik, basklk, parlaklk olaslklar ve ortalama karstlk olarak
sralanabilir [1]. Bunun yan sra Haralick ve digerlerinin [2] nermis oldugu yntemle, dokunun uzamsal
parlaklk bagmllklar kullanlarak istatistiksel znitelikler kartlmstr. Bu baglamda znitelikleri
karlacak doku, parlaklk degerlerinin d uzaklgnda ve 0 asnda birlikte grlmelerini temsil eden
Gri Seviye Birlikte Grlme Matrisinin (GLCM; Gray Level Co-occurrence Matrix) baz istatistiksel
zelliklerinin hesaplanmas ile 14 istatistiksel znitelik kartlmstr [2]. Tm bu znitelikler, egitim
kmesindeki grntlerden toplanarak snflandrclarn egitilmesi iin kullanlmstr.
3. Kullanlan Snflandrclar
Retina grntlerinin egitim kmesinden kartlan istatistiksel znitelikler, gzetimli grenme yntemi
kullanarak snflandrclar egitilmistir. Retina grntlerinin kalite degerlendirmesinde literatrde
snflandrma iin yaygn olarak kullanlan Lineer Ayrstrma Analizi (LDA), k-En Yakn Komsu (k-NN),
Nave Bayes ve Destek Vektr Makinesi (SVM)
snflandrclar kullanlms ve performans karslastrmas yaplmstr [3], [4], [5]. Snflandrclar egitilirken
iki yntem kullanlmstr. Ilk olarak, tm znitelikler kullanlarak egitim saglanms ve ikinci olarak da genetik
algoritma yntemi ile znitelik seimi (feature selection) yaplmstr. Bu iki yntem ile egitilen
snflandrclarn performanslar Grafik 1de verilmistir.
278

4. Sonular
Grafik 1. Tm znitelikler ve genetik algoritma ile znitelik seimi yaplarak elde edilen
performans deerleri.
Buna gre, tm zniteliklerin kullanm yerine etkin olanlarn seilerek snflandrclarda kullanlmas baar
orann ykseltmitir. Deneyler sonunda LDA snflandrcs, tm znitelikleri kullanarak %89,37 ve znitelik
seimi yaplarak %92,12 doruluk oran ile dier snflandrclardan daha baarl olduu grlmektedir.
KAYNAKLAR
[1] Southard T. E. and Southard K. A., (1996), Detection of simulated osteoporosis in
maxillae using radiographic texture analysis., IEEE transactions on bio-medical engineering, vol. 43,
no. 2, pp. 12332.
[2] Haralick R. M., Shanmugam K., and Dinstein I. H., (1973), Textural features for image
classification, IEEE Transactions on Systems, Man and Cybernetics, vol. 3, no.
6, pp. 610621.
[3] Mika S., Ratsch G., Weston J., Scholkopf B., and Mullers K., (1999), Fisher discriminant
analysis with kernels, in Neural Networks for Signal Processing IX, Proceedings of the 1999 IEEE
Signal Processing Society Workshop, pp. 4148.
[4] Zhang H., (2004), The Optimality of Naive Bayes, in Proceedings of the 17th
International FLAIRS conference, vol. 1, no. 2.
[5] Cortes C. and Vapnik V., (1995), Support-vector networks, Machine Learning, vol.
20, no. 3, pp. 273297.
ABSTRACT
STATISTICAL QUALITY ASSESSMENT OF RETINAL IMAGES
In this study, we determined quality of retinal images by using automated quality assessment approaches
based on statistical features and classified in three class, good, bad and outlier using four classifier. The
accuracy of image quality assessment tests were %89,37 and %92,12 for LDA classifier, respectively.
Key Words: Statistical Image Features, Image Quality Assessment, LDA, SVM, k-NN, Bayes
279

OKGENSEL ALANLARDA K DEKENL K-KARE UYUM YL TEST
EXPRESSON DATA ANALYSS
Orhan KESEMEN*, Tuncay ULUYURT
Karadeniz Teknik niversitesi, Fen Fakltesi, Istatistik ve Bilgisayar Bilimleri Blm, Trabzon, Trkiye
okesemen@gmail.com, tuncayuluyurt@hotmail.com
Giri
karmsal istatistik, modern istatistigin temel konularndan birisidir. karmsal istatistik, ileri srlen bir
hipotez esliginde, parametrik ve parametrik olmayan testler olmak zere, iki biimde incelenmektedir. Gerekli
varsaymlarn geerli olmadg durumlarda, parametrik teknikler byk lde gvenilirliklerini kaybederler.
Bu gibi durumlarda, parametrik olmayan teknikler devreye girer [1].
Arastrmaclar, deneysel veriler ile kuramsal veriler arasndaki uyum iyiligini belirlemek iin genellikle Ki-
kare testi kullanrlar. Bu testte ama beklenen frekans says ile gzlenen frekans degerleri karslastrlr.
Gzlenen degerler ya deneylerden ya da gzlem sonucunda elde edilirler. Kuramsal veya beklenen frekans
says ise ileri srlen sfr hipotezinde verilen daglmndan yararlanlarak hesaplanmaktadr.
Ki-Kare Uyum yilii Testi
Kikare testi 1900 ylnda Pearson tarafndan ortaya atlmstr. Bu testteki istatistik sapmalarn karelerinin
toplamnn beklenen frekans saysna blnmesiyle elde edilmistir [2]. Ki-kare uyum iyiligi testi birok
uygulamada gzlenen degerlerin tek degiskenli daglmlara uyup uymadgn kontrol etmek iin kullanlmstr.
Ancak iki boyutlu bir alanda elde edilen gzlem degerleri test edilmesi iin drtgensel bir alanla
erevelenmesi gerekmektedir. Ancak bilindigi gibi gerek yasamda elde edilen veriler her zaman drtgen alan
iinde olmazlar.
Keyfi bir alan iinde gzlenen verilerin bilindik bir geometrik sekil ile tanmlanmasnda en uygun yntem
okgensel tanmlamadr [3]. okgensel bir alan ierinde tanmlanan olaslk yogunluk degerinden beklenen
frekans saysn bulmak iin integralinin alnmas gerekir. Bu ise olduka zor olmaktadr. nerilen yntemde
ise okgensel alan uygun genlere blnerek (Sekil 1) hem snf says belirlenebilir hem de bu alandaki
beklenen frekans says hesaplanabilmektedir. Beklenen frekans says belirlenirken gen zerinden integral
alnmasnda gen tepe noktasndan iki paraya blnerek hesaplanabilmektedir. Ayn sekilde gen ierisine
dsen gzlenen frekans says da algoritmik olarak hesaplanabilmektedir [3].
Eger gen says Ki-kare testi iin yeterli degilse her gen kendi ierinde kenarortaylar yardmyla drt
paraya (Sekil 2(a)) veya alt paraya blnerek islemler gereklestirilmistir.
Sekil 1. okgensel alann genlere blnmesi
280

(a) (b)
Sekil 2. genlerin kenar ortaylar kullanlarak yeni genlere blnmesi
KAYNAKLAR
[1] H. Bircan, H., Karagz Y. ve Kasapoglu, Y., (2003) Ki-Kare Ve Kolmogorov Smirnov Uygunluk
Testlerinin Simulasyon Ile Elde Edilen Veriler zerinde Karslastrlmas, C.. Iktisadi ve Idari Bilimler
Dergisi, Cilt 4, Say 1, 200.
[2] Gibbons, J. D. and Chakraborti, S., (2003) Nonparametric Statistical Inference, Fourth Edition, Marcel
Dekker, Inc., Alabama, USA.
[3] Kesemen, O., and Dogru, F. Z., (2011) Cumulative Distribution Functions of Two Variables In Polygonal
Areas, 7. International Statistical Congress, 28 April 01 May, Antalya, Turkey.
ABSTRACT
BIVARIATE CHI-SQUARE GOODNESS OF FIT TEST IN POLYGONAL AREAS
In this study, an arbitrary two-dimensional distribution of an arbitrary field the Chi-square test is described
how to do. The two-dimensional polygon definition is used to define an arbitrary area. This is the expected
frequency in the area to find the most appropriate given polygon is divided into triangles. The calculated value
of the distribution of each triangle, and thus falling into the expected frequency values were determined for
each triangle It is also observed in the frequency values that fall into each triangle by calculating the Chi-
square test was also investigated how to do.
Key Words: Chi-square, two-variable distributions, goodness of fit test, polygonal distributions.
281

PARAMETRK OLMAYAN REGRESYONDA OPTMAL BANT GENL SEM
YNTEMLERNN KARILATIRILMASI
Aydn KARAKOCA
1
,Murat ERSOLU
1
, Alper SNAN
2
1
Necmettin Erbakan niversitesi, Fen Fakltesi, statistik Blm, Konya
E-mail :akarakoca@konya.edu.tr , merisoglu@konya.edu.tr
2
E-mail :alpsin@sinop.edu.tr
Giri
Genel olarak parametrik olmayan regresyon modeli f fonksiyonu zel olarak belirtilmeden,
( )
i i i
y f x = + (1)
esitlii ile verilebilir. Parametrik olmayan regresyon modelinde modelin parametrelerinin tahmini yerine
dorudan f fonksiyonu tahmin edilir. Parametrik olmayan regresyonda ou metot f fonksiyonunun dzgn
(smooth) ve srekli bir fonksiyon olduu ve hatalarn sfr ortalamal ve sabit varyansl normal dalm
gsterdii varsaymna dayanr. Parametrik olmayan regresyon modelinde aklayc deisken says arttka
tahmin zorlast iin zel olarak tek deiskenli durumun gz nne alnd tek deiskenli basit parametrik
olmayan regresyon modeli sklkla kullanlmaktadr.
Kernel Regresyon
Parametrik olmayan regresyonda bamsz deisken X ve baml deisken Y arasndaki fonksiyonel iliskiyi
tahmin etmek iin kullanlabilecek yntemlerden biri de Nadaraya_Watson ve yerel polinomiyal kernel
regresyon yntemidir. Bu yntemde,
( ) ( ) / E Y X m x = (2)
kosullu beklenen deeri ile belirtilen (.) m fonksiyonu tahmini ile ilgilenilmektedir. Basit parametrik olmayan
regresyon modelinde ( ) ( )
1 1
, , , ,
n n
x y x y K bamsz gzlemleri iin Nadaraya-Watson tahmin edicisi (3)
esitlii ile verilmistir.
( )
1
1
N
i
i
i
h N
i
i
x x
K y
h
m x
x x
K
h
=
=
~ [
| j
\ J
=
~ [
| j
\ J
(3)
(3) ile verilen esitlikte K , kernel fonksiyonu ve h bant genislii parametresidir. Literatrde sklkla kullanlan
kernel fonksiyonlar Boxcar, Gaussian, Epanechnikov ve Tricube kernel fonksiyonlardr.
Bant genilii Seimi
Kernel regresyonda kernel fonksiyonunun seimi ve bant genislii ( h ) parametresinin seimi nemli bir
problemdir. Farkl bant genislikleri ve farkl kernel fonksiyonlar iin elde edilen tahminler deismektedir.
282

Bant genilii seimi iin ortalama hata kareler(ASE), Hata kareler toplam (RSS) ve apraz geerlilik (CV)
kriterleri kullanlmaktadr.
Uygulama ve Sonu
almada farkl tipteki veri setleri iin farkl kernel fonksiyonlar ve bant genilii seim kriterlerine gre elde
edilen sonular karlatrlmtr. Kernel fonksiyonlarnn ve seim kriterlerinin birbirlerine gre stnlkleri
belirtilmitir.
KAYNAKLAR
1. Hardle, W., 1994, Applied Nonparametric Regression, Humboldt Univ., Berlin Germany.
2. Fox, J., 2002, Nonparametric Regression, Thousand Oaks CA:Sage.
3. Silverman, B. W., 1990, Density Estimation for Statistics and Data Analysis, Chapman and Hall,
London.
4. Pagan, A.and Ullah, A., 1999, Nonparametric Econometrics, Cambridge University
Press,Cambridge, U.K.
ABSTRACT
COMPARISON OF BANDWIDTH SELECTION METHODS FOR NONPARAMETRIC
REGRESSION
Kernel estimation method is a useful method for estimation when the assumptions of parametric model is not
provided. Bandwidth and kernel function selection is crucial in kernel regression In this study different
bandwidth selection methods for different kernels are applied several data sets and estimations are compared.
Key Words: nonparametric regression, kernel regression, bandwidth
283

BLDR OTURUMLARI 5
SESSION 5
Akterya Bilimleri
284

TRAFK SGORTASINDA RSK LM
Aslhan SENTRK ACAR
Hacettepe niversitesi, Fen Fakltesi, Akterya Bilimleri Blm, Beytepe, Ankara
aslihans@hacettepe.edu.tr
Uur KARABEY
Hacettepe niversitesi, Fen Fakltesi, Akterya Bilimleri Blm, Beytepe, Ankara
ukarabey@hacettepe.edu.tr
Giri
oklu dorusal regresyon, istatistiksel analizlerde sklkla kullanlan bir tekniktir. Bu regresyon modellerinde
hata teriminin ortalama etrafnda sabit bir varyans ile normal dald varsaylr. Bu varsaym, akteryal
uygulamalarda analiz edilen verinin modellenmesinde yetersiz kalabilmektedir. Bu nedenle, normal dalm
gstermeyen deiskenlerin de modellenmesini salayan Genellestirilmis Dorusal Modeller (GDM) daha sk
tercih edilmektedir.
GDMler klasik dorusal regresyon modellerin genellestirilmis biimi olarak tanmlanmaktadr. Bu genelleme
su sekilde zetlenebilir,
Ortalamadan rastgele sapmalar, normal dalmdan farkl olarak stel yaylm ailesinden Poisson,
binom, gamma gibi dalmlara sahip olabilir,
Klasik dorusal modellerde rastlant deiskeninin ortalamas, aklayc deiskenlerin dorusal bir
fonksiyonu iken GDMlerde lee gre dorusal olabilmektedir [2].
Bu alsmada, ara sigortas fiyatlandrlmasnda kullanlan regresyon modelleri incelenmis, zel bir sigorta
sirketinden alnan karayollar motorlu aralar zorunlu mali sorumluluk sigortas (trafik sigortas) veri
kmesine, incelenen modellerden bazlar uydurulmus ve sonular karslastrlmstr. Veriye en iyi uyumu
gsteren model kullanlarak bir benzetim alsmas yaplms ve elde edilen hasar dalmnn risk lmleri
incelenmistir.
Genellestirilmis Dorusal Modeller
Hem dorusal modellerin hem de GDMlerde ama, baml deisken ile aklayc deiskenler arasndaki
iliskinin aklanmasdr. Dorusal modellerde baml deisken, Y=+ biiminde tanmlanr. Burada , Y
baml deiskeninin ortalamasdr. Modelin vektrel gsterimi,
Y X = + (1)
biimindedir. Burada, Y baml deiskeninin gzlenmis deerlerini ieren stun vektr, X aklayc
deiskenlerin tasarm matrisi, parametreler vektr ve artklar vektrdr. Modelin temel varsaymlar,
sabit varyansllk, normallik ve iliskisizliktir. Es.(1)de verilen modelde, sistematik bilesen olarak p adet
aklayc deisken, X = dorusal tahmin edicide birlesir [3].
Dorusal modellerde rassal ve sistematik bilesenler arasndaki iliski ba fonksiyonu ile salanr. Klasik
dorusal modelde ba fonksiyonu birim fonksiyondur. Genellestirilmis dorusal modellerde, baml
deiskenin stel dalm ailesinden bir dalma sahip olduu ve ba fonksiyonunun monoton
diferansiyellenebilir bir fonksiyon olduu varsaylr Baml deiskenin stel aileden bir dalma sahip
olmasnn sonucu olarak, bu deisken genellikle deisen varyansa sahiptir [1]. g bir ba fonksiyon olmak zere
[ | E Y = = esitlii kullanlarak, GDMde baml deiskenin beklenen deeri asadaki gibi tanmlanr,
285

[ |
1
( ) E Y g
= = (2)
Literatrde kullanlan baz nemli bag fonksiyonlar,
izelge 1. Ba fonksiyonlar
Log q=log ()
Lojit q=log ( /(1- ))
Tamamlayc log-log q=log {-log (1- )}
biiminde tanmlanr [3].
KAYNAKLAR
[1] De Jong, P., Heller G.Z., (2008), Generalized Linear Models for Insurance Data, Cambridge University
Press, London.
[2] Kaas, R., Goovaerts M., Dhaene J., Denuit M., (2008), Modern Actuarial Risk Theory: Using R, Springer
Verlag Inc., Berlin.
[3] McCullagh, P., Nelder, J.A., (1989), Generalized Linear Models, Chapman and Hall, London.
ABSTRACT
RISK MEASUREMENT IN MOTOR THIRD PARTY LIABILITY INSURANCE
In this study, the models which is used for motor insurance pricing are examined. Some of these models are
fitted to a motor compulsory third party liability insurance data set that is taken from a Turkish insurance
company and the results are compared. With using the best model a case study is simulated. Commonly used
risk measures are calculated for simulated claim distribution.
Key Words: generalized linear models, risk measures, motor third party liability insurance.
286

HASARLAR VE YATIRIMLAR ARASINDAK BAIMLILIK LE HAYAT DII SGORTA
RKETLERNDE DNAMK FNANSAL ANALZ BR UYGULAMA
Betl Zehra KARAGL
*
, Murat BYKYAZICI
Hacettepe niversitesi, Fen Fakltesi, Akterya Bilimleri Blm, 06800, Ankara, Trkiye
*
betul.zehra@hacettepe.edu.tr
muratby@hacettepe.edu.tr
Dinamik Finansal Analiz Modeli
Finansal modelleme yapmak irketlerin gelecegi ngrmesi ve risklerini dogru ynetebilmesi iin olduka
nemlidir. Etkin ve yaygn olarak kullanlan finansal modellerden bir tanesi 1990larn sonlarnda ortaya
km ve oluumundan bu yana akademik alanda zerine pek ok aratrma ve uygulama yaynlanm olan
Dinamik Finansal Analiz (DFA)dir.
Literatrde tanmlanm tek bir DFA modeli yoktur ve irketler kendi ihtiyalarna gre farkl DFA modelleri
belirleyebilirler. Bu zelligi ile DFA modeli olduka kullanldr.
Bu almada bir hayat d sigorta irketi iin gerekli olan temel bileenleri ieren Dinamik Finansal Analiz
modeli kullanlmaktadr. Bu bileenler z sermaye, yatrm kazanc, sigorta kazanc, vergi oran, yatrmlarn
getirileri, prim geliri, maliyetler ve hasarlardr.
Hayat d sigorta irketleri agr kuyruklu ve arpk risklere sahiptir. Olumas durumunda sigortacy hem
yatrm iinden hem de sigorta iinden zarara ugratan byk hasarlar bu risklere rnektir. Kullanlan DFA
modeline farkl varlk snflar (yksek riskli yatrmlar ile dk riskli yatrmlar) arasndaki bagmllk, farkl
tr ykmllkler (katastrof hasarlar ile katastrof olmayan hasarlar) arasndaki bagmllk ve ykmlkler ile
varlklar arasndaki bagmllk dahil edilmitir. Bagmllk yapsnn genel ekli yledir;
ekil1. DFA modeli ierisindeki bamllk yaps
Uygulama
almada 5 yllk sre iin MATLAB yardmyla 100.000 iterasyon ile DFA simlasyonunu yaplmtr.
Model parametreleri T.C Babakanlk Hazine Mstearlgnn yaymlam oldugu Sigortaclk ve Bireysel
Emeklilik Faaliyetleri Hakkndaki Raporlar incelenerek Trkiye hayatd sigorta irketleri verisi yardmyla
elde edilmitir. Kullanl olmalar nedeniyle bagmllklar kopulalar yardmyla incelenmitir. Farkl
kopulalarn etkilerini grmek iin eliptik ve arimedyan kopulalar ve baz yaam kopulalar kullanlmtr.
Farkl bagmllk seviyeleri iin de simlasyon almas yaplm ve sonularn iflas olaslg, beklenen
polieli ag ve sharpe oranlar zerine etkileri incelenmitir. Yatrmlar arasndaki bagmllk seviyesinin iflas
olaslgna etkileri Sekil 2.de gsterilmitir.
vailiklai ve
ykmllklei
vailiklai
yksek iiskli
yatiiimlai
u,k iiskli
yatiiimlai
ykmllklei
katastiof hasailai
katastiof olmayan
hasailai
287

ekil 2. Yatrmlar arasndaki bamlln iflas olaslna etkisi
Simlasyon sonucu yatrmlar ile hasarlar arasndaki bamlln irketin risk getiri ve performans zerinde
nemli etkilere sahip olduu grlmtr. Bu durum dzenleyici ve denetleyici kurumlar ile sigorta irketi
hissedarlar asndan olduka nemlidir.
KAYNAKLAR
[1] Eling, M., Parnitzke T., Schmeiser H., Management Strategies and Dynamic Financial Analysis,
Variance, 2(1): 52-70, 2008
[2] Eling, M., Toplek, D., Modeling and management of nonlinear dependencies copulas in dynamic
financial analysis, The Journal of Risk and Insurance, Vol. 76, No. 3, 651-681, 2009
[3] Nelsen, R.B., An Introduction to Copulas, second edition, Springer, 2006
[4] Kaufmann, R., Gadmer, A., Klett, R., Introduction to Dynamic Financial Analysis, Astin Bulletin,
31(1), 213-249, 2001
[5] Malevergne, Y., Sornette, D., Extreme Financial Risks: From Dependence to Risk Management,
Springer, 2006.
ABSTRACT
DYNAMIC FINANCIAL ANALYIS IN NONLIFE INSURANCE WITH THE DEPENDENCY
BETWEEN INVESTMENTS AND CLAIMS -AN APPLICATION
In this study, with a Dynamic Financial Analysis model that is used parameters which is necessary for a non-
life insurance company, a simulation study has been done. The dependency between investments and claims
has been integrated into the model using the copulas. Different copulas have been used in DFA. The
correlations between investments and between claims have been varied. In line with the simulation study, these
dependencies effects on the insurers risk and return profile, the default risk and the ruin probability have been
evaluated. Simulation was done with MATLAB programming language, 100.000 iterations.
Key Words: Dynamic Financial Analaysis, non-linear dependency, copulas, nonlife insurance, simulation
0.1 0.2 0.3 0.4 0.5
0.005
0.01
0.015
0.02
0.025
0.03
0.035
0.04
0.045
bagmllk
i
f
l
a
s

o
l
a
s
Korelasyonsuz
Gaussian
T
Gumbel
Frank
Clayton Ya am
Clayton
Gumbel Ya am
288

TRKYE LMLLK ORANLARININ DZLETRLMES VE TAHMN EDLMES
Ezgi NEVRUZ*
Hacettepe niversitesi
Fen Fakltesi
Akterya Bilimleri Blm
06800-ankaya, Ankara, Trkiye
ezginevruz@hacettepe.edu.tr
Sema TZEL
Hacettepe niversitesi
Fen Fakltesi
Akterya Bilimleri Blm
06800-ankaya, Ankara, Trkiye
sematuzel@hacettepe.edu.tr
Erengl (ZKK) DODD
erengulozkok@gmail.com
lmllk Oranlarnn Modellenmesi
Son yzylda lmllk azalmaya eilimli olduundan, bu konu literatrde geni olarak allmaktadr.
Gompertz-Makeham dalm en yaygn kullanlan lmllk kanunu iken lml dzletirmek iin eri
(spline) kullanm son yllarda artmtr. Yalanma ve lmllk, lmlln yetikin bireylerde yala birlikte
ivme kazand Gompertz-Makeham dalm ile modellenebilir.
almada ncelikle, uygulamada kullanlan Trkiye nfus verisi anlatlmakta, daha sonra lmlln
modellenmesinde kullanlan eriler ve Gompertz-Makeham modeli teorik olarak tanmlanmaktadr. Son
olarak, gelecek nfusun tahmin edilebilirlii ve gerek deerlerle karlatrlmas tartlmaktadr.
Eriler ile dzletirme:
Son yllarda B-erileri, P-erileri ve doal eriler dzletirmede sklkla kullanlmaktadr. Genelletirilmi
lineer modeller (GLM) yerine, genelletirilmi toplamsal modeller (GTM) kullanmak modellemedeki esneklii
artrmaktadr [4]. Bu almada 0 ya modellemek iin, uygun bir serbestlik derecesi seilerek doal kbik
erilerle GTM kullanlacaktr.
i
y yant deikeni iken [ ]
i i
E y = stel dalm ailesinden olmak zere;
0 1 1 2 2
( ) ...
i i i
g x x = + + +
(1)
biimindeki tam parametrik GLM model yaps,
0 1 1 2 2
( ) ( ) ( ) ...
i i i
g s x s x = + + +
(2)
ile gsterilen GTM yaps ile deitirilmektedir. (1) ve (2) eitliklerinde g bilinen monoton trevlenebilir ba
fonksiyonunu,
i
s ler bilinmeyen dzletirme fonksiyonlarn ve
i
ler ise tahmin edilen parametreleri
gstermektedir.
Eri fonksiyonlarnn GTMde dzletirme fonksiyonlar olarak kullanld yap ise
0 1 1 2 2
( ) ( ) ( ) ... ( )
k k
f x b b x b x b x | | | = + + + +
(3)
biimindedir. Eitlikte f(x) dzenli olarak birleen k tane kbik erinin keyfi bir fonksiyonudur ve
1 2
( ), ( ),..., ( )
k
x x x | | | ise baz terimlerdir.
Gompertz-Makeham ile modelleme:
289

lmlln matematiksel bir formlle dzletirilmesi bilinen bir yntemdir. [2] tarafndan nerilen (r,s)
sralamas ile Gompertz-Makeham modeli veya GM(r,s) dalm
, 1 1
1 1
( ) exp
r r s
r s i i r
i i
i i r
GM x x x
o
o o
+
~ ~ ~
= = +
| |
= +

| |

(4)
biiminde ifade edilebilir. Eitlik (4)de r ve s negatif olmayan tamsaylardr ve ikisi birlikte sfr deeri
alamaz. Burada
1 2
( , ,..., )
r s

+
= katsaylar vektrn, x ise ya gstermektedir. Yl ve cinsiyet
deikenleri ile ya-yl, ya-cinsiyet ve yl-cinsiyet etkileimleri bu modele [3]te gsterildii ekilde aklayc
deiken olarak eklenmitir.
Bu almada, [1]de olduu gibi lm saylarnn (
x
D ) her bir ya ve takvim yl iin
c
x
E parametresiyle
Poisson dalml olduu varsaylmtr. Burada lmllk oran iken
c
x
E merkezi riske maruz kii
saysdr.
GM(r,s) modelde parametre tahminleri Poisson varsaym altnda en ok olabilirlik yntemiyle elde edilmi,
her bir ya grubu iin uygun model seiminde ise Bayes bilgi kriteri (BIC) kullanlmtr.
KAYNAKLAR
[1] Brouhns N., Denuit M., Vermunt J. K. (2002), A Poisson log-bilinear regression approach to the
construction of projected lifetables, Insurance: Mathematics and Economics, Vol. 31, 373-393.
[2] Forfar D. O., McCutcheon J. J., Wilkie A. D. (1988), On graduation by mathematical formula, Journal of
the Institute of Actuaries, Vol. 115, 1-149.
[3] Ozkok E., Streftaris G., Waters H. R., Wilkie A. D. (2012), Modelling critical illness claim diagnosis
rates I: methodology, Scandinavian Actuarial Journal, DOI: 10.1080/03461238.2012.728537, 1-
19.
[4] Wood S.N. ve N.H. Augustin (2002), GAMs with integrated model selection using penalized regression
splines and applications to environmental modelling, Ecological Modelling, Vol. 157, 157-177.
ABSTRACT
SMOOTHING AND FORECASTING TURKISH MORTALITY RATES
As human mortality has improved substantially over the last century, smoothing and forecasting
mortality rates become a problem of fundamental importance for life insurance companies. Their future cash
flows depend on future mortality rates, therefore smoothing the observed mortality rates and long periods of
mortality forecasts are required.
In this study, we model Turkish mortality using the data between 1938 and 1995. The infant mortality is
modelled employing splines while the mortality rates for ages 1 to 84 is modelled using a Gompertz-Makeham
model. Under this model we assume the number of deaths have a Poisson distribution. Model parameters are
estimated by the maximum likelihood method, model selection is performed and the projection results are
discussed.
Key Words: Forecasting, Gompertz-Makeham model, mortality, splines.
290

LMLLK GELM ORANLARININ MODELLENMES
Funda KUL
a
, vgcan G. KARADA
b
,Meral SUCU
c
a
fundakaraman@hacettepe.edu.tr, Hacettepe University, Department of Actuarial Science, Ankara, Turkey
b
ovgucan@hacettepe.edu.tr, Hacettepe University, Department of Actuarial Science, Ankara, Turkey
c
msucu@hacettepe.edu.tr, Hacettepe University, Department of Actuarial Science, Ankara, Turkey
Bu alsmada lmllk gelisim oranlarnn normal daglma uydugu varsaym altnda, kadn ve erkekler iin
1980-2012 yllar arasndaki Trkiye lmllk verisi kullanlarak Lee-Carter lmllk modeli yardmyla
beklenen yasam sresi iin tahminler elde edilmis ve bulunan sonular yorumlanmstr.
Anahtar Kelimeler: Lee-Carter, lmllk Gelisim Oran, Zaman Serisi, lmllk Tahmini.
1. Giri
Yasa zel lmllk oranlarnn modellenmesinde sklkla kullanlan Lee-Carter (1992) modeli,
( )
, x x ,
log = + +
x t t x t
m
(1)
seklindedir [4]. Bu modelde yasa zel lm hznn logaritmas (logm
x,t
); (x) yas, (t) takvim yln,
x
zamandan bagmsz yasa zel bileseni,

x
lmllk dzeyinin yasa gre degisimini ve zamana bagl
lmllk dzeyini gsteren
t
bilesenleri ile modellenmektedir. Lee-Carter lmllk modelinde sabit
terimli rastgele yrys modeli kullanlarak gelecege ynelik lmllk oranlar tahmini yaplmaktadr. Lee-
Carter modelinden sonra birok lmllk modeli gelistirilmistir [1].
Bu alsmada, Lee-Carter modeli kullanlarak takvim yl ve yaslara gre Trkiye iin lmllk gelisim
oranlar elde edilerek modellenmeye alslacak ve elde edilen sonulara gre gelecekte beklenen yasam
srelerindeki degisim incelenecektir.
2. Yntem
Bu alsmada, 1980-2012 yllar arasnda 20-85 yas aralgnda beserli yas gruplarnda Trkiye Istatistik
Kurumu (TIK) tarafndan derlenen kadn ve erkekler iin yasayan ve len kisi saylar kullanlacaktr.
lm says (d) ve lm riskine maruz kalan birim says (e) ile gsterilmistir. (w) agrlk gsterimi ise (d) ve
(e) verisinden herhangi birinin olmamas durumunda 0 ve her ikisinin bulunmas durumunda 1 degerini
almaktadr. Veri kmesi kullanlarak merkezi lm hz,
,
,
,
=
x t
x t
x t
d
m
e
(2)
esitliginden elde edilecektir. Merkezi lm hz kullanlarak lmllk gelisim oranlar ise,
( )
( )
, , 1
,
, , 1
1
=2
1
+
x t x t
x t
x t x t
m m
z
m m
(3)
seklinde bulunur [3]. Burada, lmllk gelisim oranlarnda ilk yl iin tm yaslardaki agrlk degerleri sfr
olarak alnms ve buna bagl olarak lmllk gelisim oranlar da tm yaslar iin sfr olarak alnmstr.
lmllk gelisim oranlarn gsteren
, x t
z nin degisken yaylma sahip birbirinden bagmsz Normal daglma
uydugu varsaym altnda beklenen deger ve varyans su sekildedir [2].
( )
, , x x
= = +
x t x t t
E z (4)
291

( )
2
,
,
,
=

x t
x t
x t
Var z
w
(5)
Yldrm (2010) alsmasnda, Trkiye lmllk verisi kullanlarak Lee-Carter modelinde
t
iin en uygun
zaman serisi modelinin ARIMA(1,1,0) olduu belirtilmistir [5]. Bu durumda lmllk gelisim oranlar iin en
uygun zaman serisi modeli ARMA (1,0) olduu grlmektedir [3].
t
iin zaman serisi modeli,
( )
1
=
+
t t t
(6)
biimindedir. Burada artk sreci, sfr ortalama ve
2
varyans ile Normal dalma sahiptir. Bu durumda
+
n
t j
tahminleri de su sekilde elde edilir.
( )
= , =1,2,3,...
+
+
n n
j
t j t
j
(7)
3. Sonular
lmllk gelisim hzlar iin olusturulan model kullanlarak gelecee iliskin yasa zel lmllk oranlar
tahmin edilerek, beklenen yasam sreleri iin ngr deerleri elde edilecektir.
KAYNAKLAR
[1] Haberman, S. And Renshaw ,A.E, (2011), A comparative study of parametric mortality projection models,
Insurance: Mathematic and Economics 45, 255-270.
[2] Haberman, S. And Renshaw ,A.E, (2012), Parametric mortality improvement rate modeling and projecting,
Insurance: Mathematic and Economics 50, 309-333.
[3] Haberman, S. And Renshaw ,A.E, (2013), Modelling and projecting mortality improvement rates using a
cohort perspective, Insurance: Mathematic and Economics 53, 150-168.
[4] Lee R.D., Carter L., (1992), Modelling and forecasting the time series of US mortality, Journal of the
American Association 87, 659-671.
[5] Yldrm F., (2010), Trkiye lmllk Yapsnn Lee-Carter ve Bulank Lee-Carter Ile Modellenmesi,
Hacettepe niversitesi, Fen Bilimleri Enstits Yksek Lisans Tezi.
ABSTRACT
MODELLING OF MORTALITY IMPROVEMENT RATES
In this paper, the estimates of life expectancies are found and the results are interpreted by using Lee-Carter
mortality model for Turkish male and female mortality data from 1980-2012 years, under the assumption of
mortality improvement rates fits Normal distribution.
Key Words: Lee-Carter, Mortality Improvement Rate, Time Series, Mortality Forecasting.
292

YAAM ZMLEMESNDE ZAYIFLIK MODEL VE TRKYE N BREYSEL EMEKLLK
VERLERYLE BR UYGULAMA
Gven SIMSEK
Hacettepe niversitesi, Fen Fakltesi, Akterya Bilimleri Blm, 06800, Ankara, Trkiye
guvensimsek@hacettepe.edu.tr
Durdu KARASOY
Hacettepe niversitesi, Fen Fakltesi, Istatistik Blm, 06800, Ankara, Trkiye
durdu@hacettepe.edu.tr
1. Bireysel Emeklilik Sistemi
Sosyal gvenlik alannda yasanan sorunlar lkeler iin sosyal gvenlik sistemine iliskin reform alsmalarnn
yaplmasn gndeme getirmistir. Bu konuda en radikal degisiklik emeklilik aylg sistemini, kamu kesiminden
zel emeklilik fonlarna dayal bir sisteme dnstren Silide gereklesmistir [1]. Bu model zel emeklilige
geis konusunda birok lke iin referans niteligi tasmaktadr.
Trkiyede ise 2001 ylnda 4632 sayl Bireysel Emeklilik Tasarruf ve Yatrm Sistemi Kanunu ile bireysel
emeklilik sistemi kurularak, sosyal gvenlik alannda nemli bir adm atlmstr. Sistem, bireylerin emeklilige
ynelik tasarruflarnn artrlmasn ve emeklilik dneminde refah dzeyinin ykseltilmesini amalamaktadr.
Bu alsmada, bireysel emeklilik sisteminde kalma sresini etkileyen faktrlerin incelenmesi iin Emeklilik
Gzetim Merkezine ait bireysel emeklilik verileri kullanlmstr. Verilere, orantsz tehlikeler durumunda
kullanlan zayflk modeli uygulanms ve sonular yorumlanmstr.
2. Zayflk Modeli
Yasam zmlemesinde tehlike fonksiyonunu etkileyen aklayc degiskenleri belirlemek ve birime ait tehlike
fonksiyonunu elde etmek iin kullanlan temel model orantl tehlikeler modelidir. Cox [2] tarafndan
nerildiginden Cox regresyon modeli olarak da adlandrlmaktadr. Orantl tehlikeler varsaymnn
saglanmamas durumunda genisletilmis Cox regresyon modeli, parametrik regresyon modelleri ve zayflk
modeli kullanlmaktadr.
Benzer zelliklere sahip birimler arasnda yasam srelerindeki farkllklar aklamak iin zayflk modeli
kullanlmaktadr. Vaupel v.d. [3] tarafndan yaplan mortalite alsmalarnda zayflk modeli kullanlmstr.
Daha sonra Lancaster [4] issizlik srelerinin modellenebilmesi iin zayflk modelini incelemistir.
Zayflk modeli, paylaslms ve paylaslmams zayflk modelleri olmak zere ikiye ayrlmaktadr. Birimler
arasndaki heterojenligi modellemek iin paylaslmams zayflk modeli kullanlrken, gruplar arasndaki
heterojenligi modellemek iin paylaslms zayflk modeli kullanlmaktadr.
Paylaslmams zayflk modeli iin kullanlan tehlike fonksiyonu llemeyen rastgele etkiyi (zayflk terimini)
iermektedir. Bu model iin kosullu tehlike fonksiyonu,
h(t / u) = uh(t) (1)
biiminde gsterilmektedir. Zayflk terimi ( u >0), birim ortalamaya ve varyansa sahiptir. Paylaslmams
zayflk modeli iin yasam fonksiyonu,
[ |
u
S(t / u) = S(t) (2)
biimindedir. Gamma ya da ters Gaussian, zayflk terimi iin en yaygn kullanlan daglmlardr.
293

Birimlerin ayn zayflk terimini paylasmalarna izin veren paylaslms zayflk modelinde birimler arasnda
bamllk ortaya kmaktadr. n gruptan olusan bir yasam verisi iin paylaslms zayflk modeli,
ij i i ij i
h (t / u ) = u h (t), j =1, 2,..., n (3)
biimindedir. n
i
, i. grupta bulunan birim saysdr. h
ij
(t) = h(t/x
ij
) biiminde olmak zere, i gruptaki herhangi bir
birim iin, standart tehlike fonksiyonu paylaslms zayflk
i
u ile arplmaktadr. Yasam fonksiyonu ise
asadaki gibidir [5];
i
ij i ij
u
S (t / u ) = S (t) .

(4)
KAYNAKLAR
[1] Gillion, C., Bonilla, A. (1992), Analysis of a national private pension scheme: The case of
Chile, International Labour Review, Say 2, Cilt 131, 171-195.
[2] Cox, D.R. (1972), Regression models and life-tables, Journal of the Royal Statistical
Society, Series B, 34, 187-220.
[3] Vaupel, J.W., Manton, K., Stallard, E. (1979), The impact of heterogeneity in individual
frailty on the dynamics of mortality, Demography, 16, 439-454.
[4] Lancaster, T. (1979), Econometric methods for the duration of unemployment,
Econometrica, 47, 939-956.
[5] Ata, N., Karasoy, D. (2011), Sakalm zmlemesi iin Zayflk Modeli ve Mide Kanseri
Hastalarna Iliskin Verilerle Bir Uygulama, ankaya University Journal of Science
and Engineering, 8, 2, 225-235.
ABSTRACT
FRAILTY MODEL IN SURVIVAL ANALYSIS, WITH AN APPLICATION TO INDIVIDUAL
PENSION DATA FOR TURKEY
In Turkey in late 1990s, problems emerged in social security field like the disruption of balance of
income and expenditure, decrease in assetliability ratio. As a solution to these problems, individual pension
system has been put into practice as a supplimentary to the existing social insurance system.
In this study, We used the Emeklililik Gzetim Merkezi's data on the existing individual pension data in
researching the factors that influence the time spent within the individual pension system. Frailty models are
applied for the data and the attained results are discussed.
Key Words: Social security, individual pension, Cox regression model, parametric regression model, frailty
model
294

BLDR OTURUMLARI 5
SESSION 5
Applied Statistics 2
295

LINKAGE BETWEEN EDUCATION, ECONOMIC GROWTH AND CO
2
EMISSION: A
MULTIVARIATE ANALYSIS ON TURKEY
K. Demirberk NL
1
, A. Sevtap SELCUK-KESTEL
2
1-2
Middle East Technical University
Institute of Applied Mathematics
06800 ANKARA
1-2
demirberg@gmail.com, skestel@metuedu.tr,
EXTENDED SUMMARY
Kyoto Protocol is an international agreement, which aims to fight against global warming and climate changes.
The main reason of the global warming can be shown as greenhouse gases (GHG). GHG consist of 4 major
gases such as Carbon dioxide (CO
2
), Methane (CH
4
), Nitrous oxide (N
2
0) and Fluorinated gases (F- gases).
According to the United States Environmental Protection Agency (EPA), the economic activities that release
GHG are: energy supply (26%), industry (19%), land use, land-use change and forestry (17%), agriculture
(14%), transportation (13%), commercial and residential building (8%) and waste and wastewater (3%).
Participants of this protocol must fulfill their target GHG emission. By 2013, 192 countries have signed the
agreement. One of the participants of this agreement is Turkey who signed the agreement in 2009. In recent
years Turkey has made significant changes in her education system. Compulsory education has ben increased
to 12 years. Also Turkey has the highest rate of young population among the European countries so our aim in
this study is to investigate the casual relationship between education, carbon emission and economic growth.
In his study [1] found a unidirectional causality between income and CO
2
emission while [4] cannot found any
evidence of causality between this two variables. The relationship between education and income in Turkey
was explored by [3]. Since education cause higher level of income and this income may cause carbon emission,
we employed the Johansen-Juselius [2] cointegration method to investigate the causality between education,
gross domestic product and carbon emission. For the period between 1971 and 2010, all in natural logarithms,
primary school enrolment (PRM), secondary school enrolment (SEC), tertiary enrolment (TER), gross
domestic product (GDP) and CO
2
emission (CO
2
) are used. The result of the cointegration test, which is given
in Table 1, indicates two cointegration vectors.
Table 1. Cointegration Test Results (lag = 3)
Null Hypot. Trace Stat 5% Max-Eigen Stat 5% Eigenvalues
None 103.5069* 68.52 46.2340* 33.46 0.7231
At most 1 57.2730* 47.21 29.0521* 27.07 0.5538
At most 2 28.2208 29.68 15.5320 20.97 0.3504
At most 3 12.6889 15.41 10.0779 14.07 0.2442
At most 4 2.6110 3.76 2.6610 3.76 0.0699
The empirical results show that GDP does not cause CO
2
emission but in the short-run and in the long-run SEC
and TER cause CO
2.
Significant and negative signed error correction term (ECT) indicates increase in SEC or
increase in TER causes increase in CO
2
. Also all level of education provides a positive contribution to GDP.
REFERENCES
[1] Halicioglu F. (2009), An Econometric study of CO
2
emissions, energy consumption, income and
foreign trade in Turkey, Energy Policy, 37, 1156-1164.
296

[2] Johansen, S. and Juselius,K. Maximum likelihood estimation and inference on cointegration - with
applications to the demand for money, Oxford Bulletin of Economics and Statistics, 52, 169-210
[3] Sari, R. and Soytas,U. (2006), Income and education in Turkey: A multivariate analysis, Education
Economics, 2, 181-196.
[4] Soytas,U. and Sari, R. (2009), Energy consumption, economic growth and carbon emssions: Challenges
faced by an EU candidate member, Ecological Economics, 68, 1667 -1675.
ABSTRACT
LINKAGE BETWEEN EDUCATION, ECONOMIC GROWTH AND CO
2
EMISSION: A
MULTIVARIATE ANALYSIS ON TURKEY
This study investigates the long-run relationship between carbon emission, economic growth and education in
Turkey for the period between 1971 and 2010 by using Johansen- Juselius method and Vector Error Correction
model. As a second step in this study Impulse-Response function and Generalized Forecast Error Variance
Decomposition test are utilized.
Key Word: CO
2
emission, economic growth, education, Turkey, vector error correction model.
297

FRACTAL DIMENSION OF CEMENT PASTES MICROSTRUCTURE BASED ON
STATISTICAL POWER OF REGRESSION LINES COMPARISON
mer Utku Erzengin
1
, Sddka Gamze Erzengin
2
1
Sleyman Demirel University, Deparment of Statistics, Civilized East Campus, Isparta, Trkiye,
omererzengin@sdu.edu.tr
2
Sleyman Demirel University, Chemical Engineering Department,Wild West Campus, Isparta, Trkiye,
gamzeerzengin@sdu.edu.tr
Analysing the geometric microstructural elements in hydrated cement systems carry a great role in daily
functionality. In order to reveal these systems formation, Scanning Electron Microscopy (SEM) is one of the
important method of characterization of cement paste microstructure according to its surface. Surface of the
cement paste is made up of many elements, pores are one of the fundamental element in the microstructure.
Gel phase of the cement composes pores whose formation could be expressed by different mathematical and
statistical methodology. Chemical admixtures which are polymelamine sulphonate, modified sodium lauryl
sulphate, urea formaldehyde and triethanolamine used in this study also play important role in cement pores
formation.
Gel phase of cement paste could be explained by Euclid geometry but in order to interpret entire processes
classical Euclid geometry is not enough. One of the alternative method is fractal analysis assessing fractal
characteristics of data
1
. Fractal analysis aim is to find fractal dimension and other fractal characteristics from a
dataset that is extracted from phenomena including natural geometric objects.
Fractal dimension of cement paste surface geometry "D" could be estimated. Fractal dimension "D" is between
0<D<3 as distinct from Euclidian dimension. Fractal dimension does not have to be an integer. A fractal
dimension is a ratio providing a statistical index of complexity comparing how detail in a pattern changes with
the scale at which it is measured.
2
Generally as term fractal is associated with geometrical objects with two topic: self-similarity and fractional
dimensionality. Self-similarity means that an object is composed of sub-units and sub-sub-units on multiple
levels that (statistically) take after the structure of the main object. When sub-units, those are independent of
scale, are magnified they resemble the main object.
Revealing fractal dimension of cement paste pores, SEM image analysis, based on basically box counting
algorithm is used. The basic procedure is systematically lay a series of grids of decreasing the boxes over an
image and count the data for each successive box. Several grids of decreasing box size are placed over an
SEM image and the number of boxes that contain pixels is counted for each grid. Data are gathered for each
box of every grid, fractal dimension can be expressed as ordinary linear regression slope.
In this study, fractal dimension of cement paste pores (with different chemical admixtures) observed by SEM
were estimated. The aim of the study is to compare fractal dimension of cement paste pores in the existence of
different chemical admixtures. After applying ANOVA, no significant statistical difference was found between
fractal dimensions (p > 0.7 comparison regression lines slopes
4
). Cement gel pores' fractal dimensions are
polymelamine sulphonate=1.771, polymelamine sulphonate and modified sodium lauryl sulphate =1.823, urea
formaldehyde=1.847. In the presentation also statistical power of the fractal dimensions (regression slopes)
comparison will be mentioned.
5
Key Words: Fractal Dimension, Image Analysis, Regression, Power
References
[1] Wang Y. S. (2001), A fractal study of the fracture surfaces of cement pastes and mortars using a
stereoscopic SEM method. Diamond Cem. Concr. Res. 31, 1385-1392
[2] Mandelbrot B. B. (1984), Les objects fractal, Paris, Flammarion.
298

[3] Korpa A. and Trettin R. (2006) The influence of different drying methods on cement paste
microstructures as reflected by gas adsorption: comparison between freeze-drying (F-drying), D-drying, P-
drying and oven-drying methods. Cem. Concr. Res. 36, 634-649
[4] Clogg C. C., Petkova E., Haritou A. (1995) Statistical Methods for Comparing Regression
Coefficients Between Models. Univesity of Chicago Press. AJS 100-5, 1261-1293.
[5] Zar J. H. (2010). Biostatistical Analysis. 5th Edition. Upper Saddle River - NJ, Pearson Prentice-
Hall.
299

A NEW SCALARIZATION METHOD IN NONLINEAR AND NONCONVEX MULTI-OBJECTIVE
OPTIMIZATION
Refail KASIMBEYLI
Department of Industrial Engineering, Anadolu University, Iki Eylul Campus, 26555 Eskiehir
rkasimbeyli@anadolu.ed.tr
Introduction
In general, scalarization means the replacement of a multi-objective optimization problem by a suitable scalar
optimization problem which is an optimization problem with a real valued objective functional. Since the
scalar optimization theory is widely developed, scalarization turns out to be of great importance for the multi-
objective optimization theory.
One way of constructing a single-objective optimization problem is through scalarizing functions involving
possibly some parameters or additional constraints. Multi-objective optimization methods utilize different
scalarizing functions in different ways.
In a large variety of methods, norms have usually been used to identify the minimal (or nondominated)
elements that are closest to some (reference) point. In particular, the family of lp norms has been studied
extensively by many researchers [1].
It would be impractical to supply a complete bibliography of studies in the literature on multi-objective
optimization, multicriteria analysis and scalarization methods; instead we refer the reader to the books [1,2].
By summarizing the properties of different scalarization techniques, the following questions related to the
quality or performance of the technique can be drawn:
Does this method always yield minimal (or efficient) elements?
If so, can all minimal (or efficient) elements be detected in this way?
Will the preference and reference point information of the decision maker be taken into consideration
by this technique?
The simple investigation of different techniques may show that not all methods can positively answer all the
questions raised here.
The conic scalarization method presented in this paper is shown to answer positively all these questions.
In this paper, a new kind of properly efficient points has been introduced, and a full characterization of the
conic scalarization method is presented. It is shown that the zero sublevel set of every function from the
suggested class of monotone sublinear functions is a convex closed and pointed cone containing the negative
ordering cone. We introduce the notion of a separable cone and show that two closed cones (one of them is
separable) having only the vertex in common can be separated by a zero sublevel set of some function from
this class. It is shown that the scalar optimization problem constructed by using the monotonically increasing
sublinear functions, enables to completely characterize the whole set of efficient and properly efficient
solutions of multi-objective problems without convexity and boundedness conditions.
Conic Scalarization Method
Consider a multi-objective optimization problem:
Choose preference parameters:

Weight vector
, where
> 0 denotes the preference degree of i th objective function for

decision maker.
Reference point
. Such a point may be identified by a decision maker in cases when he or she

desires to calculate minimal elements that are close to some point. The conic scalarization method does not
impose any restrictions on the ways for determining reference points. These points can be chosen arbitrarily.
300

Choose an augmentation parameter u such that
. Then, the scalar problem for the given

parameters (w, u) and r is:

By solving this scalar problem for all possible values of the augmentation parameter u between zero and

, one can calculate all the efficient solutions corresponding to the decision makers preferences
(the weighting vector
and the reference point r ) [3,4,5].

REFERENCES
[1] Ehrgott, M. (2005), Multicriteria Optimization. Springer, Berlin.
[2] Eichfelder, G. (2008), Adaptive Scalarization Methods in Multi-Objective Optimization. Springer, Berlin.
[3] Gasimov, R.N. (2001), Characterization of the Benson proper efficiency and scalarization in nonconvex
vector optimization, In: Koksalan, M., Zionts, S. (eds.) Multiple Criteria Decision Making in the New
Millennium, Book Series: Lecture Notes in Economics and Mathematical Systems, vol. 507, pp. 189198.
[4] Kasimbeyli, R. (2010), A nonlinear cone separation theorem and scalarization in nonconvex vector
optimization, SIAM J. Optim. 20, pp.15911619.
[5] Kasimbeyli, R. (2013), A conic scalarization method in multi-objective optimization, Journal of Global
Optimization, 56 (2), pp. 279-297.
ABSTRACT
A NEW SCALARIZATION METHOD IN NONLINEAR AND NONCONVEX MULTI-OBJECTIVE
OPTIMIZATION
This paper presents the conic scalarization method for scalarization of nonlinear multi-objective optimization
problems. By this method, choosing a suitable scalarizing parameter set consisting of a weighting vector, an
augmentation parameter, and a reference point, decision maker may guarantee a most preferred efficient or
properly efficient solution.
Key Words: Conic Scalarization Method, Multi-Objective Optimization, Proper Efficiency.
301

TURKISH ELECTRICITY PRICE BEHAVIOR BASED ON SOME ECONOMIC INDICATORS:
AN ECONOMETRIC APPROACH
Asena ZDEMR
1
, Demirberk NL
2
, A. Sevtap SELCUK-KESTEL
3
, Kasrga YILDIRAK
4
1-3
Middle East Technical University
4
Trakya University
Institute of Applied Mathematics Department of Economics
06800 ANKARA EDRNE
1-3
Asena.ozdemir@metu.edu.tr, demirberg@gmail.com, skestel@metuedu.tr,
4
kasirga@metu.edu.tr
EXTENDED SUMMARY
As a consequence of social and economic development in Turkey in last decades, energy demand and
especially, demand for electricity has increased rapidly. In order to meet this increasing demand it is important
to analyze and control electricity supply. This study aims to investigate the cointegrated behavior between
annual electricity consumption, production in Turkey and macroeconomic indicators based on the studies in the
literature [2,3]. It examines the stochastic behavior of changes in these parameters in time domain by
employing the techniques from Time Series Analysis. The cointegration analysis, the autoregressive distributed
lag approach (ARDL) [1], error correction method, impulse response functions and variance decomposition
analyses are performed to understand the association and impact of these variables on the electricity demand in
the Turkish electricity market. The main features of this study are the implementation of such wide range of
economic indicators to determine the electricity demand and supply over period 1970-2010 which have
witnessed many new changes in the regulations and many economic crises. Data set contains annually
collected electricity consumption (CONS), Gross domestic product (GDP), urban population (URB), the
electricity power transmission and distribution losses (LOS), the industry value added (IND), the average
annual electricity prices (PRC), Turkish Population (POP), total annual electricity production (PRD), labor
supply in electricity sector (LBR), gross profit for Turkish electricity market (PRF), investments in Turkish
electricity sector (INV) and average annual electricity prices (PRC) collected from Turkish Electricity
Transmission (TEIAS) and World Bank. are the variables used in the proposed analysis. All these are
modified to per capita by adjusting each data set to population except the prices and gross profit.
The ARDL bounds testing procedure is employed to determine the cointegration variables (Table 1) to
determine long run relationship between them through cointegration for electricity demand and supply. The
tests results for demand is reduced to 4 cointegrating relationships when dependent variables are selected as;
CONS, GDP, IND and mean adjusted PRC. However, there exist 6 cointegrating relationship for the supply
when dependent variables are selected as; PROD, GDP, INV, LOS, LBR and PRF whereas; no cointegrating
relationship exists if the dependent variable is mean adjusted annual PRC. Based on the significancy with
respect to Bounds-Test, cointegrated relation of the annual electricity production are expressed as follows:

= 237.672 + 0.7032GDP 0.041482INV + 5.1507LOS 67.5671PRC + 384860.9LBR+109.1725PRF
Table 1. Bounds-Testing procedure results
Demand Supply
Cointegration hypothesis F-statistics Cointegration hypothesis F-stat.
F(CON|GDP,IND,LOS,PRICE,URB) 3.1012** F(PRD|GDP,INV,LOS,PRC,LBR,PRF) 3.5164*
302

F(GDP|CON,IND,LOS,PRICE,URB) 6.3478* F(GDP|PRD,INV,LOS,PRC,LBR,PRF) 3.8908**
F(IND|CON,GDP,LOS,PRC,URB) 7.2093* F(INV|GDP,PRD,LOS,PRC,LBR,PRF) 6.0427*
F(LOS|CON,GDP,IND,PRICE,URB) 18.595 F(LOS|GDP,PRD,INV,PRC,LBR,PRF) 2.7166***
F(PRC|CON,GDP,IND,LOS,URB) 5.5008* F(PRC|GDP,PRD,INV,LOS,LBR,PRF) 11.212
F(URB|CON,GDP,IND,LOS,PRC) 0.88845 F(LBR|GDP,PRD,INV,LOS,PRC,PRF) 7.4945*
* significance at 1%, ** at 2.5% levels [1] F(PRF|GDP,PRD,INV,LOS,PRC,LBR) 5.8336*
The empirical findings indicate that there exist cointegration between electricity consumption and annual
average electricity losses, GDP, urbanization ratio, industry value added and electricity transmission and
distribution losses. Based on the selection method criteria electricity consumption, industry value added,
annual average electricity prices and GDP are chosen as the dependent variables. Moreover, the direction and
sign of the relationships determined by the error correction models yield results as expected indicating the
appropriateness of the model. In addition, impulse response graphs also catch the impact of variables selected
to the electricity consumption on the time horizon. Furthermore, variance decomposition implies electricity
consumption mainly affected by its own shock and secondly, it is affected mainly by shocks in GDP and
industry value added. Moreover, for the comparison of equilibrium prices and actual prices it can be said that,
they are slightly different because still in Turkey electricity prices are determined through government
intervention rather than equilibrium prices formed at market equilibrium points.
REFERENCES
[1] Pesaran, M.H., Shin, Y., Smith, R.J.,2001. Bounds testing approaches to the analysis of
level relationships. Journal of Applied Econometrics. 16, 289-326.
[2] Soytas, U., Sari, R., 2003. Energy consumption and GDP: Causality relationship in G-7
countries and emerging markets. Energy Economics, 25, 33-37.
[3] Sari, R., Ewing B.T., Soytas, U., 2007. The relationship between disaggregate energy
consumption and industrial production in the United States: An ARDL approach,
Energy Economics, 30, 2302-2313.
ABSTRACT
TURKISH ELECTRICITY PRICE BEHAVIOR BASED ON SOME ECONOMIC INDICATORS:
AN ECONOMETRIC APPROACH
This paper investigates the association between main macroeconomic and sectorial indicators with electricity
consumption and production. For estimating electricity demand, annual electricity consumption, Gross
Domestic Product (GDP), electricity transmission and distribution losses, industry value added, annual average
electricity prices and urbanization ratio are used as variables. On the other hand, for estimating electricity
supply variables annual electricity production, gross profit and labor supply in electricity sector, electricity
transmission and distribution losses, annual average electricity prices, GDP and investments in electricity
sector are used. Both electricity consumption and production are estimated through the autoregressive
distributed lag approach (ARDL) by using annual data for the period from 1970 to 2010 to determine the
equilibrium prices in electricity market in Turkey.
Key Words: Turkish Electricity Market, ARDL, Demand, Supply, Equilibrium price.
303

A COMPARATIVE SIMULATION STUDY FOR MODIFIED RANK SET SAMPLING METHODS

Selma GRLER
Dokuz Eylul University, Faculty of Science, Department of Statistics,, Tinaztepe 35160 Buca, Izmir, TURKEY
E-mail: bekir.cetintav@deu.edu.tr , Selma.erdogan@deu.edu.tr
Ranked Set Sampling (RSS) is first proposed by McIntyre in 1952 to effectively estimate the yield of pasture
in Australia. The basic premise is a population under study and the assumption is that a set of sampling units
drawn from the population can be ranked by certain means rather cheaply without the actual measurement of
the variable of interest which is costly and / or time-consuming (Chen, 2003).
The RSS has an easy-to-use sampling procedure. First, the size of the sets (m), number of cycles (n) and
sample size (N) should be decided. These observations are called a standard ranked set sample.
means th unit in a specific set in the th cycle and

means the th ranked unit from the th cycle for
and . The following illustration shows the procedure (for ), briefly.
Cycle

Cycle

Figure 1. Illustration of The RSS procedure
For the chosen ranked set sample, the estimator of is

Takahasi et al.(1968) and Dell et al.(1972) studied the necessary mathematical background. They showed that
the sample mean of the RSS is an unbiased estimator of the population mean and its variance is smaller than
the sample mean of a simple random sample (SRS) even if the ranking is not perfect.
Several researchers, including Yanagawa and Shirahata (1976), Ridout and Cobby (1987), and Muttlak and
McDonald (1990), proposed some modifications for the RSS procedure. The common point of all modified
methods is using not every order statistic in each cycle; instead the researcher chooses which ones would be
most useful. The errors in ranking process could decrease variance of RSS estimator and hence reducing its
efficiency. Some of most using modified methods are introduced.
Extreme RSS method, could be called the first modified RSS method, was introduced by Samawi et al. (1996)
to estimate population mean. The starting point is to be more practical method than Standard RSS ranked set
sampling by using only the first and/or the last ordered unit (or the median for odd sample sizes). Al-Nasser
and Mustafa (2009) developed Robust Extreme RSS to combine robust approach and Extreme RSS procedure.
The Median RSS procedure was first proposed by Muttlak (1997). It can be described by selecting random sets
of size from the population and rank the units within each set as in RSS mechanism. Ibrahim, Syam and Al-
Omari (2010) modified it for stratified case. Al-Saleh and Al-Kadiri (2000) first considered double ranked set
sampling (DRSS). They investigated a two-stage ranking procedure for mean estimation. Al-Saleh and Al-
Omari (2002) extended and generalized the method for two or more stages and called it Multistage RSS. Al-
Omari and Jaber (2008) combine it with a modified method Percentile RSS. Muttlak (2003) investigated
another modification of RSS, namely, Quartile RSS. Similar to his median RSS method, he suggested using the
lower and upper quartiles for estimation of population mean instead of using all ordered units of sets. Similar
to this method, Al-Omari and Jaber (2008) proposed Percentile RSS and combine it with Double RSS, as
mentioned above.
304

In this study, we consider to compare the methods of Double RSS, Median RSS, Quartile RSS and Extreme
RSS. They are all compared with RSS and SRS but are not compared with each other in the literature. In this
way we can see more-appropriate methods for different cases such as; i) different set sizes ii) different kind of
symmetric and asymmetric distributions iii) different sample sizes. Thus it would be a remarkable study for
RSS researches.
A COMPARATIVE SIMULATION STUDY FOR MODIFIED RANK SET SAMPLING METHODS
The ranked set sampling (RSS) is efficient and advantageous method where sets are randomly selected from a
population, units in the sets are ranked by sense of proportion and this easier and cheaper information is used
for inference. In this study, we consider RSS method and some modified versions of it for estimating the
population mean. A simulation study is conducted for comparison the methods of Double RSS, Median RSS,
Quartile RSS and Extreme RSS. The results give useful information about the features of the methods.
Key Words: sampling, ranked set sampling, modified ranked set sampling methods
REFERENCES
[1] McIntyre G.A., A method of unbiased selective sampling using ranked sets, Aust. J. Agric. Res. 3, pp. 385
390 1952.
[2] Takahasi K. and Wakimoto K. On unbiased estimates of the population mean based on the sample stratified
by means of ordering. Annals of the Institute of Statistical Mathematics, 20:131, 1968.
[3] Chen Z., Bai Z., Sinha B. K., Ranked Set Sampling: Theory and Application, Springer, 2003
[4] Dell T.R., Clutter J. L. Ranked set sampling theory with order statistics background. Biometrika, 28:545
555, 1972.
[5] Al-Nasser A. D., Mustafa A. B., Robust extreme ranked set sampling, Journal of Statistical Computation
and Simulation, 79:7, 859-867, 2009
305

AN ALGORITHM FOR THE DETERMINATION OF ECONOMIC DESGN OF X-BAR CONTROL
CHARTS
Aysun Sagbas
1
, Adnan MAZMANOGLU
2
1
Department of Industrial Engineering, University of Namik Kemal, Corlu,Tekirdag/ Turkey
asagbas@nku.edu.tr
2
Department of Statistics, University of Istanbul Aydin, Florya Campus, Istanbul/Turkey
adnanmazmanoglu@aydin.edu.tr
1. Introduction
Control charts may also be used to estimate the parameters of a production process and to determine process
capability. They are on-line process control technique widely used for this purpose. The control charts may
also provide information useful in improving the process. A survey by Saniga [1] indicated that the averages
control chart, X-bar chart, dominates the use of any other control chart techniques if quality is
measured on a continuous scale. Various models for choosing control chart design parameters according to
economic considerations, specifically expected total cost minimization, can be found in the quality control
literature. Duncan [2] proposed the first model for determining the sample size , the interval between
successive samples, and the control limits of an X-bar control chart. Since then, considerable attention has
been devoted to the optimal economic determination of these three parameters [3-6]. Montgomery [7] gave a
thorough review of the literature for the economic design and applications of various control charts.
Ho and Case [8] also provided a literature review of the related topics covering the period 1981
1991. Lorenzen and Vance [9] presented a unifying perspective on the economic design of different types of
control charts, including a discussion of the implicit underlying assumptions and the relative lack of sensitivity
of the cost performance of these assumptions. Chung [10] proposed a simplified procedure for determining the
values of n, h, and k based on Duncans model. This procedure consists only in solving an explicit equation for
h in terms of n and k. Woodall [11] criticized the economic approach for, among other reasons, its possibility
of providing a plan that generates an excessive number of false alarms. In this paper, an approach proposed by
Lorenzen vance [9] and Duncan[2] is described and a simple procedure is developed to solve the problem of
selecting the appropriate sample size, the width of the control limits, and the interval between samples. It
considers appropriate revenues and costs, and provides economically optimum values of n, h, and k upon the
shift, time and cost parameters involved. An example from the petrol industry is presented, and the results are
discussed.
2. Methodology
In this study, the first economic model developed by Duncan[2] and a general model propsed by Lorenzen and
Vance [9] was performed to minimize the expected total costs per time unit as a function of the design
parameters. A simple procedure is described to determine the design parameters of an X-bar control chart.
Fortran programming is used to for computing of optimum sampling size, sampling period, and control limit
width. An example selected in the petrol industry is presented to illustrate the solution procedure for the
economical design of the X-bar chart. For a certain combination of sampling size, sampling period, and control
limit, the program also calculates the corresponding u risk and power (1-). After the solution, the results of
the economic models performed are compared.
References
[1] Yu FJ, Low C (2005). An algorithm for the determination of optimal design parameters of X-bar control
charts. International J. of Advance Manufacturing Technology, 26, 8689.
[2] Ho C, Case KE (1994). Economic design of control charts: a literature review for 1981 1991, Journal of
Quality Technology, 26, 178.
[3] Lorenzen TJ, Vance LC (1986). The economic design of control charts: A Unifiied approach.
Technometrics, 28(1), 3-10.
[4] Chung KJ (1990). A simplified procedure for the economic design of control charts. International Journal
of Production Research, 28, 1239-1246.
[5] Woodall WH (1986). Weaknesses of the economic design of control charts. Technometrics, 28, 408-410.
306

ABSTRACT
Control charts are the primary quality improvement tools used to establish and maintain statistical control of
manufacturing processes. The effective use of control charts is largely dependent upon their design, that is,
selection of the decision variables such as sample size (n), sampling period (h), and control limit (k) based on
some subjective and/or objective criteria. Traditionally, control charts have been designed with respect to
statistical criteria only. The design of control chart has economic consequence in that the costs of sampling and
testing, costs associated with investigating out-of control signals and possibly correcting assignable causes, and
costs of allowing non-conforming units to reach the consumer. For this reason an economic design is necessary
before the control chart is used. Economic control charts should be designed in order to achieve minimum
quality control costs, not consider the statistical properties. In this paper, an evolutionary algorithm based on
Fortran programming is presented to determine to optimal design parameters of an X- bar control charts in
Lorenzen and Vance economic model which applies to all control charts and Duncan model, regardless of the
statistic used, such that they minimize the expected total costs per time unit. A numerical example and
industrial case study are provided to illustrate the solution procedure.
Key Words: Statistical process control, X-bar control chart, economic design
307

BLDR OTURUMLARI 5
SESSION 5
Kalknma Bakanl zel Oturumu 2
308

DOU MARMARA 2014-2023 BLGE PLANI KAPSAMINDA HAZIRLANAN MKRO
BLGELEME ALIMASI
Fatma AVSAR*; Hale Mahzeminli GLBAZ; Candan Umut ZDEN; Cem BAYRAK; Hlya YORULMAZ
Adres: Dogu Marmara Kalknma Ajans Yenisehir Mahallesi Demokrasi Bulvar No: 72/A Izmit/ Kocaeli
E-mail(srasyla); fatmaavsar@marka.org.tr; hale.m@marka.org.tr; c.umutozden@marka.org.tr;
cembayrak@marka.org.tr; hulyayorulmaz@marka.org.tr
1. Dou Marmara 2014-2023 Blge Plannn ve Hazrlayan Kurumun Tanmlanmas
lkemizde Imar Kanununun 8. maddesi geregi Kalknma Bakanlg (mlga Devlet Planlama Teskilat)
blgesel planlamadan sorumlu kurum olarak belirlenmistir. Kalknma Bakanlg ise gnmzde plan onama
hakkn sakl tutmak zere; kurulus srelerini tamamlams olan kalknma ajanslarnn kendi blgeleri iin
blge plan hazrlamalarn uygun bulmustur. Bu erevede, 5449 sayl kanun uyarnca ve 2009/15236 sayl
Bakanlar Kurulu Kararyla kurulan Dogu Marmara Kalknma Ajans (MARKA) Kocaeli, Sakarya, Dzce,
Bolu ve Yalova illerini kapsayan TR42 dzey-2 blgesini kapsayan blge plannn hazrlanmasndan mesul
tutulmustur. Bu greve dayanarak, 10 yllk bir baks asyla Dogu Marmara 2014-2023 Blge Plan MARKA
tarafndan hazrlanmstr.
Dogu Marmara 2014-2023 Blge Plan'nn amac; blgenin sosyo-ekonomik kalknmasn meknsal olarak
tanmlayabilmek ve kalknma srecini stratejik olarak programlamaktr. Kalknma Plannn yan sra, ulusal
lekte kabul edilen diger strateji ve politikalar Dogu Marmara Blgesine uyarlamak zere hazrlanms olan
Blge Plan; planlama hiyerarsisinde yer alan planlarn erevesini tanmlama zelligini de tasmaktadr. Bu
zelligi ile Blge Plan; sosyo-ekonomik kalknma ilkelerini belirliyor olmas dolays ile blgedeki sosyo-
ekonomik kararlar, meknsal gelismeyi tanmlyor olmas dolays ile de blgedeki mekn odakl kararlar
baglaycdr.
2. Blge Plan Kapsamnda Hazrlanan Mikro Blgeleme almasnn Tanmlanmas
5 ili ve 51 ileyi kapsayan Dogu Marmara Blgesi gelismislik asndan lke ortalamasnn olduka zerinde
yer alsa da, gelismisligin blge geneline homojen yaylm sz konusu degildir ve pek ok gelismislik
gstergesi alt blge birimlerinde esitlilik gstermektedir. Heterojen yapnn sz konusu oldugu blgede,
btncl planlama ilkelerinin belirlenmesi ve safi blge genelini kapsayan programlarn tanmlanmas,
kalknma abasnn beklenen hzda ve verimde gereklesmesini engellemektedir. Bu noktadan hareketle, Dogu
Marmara Blgesinde nmzdeki 10 yln gelisme ilkeleri tanmlanrken, baz stratejiler tm dzey-2
blgesini kapsamaktayken, baz stratejiler iin blge alt birimlerin odak seilmesi ihtiyac ortaya kmstr. Bu
erevede, blge alt birimlerin belirlenmesi adna Blge Plan hazrlklar kapsamnda mikro blgeleme
alsmas yaplms ve plan kurgusu mikro blgeleme alsmas ile belirlenen alt blge birimleri zerine
sekillendirilmistir. Bu zelligi ile mikro blgeleme alsmas, blge plannn uygulanabilirligine temel teskil
etmektedir.
3. Mikro Blgeleme almasnda Bavurulan statistiki Yntemler
Mikro blgeleme alsmasnda blge ile veritaban olusturulmas; verilerin islenmesi; veri analizi ve temel
bilesenler analizi, ekim (gravity) modeli, ile yneticileri ile yar yaplandrlms mlakat ve kmeleme esitli
istatistiksel analizler gereklestirilmistir. Saha alsmas, analiz alsmalar ve uzman grsleri birlestirilerek
belirlenen mikro blgeleme alsmasnn sonucunda Dogu Marmara Blgesinde 6 gelismislik seviyesi,
birbiriyle alsan 11 ile kmesi ve benzer gelisim karakteri sergileyen 3 alt blge birimi olusturulmustur.
Ile Veritaban Olusturulmas-Verilerin Islenmesi: Paydaslardan ikincil veri temini kapsamnda 67 kurum ile
gerekli veriler iin talep yazlar hazrlanms ve kurum ilgilileri ile istisare edilerek ile veritaban
olusturulmustur. Eksik ve tutarsz veriler kurum ilgilileri ile grslerek dzeltilmistir.
Analiz alsmalar: Olusturulan ile veri taban ile ilelerin sosyal ve ekonomik zellikleri arasnda bir
iliskilendirmeye olanak saglayacak 21 degisken ve 4 alt ana baslk altnda (demografi, saglk, egitim ve mali-
ekonomik) sosyo-ekonomik gelismislik endeksi (SEGE) olusturulmus ve endeks genel sralamasna gre blge
6 gelismislik snfna ayrlmstr. Temel bilesenler analizi, ekim (gravity) model, degisen pay analizi (shift
share),ygnlasma analizi, yldz analizi, cografi bilgi sistemleri temelli analizler (tematik haritalama, ulasm
sresi zerinden ag analizi, dogal esik analizi, saysal ykselti modellemesi, hizmet alan analizi ve
erisilebilirlik analizi, trafik yogunlugu analizi baslca kullanlan analiz teknikleridir.
309

Saha ve Anket alsmalar: alsmalar: Bu kapsamda 51 ilenin yerel ve idari amirleri ile yaplandrlms
mlakat gereklestirilmistir. Bu alsmalarn sonular 51 ile durum raporu olarak derlenmis ve
yaymlanmstr. Bu alsmalar erevesinde Kalknma Kurulu Blgesel Gelisme Ulusal Stratejisi ve Blge
Plan alstaynda il bazl sorun tespiti ve 5 ilde ise tespit edilen sorunlara ynelik proje ve uygulama nerileri
zerine ajans uzmanlar moderatrlnde istisare toplantlar dzenlenmistir. Ayrca alstay katlmclarna
Blgesel Gelisme Anketleri ve tm blge paydaslarna blge plan internet sitesi
(http://www.dogumarmarabolgeplani.gov.tr/) zerinden yenilikilik, yasanabilirlik ve rekabetilik temalarnda
anketler dzenlenmistir.
Sonu itibariyle analiz, saha alsmalar ve uzman grsleri harmanlanarak Dou Marmara Blgesi ileleri
global, dinamik ve evre alt blgeler olmak zere alt blgeye ve Izmit, Gebze, Adapazar, Gney Krfez,
Dou Merkez, Hendek, Karadeniz Ky, Sakarya Gney, Bolu Gney, bolu Dou ve Termal olmak zere 11
ile kmesi olarak mikro blgelere ayrlms ve bu kapsamda 10 yllk vizyon ile strateji ve politika nerileri
gelistirilmistir.
MICRO-ZONATION STUDY PREPARED FOR EAST MARMARA 2014-2023 REGIONAL PLAN
In this paper, the statistical process micro-zonation applied in East Marmara 2014-2023 Region Plan that is
prepared by East Marmara Development Agency is summarized. To do this, how sub-regions of East Marmara
Region are obtained is explained. The main steps of micro-zonation are preparing datasets of 51 districts of the
region; processing of data set; statistical analysis studies such as Economic and Social Development Index of
East Marmara Districts, gravity models, shift share analysis, 3-star analysis of regional clusters, analyses based
on Geographic Information Systems based; field studies, surveys and expert views. As a result of the all tools,
3 main sub-regions and 11 district clusters are determined in East Marmara Region.
310

AJANS MAL DESTEKLERNDE SONU ODAKLI ZLEME DEERLENDRME MODEL
ETKLLK ANALZ RNE
Osman TOKSIN
Ipekyolu Kalknma Ajans
Incilipnar Mh. Muammer Aksoy Blv. Vakflar Gven Is Mrk. Kat 2 Sehitkamil/GAZIANTEP
osman.toksin@ika.org.tr
Giri
Devlet tesviklerinin program hedefleri zerindeki etkililiginin arastrlmas nemli bir konudur. Blgesel
Kalknma Ajanslarnn temel amalarndan birisi de esitli mali destek aralar kullanarak blgesinde
srdrlebilir kalknmaya katkda bulunmaktr. Kalknma Ajanslar sorumlu bulunduklar blgede daha fazla
ama ayn zamanda daha etkili mali destek mekanizmalar yrtmeyi hedeflemektedirler. Ajanslar, gereklesen
mali desteklerin blge ekonomisi zerindeki sonularnn geregince degerlendirilmesi ve analiz edilmesi ile
daha etkili mali destek mekanizmalar gelistirebilecektir. Mali desteklerin etkililigi, Kalknma Ajanslarnn
performanslarnn lm iin de nemli bir indikatr olarak karsmza kmaktadr. Etkililigin llmesi
ancak etkin bir izleme degerlendirme sistemi ile mmkn olabilir. Saglkl bir blgesel plan hazrlanmas iin
mali desteklerin uygulama asamasn mteakip Izleme Degerlendirme srecinin bir sonraki planlama
dngsne geri bildirimi yeterince saglamaldr. Geri bildirim srecinde zellikle proje-program-plan
arasndaki iliski ortaya karlmaldr. Bu bakmdan devlet mdahalelerinin sonularnn gelecekteki planlama
alsmalarna sk tutmas ok kritik bir husus olarak karsmza kmaktadr.
Metodoloji
Bu alsmada uluslararas literatrde kabul edilen degerlendirme kriterleri (ilgililik, etkinlik, etkililik, etki ve
srdrlebilirlik) erevesinde sonu odakl bir izleme degerlendirme modeli anlatlarak etkililik analizi
zerine bir uygulama gereklestirilmistir. Ipekyolu Kalknma Ajansnda son iki ylda sonulanan mali destek
programlarnn KOBI bileseni kapsamnda etkililik analizi yaplmstr.
Ekonominin byklgn gsteren en nemli indikatrlerden bir tanesi imalat sanayi kapasitesidir. Imalat
sanayii kapasite artslar bazen yeni yatrmlar bazen de yenileme yatrmlar ile gereklesmektedir. Mevcut
retim hatt yenilenme yatrmlar, genellikle yeni teknoloji ile donatlms retim hattnn eskisinin yerini
almas seklinde ortaya kmaktadr. Yeni yatrmlar firmalarn verimliligine de nemli katklar saglamaktadr.
Ayn zamanda retkenligin artmasn ve retim artklarnn-enerji maliyetlerinin azalmasn saglamaktadr.
Hammadde ve enerji maliyetlerindeki azalma ile rn kalitesindeki arts ise firmalarn sektrdeki rekabet
gcn nemli lde artrmaktadr. Rekabet gc artan firmalarn buna paralel olarak siparislerinde, retim
miktarnda ve satslarnda arts gereklesmektedir. Bylece firmada dogrudan ya da dolayl olarak yeni
yatrmla iliskili istihdam edilen personel says artmaktadr. Kar amac gden isletmelerdeki gelir ve istihdam
artslar blgesel kalknmann en nemli gstergelerden ikisi olarak karsmza kmaktadr. Bunun yan sra
lek ekonomisinden kaynaklanan birim maliyetlerindeki azalma firmann karllgn artrmakta ve firmaya
rakiplerine gre nemli derecede rekabet avantaj saglamaktadr.
Bu kapsamda, Kapasite Arts (%), Istihdam Arts (Kisi), Satslardaki Degisim (%), Ihracat Arts (%) ve
Karllk Oranndaki Degisim (%) baslklarnda 2010 ve 2011 Mali destek programlarnda desteklenen 59
projenin, NACE Rev.2 sektr blmlerine gre snflandrlms 18 farkl sektrde program hedefleri
dogrultusunda etkililigi arastrlmstr. alsmada mali desteklerdeki dara kayb, ikame etkisi ve arpan etkisi
dikkate alnarak Ajans desteklerinin net katksallklar da hesaplanmstr. alsma kapsamnda yaplan
analizlerde, firmalar etkileyen mali destekler dsndaki diger etkenlerin (artan/azalan retkenlik, diger
yatrmlar, artan/azalan talep ve rekabet kosullar vb.) gstergeler zerindeki etkisi sabit olarak kabul
edilmistir.
Bulgular
Arastrmada, proje ve programlarn sektrel performansn ortaya koymas bakmndan kritik neme sahip
veriler elde edilmistir. Kapasite oran, istihdam, sats degisimi, ihracat ve karllk baslklarnda Ajans
desteklerinin etkililigi analiz edilmistir. Ayrca NACE Rev.2 ye gre snflandrlms 18 farkl sektrde
Ajansn mali desteklerdeki brt ve net katksallklar hesaplanmstr. Dara kayb ve arpan etkisi hesaplamalara
dahil edilerek Ajansn net katksallg hesaplanmstr. Bylece gelecekte klmas muhtemel proje teklif
agrlarnn blge ekonomisi iin olas etkileri konusunda fikir edinilebilmektedir. Sonu odakl izleme
311

deerlendirme modelinin mali desteklerin etkililiinin llmesi ve planlamaya geri bildirim salamas
bakmndan nemli bir uygulama arac olduu tespit edilmistir.
izelge1. Ajans Katksall (zet Bulgular)
(Dara Kaybndan Arndrlms, arpan Etkisi lave Edilmis)
Brt Katksallk Net Katksalllk
Proje Says 59
Ajans Destei Sayesinde Yaplan Toplam Yatrm (TL) 23.054.309 18.575.566
Gerekleen Mali Destek Tutar (TL) 10.046.640 8.111.537
Kapasite Art Oran (Ortalama %) 21 18
Net Satlardaki Art Tutar (Toplam TL) 22.829.510 19.386.608
Dorudan/Dolayl Ek stihdam Says (Kii Says) 435 350
Her Ek stihdam iin Gerekleen Mali Destek Tutar (TL) 23.161
KAYNAKLAR
[1] EC HANDBOOK For Results-Oriented Monitoring Of Ec External Assistance, 2008, EC EuropeAid Co-
operation Office.
[2] European Commission, Measuring Structural Funds Employment Effects, Working Document No. 6,
March 2007
[3] ERSAYIN Z. Mart 2012 Kamu Mdahalelerinde Katkisalliin Deerlendirilmesi: ukurova E Izmir
Kalkinma Ajanslari Kobi Destekleri rnei (Uzmanlk Tezi) BLGESEL GELSME VE YAPISAL UYUM
GENEL MDRL ISBN 978-975-19-5256-1
[4] KUSEK, J. Z. and RIST. R. C. , 2004, Ten Steps to a Results-Based Monitoring and Evaluation System,
THE WORLD BANK Washington, D.C..
[5] KHAN, M. A. , 2001, A Guidebook on Results Based Monitoring and Evaluation: Key Concepts, Issues
and Applications. Monitoring and Progress Review Division, Ministry of Plan Implementation, Government
of Sri Lanka. Colombo, Sri Lanka.
312

TR41 BLGES LE KALKINMA ENDEKS
Emine ARSLAN PAULI*, Yasin DALGI
Bursa Eskisehir Bilecik Kalknma Ajans (BEBKA), Yeni Yalova Yolu 4.Km. BUTTIM Plaza Kat ,6 16250
Osmangazi/ BURSA
emine.arslan@bebka.org.tr, yasin.dalgic@bebka.org.tr
Giri
Blgesel kalknma alannda, kalknmann nasl llecegi, bunun iin kyaslanabilir bir lnn nasl
olusturulacag, kalknma gibi ok degiskenli bir kavramn nasl saysal olarak somutlastrlabilecegi basta gelen
sorulardr. Trkiyede kalknma ajanslarnn da blge ii gelismislik farkllklarnn giderilmesinde grev
almasyla, blge ii gelismislik farkllklarn somut olarak ortaya konma geregi daha da nem kazanmstr.
Blge ii gelismis farkllklarnn llmesi ve bu farkllklara ynelik plan, program ve politikalar
retilebilmesi amacyla TR41 Blgesi Bursa, Eskisehir ve Bilecik ileleri iin kalknmann farkl ynlerinin
ile dzeyinde ele alndg TR41 Blgesi Ile Kalknma Endeksi olusturulmustur. Olusturulan endeks, TR41
Blgesinin Bursa iline bagl 17, Eskisehir iline bagl 14 ve Bilecik iline bagl 8 ile olmak zere toplam 39
ilesi dzeyinde, 2010-2012 yllar dnemi iin ulaslabilen gncel veriler kullanlarak hazrlanms 24
gstergeden olusmaktadr. Endeks olusturulmas iin ok degiskenli istatistik tekniklerinden Temel Bilesenler
Analizi (TBA) kullanlmstr. Hesaplanan endeks degerleri kullanlarak blgenin 39 ilesi kalknma asndan
sralanms, kullanlan gstergeler baznda da irdelenmistir.
Metodoloji
Ile dzeyinde erisilebilen istatistiklerden yola karak ve kalknmay etkileyen nfus, egitim, saglk, enerji ve
evre konularnda hesaplanan 24 gstergeye uygulanan Temel Bilesenler Analizinde, Kaiser kural ile 1in
zerinde zdegere sahip olan faktrler dikkate alnms, bu zdegerlerin lineer bileseni olarak faktr skorlar
hesaplanmstr. alsmada faktr skorlar dogrudan endeks degeri olarak alnmstr. Analizin uygunlugunu
belirleyen Kaiser-Meyer-Olkin Measure of Sampling Adequacy testi sonucu gsterge setinin yeterliligine isaret
etmekte, zdegeri 1in zerinde olan alt faktr varyans yaklask %84n aklamaktadr.
izelge1. TR41 le Kalknma Endeksi Gsterge Listesi
Gsterge Yl Gsterge Yl
Nfusun Toplam Blge Nfusu Iindeki Pay
(%)
2012
Yz Bin Kisi Basna Hekim Says 2012
Nfus Arts Hz (binde) 2012 Yz Bin Kisi Basna Hemsire Says 2012
Il ve Ile Merkezleri Nfus Arts Hz (%0) 2012 Okuma Yazma Bilen Oran (%) (6 yas ve zeri) 2012
Belde ve Kyler Nfus Arts Hz (%0) 2012 Okuma Yazma Bilen Kadn Oran (6 yas ve zeri) 2012
Sehirlesme Oran (Il ve ile merkezleri
nfusunun toplam nfus iindeki oran) (%)
2012
Kisi Basna En Az Yksekokul/niversite Mezunu
Says (15 yas ve zeri nfus basna) (%)
2012
Gen Bagmllk Oran (0-14 yas) 2012 Ilkgretimde Derslik Basna Dsen grenci Says 2010
Yasl Bagmllk Oran (65+ yas) 2012 Ortagretimde Derslik Basna Dsen grenci Says 2010
Banka Subesi Says 2012 Ilkgretimde gretmen Basna Dsen grenci Says 2010
Kisi Basna Elektrik Tketimi (kWh) 2011 Ortagretimde gretmen Basna Dsen grenci Says 2010
4a Sigortal Saysnn 15+ Yas Nfusa Oran
(%)
2011
Dzenli Depolama Ile Bertaraf Edilen Atk Miktar
Oran (%)
2010
313

Bin Kisi Basna Hastane Yatak Says 2012
Kisi Basna Belediye Tarafndan Dagtlan Su Miktar
(m3/yl)
2010
Yz Bin Kisi Basna Uzman Hekim Says 2012
Kisi Basna Artma Tesislerinde Artlan Su Miktar
(m3/yl)
2010
Bulgular
Endeks degerlerine gre TR41 Blgesi, Bursa, Eskisehir ve Bilecik illerinin ileleri sralanms, endeks
degerlerine gre sralanp alt gruba ayrlmstr.
ekil 1. TR41 Blgesi le Kalknma Endeksi ekil 2. lk 16 lenin Endeks Deeri
Temel bilesenler analiziyle olusturulan yk matrisine gre, TR41 Blgesi Ile Kalknma Endeksinde en yksek
yke pozitif ynde Sehirlesme Oran ve Kisi Basna Uzman Hekim Says sahiptir. Bu gstergelerin endekste
pozitif yknn olmas, gelismislikle bu gsterge arasndaki dogru oranty ortaya koymaktadr. Diger yandan,
byklk asndan nc yksek yke sahip gsterge Yasl Bagmllk Oran iin yk matrisinden ortaya
kan negatif iliski, yasl bagmllk oran arttka gelismisligin olumsuz etkilendigini ortaya koymaktadr..
KAYNAKLAR
[1] Kaiser, H.F. (1960), The application of electronic computers to factor analysis. Educational and
Psychological Measurement 20, 141-151.
[2] Dokuzuncu Kalknma Plan 2007-2013, Sosyal Gvenlik zel Ihtisas Komisyonu, Yayn No: 2729
IK:681, Ankara 2007.
ABSTRACT
DISTRICT DEVELOPMENT INDEX OF TR41 REGION
In the area of development, how to measure development and objectify the concept of development
analytically are the vital in regional development. By the development agencies, of which mission is
decreasing measure the discrepancies within the region, it became more important to portray the discrepancies
within the region. For TR41 Bursa Eskisehir Bilecik Region (one of the 26 NUTS2 level regions.For the
districts in the region, which is 39 districtsin total, based on 24 indicators and taking the 2010-2012 years as
reference period, District Development Index of TR41 Region has been developed. For devlopment of the
index the index, the method of Principal Component Analysis (PCA) used and the districts were ranked and
examined on the basis of the indicators used.
Key Words: regional development index, TR41 Bursa Eskisehir Bilecik, principal component analysis
314

TRKYEDE KALKINMA AJANSLARI KAPSAMINDAK LLERN BAZI SOSYOEKONOMK
GSTERGELER BAKIMINDAN OK DEKENL STATSTKSEL ANALZLERLE
DEERLENDRLMES
Hasan BULUT
*
, Yksel NER, Taner TUN
Ondokuz Mays niversitesi, Fen Edebiyat Fakltesi, Istatistik Blm, 55139, Samsun, TRKIYE
hasan.bulut@omu.edu.tr
zet
Blgeler aras gelismislik farklarnn azaltlmasna ynelik blgelerin sosyoekonomik analizlerinin yaplmas
ve Avrupa Birlii (AB) ile karslastrlabilir veriler retilmesi amacyla, lkemiz AB blgesel snflandrmas
olan NUTS kriterlerine gre 2002 ylnda alnan Bakanlar Kurulu kararyla ekonomik, sosyal, kltrel ve
corafi ynlerden benzer illerin nfus byklkleri de dikkate alnarak 26 istatistik blge birimine ayrlmstr.
2006 ylnda ABye uyum yasalar erevesinde Devlet Planlama Teskilat (DPT) bnyesinde lkemizde ki
blgesel kalknmay hzlandrmak iin 26 istatistiki blgenin her birinde bir tane olmak zere kalknma
ajanslar kurulmustur.
Bu alsmann asl amac, Trkiyede illerin sosyoekonomik gelismislik dzeyini belirlemek iin dnem
dnem yaplan alsmalar bu kalknma ajanslarna gre gncellemektir. Illerin bireysel olarak incelenmesi
yerine kalknma ajanslarnn tek bir idari blge olarak dsnlp ele alnmasnn blgeler aras gelismislik
seviyelerini daha iyi aklayaca dsnlmektedir. Bylece ayn blgedeki bir ilin gelismislik seviyesi artsa
bile dier illerde byle bir gelisme sz konusu deilse, blgenin gelismekte olduu ve kalknma ajansnn
doru politikalar izledii ynndeki iddialarn doruluu tartslabilir olacaktr.
Bu amala kalknma ajanslar kapsamnda yer alan illere ait baz sosyoekonomik gstergelerden yararlanarak
her bir kalknma ajans blgesi iin sz konusu gstergelere ait toplam deerler bulunduktan sonra, elde edilen
ok deiskenli veri yaps Faktr analizi ve ok deiskenli varyans analizi (MANOVA) gibi ok Deiskenli
Istatistiksel analizler kullanlarak kalknma ajans blgeleri deerlendirilecektir.
KAYNAKLAR
[1] Rencher A. C. (2002), Methods of Multivariate Analysis, New York, United States of America.
[2] Erilli N. A., Tun T., ner Y. ve Yolcu U. (2008), Illerin Sosyoekonomik Verilere Dayanarak Bulank
Kmeleme Analizi Ile Snflandrlmas, e-Journal of New World Sciences Academy.
[3] Yldz E. B., Sivri U. ve Berber M. (2012), Trkiyede Illerin Sosyoekonomik Gelismislik Sralamas,
Erciyes niversitesi Iktisadi ve Idari Bilimler Fakltesi Dergisi, Kayseri.
[4] Albayrak A. S. (2005), Trkiyede Illerin Sosyoekonomik Gelismislik Dzzeylerinin ok Deiskenli
Istatistik Yntemlerle Incelenmesi, ZK Sosyal Bilimler Dergisi, Zonguldak.

315

ABSTRACT
INTERPRETING SOME CITIES, IN THE SCOPE OF DEVELOPMENT AGENCIES, OF TURKEY
IN THE MANNER OF SOCIAL-ECONOMIC INDICATORS BY SOME MULTIVARIATE
STATISTICAL ANALYZES
In the year 2006 development agencies were established in each 26 statistical regions of Turkey within Devlet
Planlama Teskilat (DPT) aiming to promote rapid regional development in the manner of compliance laws to
European Union (EU).
The actual aim of this paper is to update the periodic studies on defining social-economic development levels
of cities in Turkey according to these established development agencies. It is believed that considering the
development agencies as a one administrative authority would define levels of developments of regions better
than considering the cities one by one as an individual. For doing this total values of development agencies of
considered regions are found in the manner of their leading social-economical indicators and then development
agencies regions will be interpreted by using Multivariate Statistical Analysis Methods such as Factor
Analysis and MANOVA.
Key Words: Development of Social-Economic, Factor Analysis, MANOVA
316

OK DEKENL STATSTKSEL YNTEMLERN TRC2 BLGES LELER ZERNE
UYGULAMALARI
Erhan DEMIRCAN
2014-2023 TRC2 Blgesi Blge Plan alsmalar kapsamnda TRC2 Blgesi ileleri ok deiskenli
istatistiksel yntemler kullanlarak sralanms ve snflandrlmstr. alsmann ana amac, TRC2 Blgesi
ilelerinin sosyo-ekonomik gelismislik dzeylerini ok deiskenli bir yaklasmla incelemektir. Arastrmann ilk
blmnde, 25 ileye ait 31 adet sosyal ve ekonomik deisken kullanlarak temel bilesenler analizi ile
gelismislik endeksleri elde edilmistir. alsmann ikinci blmnde, TRC2 Blgesi ileleri ok deiskenli
istatistiksel yntemlerden kmeleme ve diskriminant analizi kullanlarak snflandrlmstr.
Anahtar Kelimeler: Sosyo-ekonomik Gelisme, Temel Bilesenler Analizi, Kmeleme Analizi, Diskriminant
Analizi,
317

POSTER BLDRLER
318

SALIK YNETM ENFORMASYON SSTEMLERNN ERKEN TEHS VE TANI N
STOKASTK MODELLER LE GELTRLMES
Adem DOANER, Sinan ALIK
Frat niversitesi, Fen Fakltesi, Istatistik Blm,23119, Elazg/TRKIYE
adoganer@firat.edu.tr scalik@firat.edu.tr
Salk Ynetimi Enformasyon Sistemleri
Bilisim sistemleri, gelisen bilgisayar teknolojileri vastasyla hizmet sektrlerinde byk bir ihtiyac
karslayarak ve birok islem konusunda zaman kazanm ve pratiklik saglamaktadr. Bilisim sistemleri, ok
karmask bir yapya sahip olan saglk sistemlerinde de nemli zmler ve pratik uygulamalar
kazandrmaktadr. Saglk bilisim sistemleri temelde uygulama farkllklar bakmndan klinik bilgi sistemleri ve
teshis tedavi sistemleri olarak iki grupta incelenebilmektedir. Saglk bilisim sistemleri, saglk alannda elde
edilen veriler zerinde alsarak bu alanlarn gelistirilmesi iin pratik uygulamalar zerine bilgisayar
teknolojilerinden yararlanarak zmler retmektedir. Klinik bilgi sistemleri, hastane ynetimi, hasta kayt ve
takibi, tbbi grntleme ve laboratuar analiz sonular kaytlar, tedaviye ynelik karar destek gibi alanlarda
bilgisayar destekli sistemler gelistiren bilisim sistemleri olarak ifade edilebilmektedir. Teshis ve tedavi
sistemleri, tedavi ve teshise destek saglayan bilgisayar destekli sistemlerden olusmaktadr. Saglk bilgi
sistemleri, saglk alanndaki yaplan hareketlerin ortak bir havuzda birleserek belirli bir veritaban
olusturulmasna olanak saglamstr. Veritabanndan elde edilen bilgiler dogrultusunda gerek hastane ynetimi
asamasnda, gerekse de tp alsanlarnn hasta teshis tedavi konusunda destek aldg nemli bir sistem halini
almstr.
alsmada saglk enformasyon sistemlerinin gelistirilerek teshis ve tan ve ileriye ynelik meydana gelebilecek
hastalklarn tahminlerinde basarl sonular saglamas amalanmstr. Ileriye ynelik tahminlemelerde
istatistiksel yntemler sklkla uygulanmaktadr. Stokastik modeller, belirli olaslklar ve kosullar altnda
olaslk teoremlerine dayanarak tahminler iin kullanlabilmektedir.
Mevcut enformasyon sistemlerinin pek ogu belirli algoritmalar, veritabanlar ve varlk iliski diyagramlar ile
kaytlar tutma ve dzenli bilgiler olusturma islemini stlenmektedir. alsmada enformasyon sistemlerinin
stokastik modeller ile iliskilendirilerek ileriye ynelik tahminler retebilme yeteneginin kazandrlmas
hedeflenmistir. Bilgi sistemleri ile iliskilendirilecek yntem sakl Markov modelleridir.
2. Sakl Markov Modeli
Sakl Markov Modeli, Markov zincirindeki durumlar aras geis olaslklarnn yan sra durumlara bagl olarak
gelisen gzlem olaslklar olmak zere iki stokastik sreten olusmaktadr. Sakl Markov modelinde bilinen ve
bilinmeyen parametreler mevcuttur. Durumlar aras geisler Sakl Markov modelinde gizlidir. Fakat bu
durumlara bagl olarak gelisen gzlemler mevcuttur ve gzlem olaslklar bilinmektedir. Gzlem olaslklar
araclg ile sistemin hangi durumda oldugu ve durumlar aras geisler tahmin edilmek istenmektedir. Sakl
Markov modelinde geis olaslklar daglm A, her bir durum iin gzlem sembolleri olaslklar B ve
baslang durum daglm a olmak zere kesikli parametreli sakl Markov Modeli;

olarak ifade edilir.
Sakl Markov modeli sistemin elverisligi bakmndan olaslksal incelemeler gereklestirebilir. Bu incelemeler,
sakl Markov modelinin ilgilendigi temel problem zerinedir ve her bir problem zm iin gelistirilmis
algoritmalar mevcuttur.
319

Sakl Markov modeli, bilgisayar bilimleri bata olmak zere birok alanda yaygn bir uygulama sahas
bulmutur.
almada, farkl ya ve gruptan gelen hastalarn hastalk belirtileri gzlemler olarak bilgi sistemine dahil
edilmitir. Belirtiler sonucu oluan hastalklar ise durumlar olarak nitelendirilmitir. Belirtilenden yola karak
hastann hangi hastala yakalanaca olaslksal olarak tahmin edilmitir. Dzenlenen sakl Markov modeli,
enformasyon sistemi ile ilikilendirilerek hastalarn gemite geirdikleri hastalklar ve tbbi deerler dikkate
alnarak gelecekte hangi hastalklarla kar karya kalabilecekleri tahmin edilmitir.
.
KAYNAKLAR
[1] Rabiner, L., (1989). A tutorial on hidden Markov models and selected applications in speech
recognition. Proceeding of IEEE. 77(2):257-286.
[2] Baum, L.E., (1972). An Inequality and Associated Maximization Technique in Statistical Estimation of
Probabilistic Functions of a Markov Process. Inequalities 3: 18.
[3] Dynkin, E.B., (1961), Theory of Markov processes. Pergamon Press, London.
[4] mrbek, N.and Altn, F.G., (2009). Salk Biliim Sistemlerinin Uygulanmasna likin bir Aratrma,
Isparta, SD Fen Edebiyat Fakltesi Sosyal Bilimler Dergisi, 19:211-232.
[5] Gle, H.K. and zata M., (2005). Salk Biliim Sistemleri, 1.Basm, Ankara, Nobel Yayn.
ABSTRACT
HEALTH MANAGEMENT INFORMATION SYSTEMS DEVELOPMENT WITH STOCHASTIC
MODELS FOR EARLY DETECTION AND DIAGNOSIS
In this study, Health information systems for early detection and diagnosis were developed using Hidden
Markov models. Symptoms and diseases were defined as observations and states for hidden Markov model,
respectively.
Key Words: Information Systems, Syptoms, Diseases, Hidden Markov Model.
320

AIMLAYICI FAKTR ANALZ LE KAHVEHANELERDE HZMET KALTES
BOYUTLARININ BELRLENMES
Algn OKURSOY
*
Alper Turan DEVL Muhsin ZDEMR
AD Ske letme Fakltesi
Ynetim Biliim Sistemleri Blm
09200 Aydn / Trkiye
aokursoy@adu.edu.tr
AD Sultanhisar MYO
09650 Aydn / Trkiye
alperdevli@gmail.com
AD Nazilli BF letme
Blm
09800 Aydn / Trkiye
ozdemm@gmail.com
1. Giri
Alan yaznda hizmet kalitesin llmesi iin yaplan almalarn amac hizmet kalitesi ve mteri
memnuniyeti arasndaki ilikiyi bir standart bir model erevesinde aklamaktr. Mteri memnuniyeti, en
genel anlam ile bir mterinin bir rn veya hizmeti kullandktan sonra deneyimin deerlendirmesi
sonucunda gelitirdii olumlu tutum olarak tanmlanabilir. Mteri memnuniyeti temel olarak, iletmenin
performans sayesinde mteri beklentilerinin karlamas veya almasdr (abuk ve Yac, 2007:164).
Mteri memnuniyeti, mterinin rn veya hizmetin arzu, beklenti ve ihtiyalar karlama yetisinden
kaynaklanan genel memnuniyet derecesi, yaplan rn veya hizmet tercihinin rakiplerine gre yaratabildii i
huzur ve tketicideki rahatlk hissidir (Hellier vd., 2003:1765). Bu durumda, kaliteli mal ve hizmetler mteri
memnuniyetini salamak iin iletmelerin ortaya koymas gerekli ktlardr.
Bu almann amac kahvehanelerde hizmet kalitesini belirleyen boyutlarn belirlenmesi amalanmtr.
ncelikle alan yaznda daha nce yaplm almalar yardmyla bu boyutlar aklanmaya allacaktr.
Belirlenene boyutlar llebilmesi iin alan yaznda nerilen alglanan hizmet kalitesinin llmesine ynelik
bir lek seilerek, kahvehaneden hizmet alan kiilere uygulanacaktr. Daha nce kahvehanelerde hizmet
kalitesi zerine herhangi bir alma yaplmadndan dolay sonular alan yazna katk salayacaktr.
Hizmet Kalitesi
Sasser, Olsen ve Wyckaff (1978) tarafndan nerilen hizmet kalitesi modeline gre, personel, tesis ve materyal
olmak zere hizmet kalitesinin boyutu olduu ileri ne srlmektedir (Parasuraman vd, 1985: 42-43).
Grnross (1984) tarafndan ortaya atlan modele gre, hizmet kalitesinin teknik, fonksiyonel ve imaj olmak
zere boyutta deerlendirilmesini nermektedir (Kang ve James, 2004, 268).
Parasuraman, Zeithaml ve Berry (PZB) tarafndan 1985 ylnda gelitirilen ve fark analizi ad verilen modelde
ise, hizmeti veren iletmelerin anlay ve uygulamalar ile hizmeti kullanan mterilerin hizmetten bekledikleri
ve hizmeti tkettikten sonra ortaya kan gerek hizmet arasndaki farklar ve bu farklarn kayna yer
almaktadr (Saat, 1999, 108-109). Bu modeli temel alarak PZB SERVQUAL leini gelitirmilerdir. Buna
gre, mteri, beklentileri fazlasyla karlandktan sonra kaliteyi pozitif olarak alglamaktadr. SERVQUAL
leinde temel olarak be boyut bulunmaktadr. Bunlar, Fiziksel grnm, gvenilirlik, yant verebilirlik,
gvence ve empati olarak isimlendirilmitir (Blbl ve Demirer, 2008, 182).
SERVQUAL lei, restoran ve toplu yemek hizmeti veren iletmelerde hizmetin fiziksel ynlerini
deerlendirmede yetersiz kalabilmektedir (Johns, 1996). Benzer ekilde SERVQUAL modeli, mterinin gda
kalitesi zerindeki alglarn lmede de yetersiz kalabilmektedir (Oberoi ve Hales, 1990). Bunlara ek olarak
SERVQUAL leinde bulunan be faktr, restoranlar ve toplu yemek hizmeti veren iletmelerde olduu gibi
fiziksel rnlerin ne kt iletmelerde yeniden elde edilmeyebilmektedir (Kivela vd., 1999: 211).
SERVQUAL leindeki be boyut evrensel deildir (Buttle, 1996). Ayrca, SERVQUAL lei beklenti ve
alglar arasndaki fark lerken, Teas (1993), mteri memnuniyetinin hizmeti aldktan sonra oluan bir durum
olduunu belirtmitir.
321

Hizmet kalitesinin lmne ilikin bir dier model ise Cronin ve Taylor (1992) tarafndan nerilen
SERPERFdir. Bu aratrmada, SERVQUAL modelinin hizmet kalitesini lmede yeterli olmadn
savunulmu ve alternatif bir model olarak SERPERF lei nerilmitir (Blbl ve Demirer, 2008, 183). Her
iki leinde ayn maddeleri kullanmalarna ramen, SERPERF modelinin SERVQUAL modeli gibi be
boyuttan deil; sadece tek boyutta hizmet kalitesini lebildii savunulmutur (Cronin ve Taylor, 1992: 61).
Ayrca bu model, kalite deerlendirmesi iin beklenti ve alg arasndaki fark yerine, mteri tarafndan
alglanan hizmet kalitesinin (hizmetin performansnn) deerlendirilmesinin yeterli olaca belirtilmektedir.
KAYNAKLAR
[1] PARASURAMAN, A., ZEITHAML, V.A. AND BERRY, L.L. (1985). A conceptual model of service
quality and implications for future research. Journal of Marketing. Vol. 49, Fall, 41-50.ss.
[2] CRONIN, J.J. JR., TAYLOR, S.A. (1992). Measuring Services Quality: A Reexamination and Extension.
Journal of Marketing. 56(3), 55-68.ss.
[3] TEAS, R., K. (1993). Expectations, Performans Evaluation, and Consumers Perception of Quality. Journal
of Marketing. 57(4), 18-34.ss.
[4] HELLIER, P.K., GEURSEN, G. M., CARR, R.A., RICKARD, J. A. (2003). Customer Repurchase
Intention: A General Structural Equation Model. European Journal of Marketin., 37 (11/12), 1762-800.ss.
[5] KIVELA, J., INBAKARAN, R., REECE, J. (1999). Consumer research in the restaurant environment, Part
1: A conceptual model of dining satisfaction and return patronage. International Journal of Contemporary
Hospitality Management. 11(5), 205-222.ss.
ABSTRACT
DETERMINATION OF SERVICE QUALITY DIMENSIONS IN COFFEEHOUSE BY AN
EXPLORATORY FACTOR ANALYSIS
Key Words: Exploratory factor analysis, Coffehouse, Service Quality.
There are numerous factors effecting customers satisfaction perceptions of service quality in coffeehouse.
Among these factors, price, service quality, food quality and physical environment are the most significant
factors influencing service quality perceptions. In this study, we administered a survey to better understand the
possible effects of mentioned four factors on service quality perceptions of customers at coffeehouse. The
underlying dimensions of service quality have been investigated by using Exploratory Factor Analysis (EFA)
technique.
322

STATISTICAL PROCESSING OF WIND SPEED DATA FOR ENERGY POTENTIAL IN CORLU-
TEKIRDAG, TURKEY
Aysun SAGBAS
1
and Adnan MAZMANOGLU
2*
1
University of Namik Kemal, Department of Industrial Engineering, Tekirdag/Turkey, asagbas@nku.edu.tr
2*
University of Istanbul Aydin, Department of Statistics, Istanbul/Turkey, adnanmazmanoglu@aydin.edu.tr
INTRODUCTION
Wind energy has become very popular in the last few years due to the environmental concerns, the increase in
the price of fossil fuels and the decrease of the cost of wind power both in the world and in Turkey. Wind
power has a positive effect on the quality of the air that we breathe, and the combustion of fossil fuels also
produces the gasses sulphur dioxide and nitrogen oxide, both serious sources of air pollution. In the last
decade, many researchers have shown interest in the estimation of the wind energy potential of several sites
over the world. Chang et al.,[1] analyzed the wind characteristic and energy potential at Taiwan presenting the
Weibull characteristics parameters for the wind of this region and also simulation of wind generation with an
wind turbine of 1,5MW in 3 different heights. Zaharim et al.,[2] studied Weibull and Lognormal distributions
to fit the wind speed data. There have been studies in recent years assessing the wind energy potential in
Turkey. The yearly mean wind speed and the corresponding wind power density values for cities and regions
were studies by various researchers. Akpinar and Akpinar [3] discussed Weibull and Rayleigh distributions to
describe the wind energy potential of Nurdagi/Gaziantep district on the basis of 5 years hourly time series wind
speed data. They concluded that the Weibull distribution provides better fit to probability distributions as
compared to Rayleigh model. The wind energy potential in the eastern Mediterranean region using hourly wind
data taken from seven stations during 19922001 periods investigated by Sahin et al., [4]. In the present study,
wind energy potential in Corlu-Tekirdag is investigated using statistical methods to analyze the time series of
monthly average wind speed in the period between 2010 and 2012 measured by using the wind data recorded
at Tekirdag meteorological station for a period of 36 months.
STATISTICAL ANALYSIS
Accurate estimation of long term wind speed probability distribution is a fundamental and challenging task in
wind energy planning. Several continuous mathematical functions called
probability density functions can be used to model the wind speed frequency curve by fitting long time series
measured data. Extensive literature search indicates that various parametric distribution models have been
presented to estimate wind speed probability distributions, which are used in a variety of applications such as
wind farm planning, long-term strategy of wind generators, and reliability evaluation of wind resources.
Therefore, in the present study, these two PDFs have been preferred for the evaluation of measuremental data
to determine the wind potential and available wind energy. The Weibull probability distribution function that is
a special case of generalized gamma distribution for wind speed is expressed with Equation (1).
( )
1
exp
k k
k v v
f
c c c
v
~
| |
[ [
= ~
| | | j | j
\ J \ J | |
| |
(1)
where v is the wind speed, c is a Weibull scale parameter, k is a dimensionless Weibull shape parameter, f (v)
is the probability of observing wind speed.
One of the important steps in the evaluation of different functions is the interpretation of different statistical
parameters, namely, slope (s), coefficient of determination (R
2
), mean bias error (MBE), and root mean square
error (RMSE), as were used in the present article. Not any single statistical parameter can adequately be an
indication of the goodness of a model. It is difficult to independently interpret the individual parameters;
therefore, in the present article, as a more robust indication as the goodness of different functions, the accuracy
323

score proposed by Celik [5] is applied to the statistical parameters. A composite evaluation index, including
some statistical metrics is defined in Equation (2).
2
max max
3 1 1 1 1
MBE RMSE
s R
RMSE MBE

= + + +

(2)
REFERENCES
[1] Akpinar E.K. and Akpinar S., 2004. Determination of the wind energy potential for Maden Elazig, Turkey.
Energy Conversion and Management 45, 290114.
[2] Celik A.N., 2003. A statistical analysis of wind power density based on the Weibull and Rayleigh models at
the southern region of Turkey. Renewable Energy 29, 593604.
[3] Chang T.J., Wu Y.T., Hsu H.Y., Chu C.R. and Liao C.M., 2003. Assessment of wind characteristics and
wind turbine characteristics in Taiwan. Renew. Energy 28, 851871.
[4] Sahin B., Bilgili M. and Akilli H., 2005. The wind power potential of the eastern Mediterranean region of
Turkey. Journal of Wind Engineering and Industrial Aerodynamics 93 (2), 171-183.
[5] Zaharim A., Razali A.M., Abidin R.Z. and Sopian K., 2009. Fitting of statistical distributions to wind speed
data in Malaysia. European Journal of Scientific Research 26 (1), 6-12.
ABSTRACT
The rapidly increasing demand for energy and the high restriction on pollution levels have led to an increasing
interest in large-scale utilization of renewable energies like many countries including Turkey. As wind energy
is becoming the worlds fastest growing source of renewable and environmental friendly energy, the
predictability of wind power generation is essential for the integration of wind energy into the power system.
In the present study, a comprehensive evaluation on probability density functions for the wind speed data in
Corlu -Tekirdag, Turkey is introduced. The probability density distributions have been derived from long term
wind speed data and the distributional parameters are identified. The wind energy potential of the location has
been studied based on the Weibull and Rayleigh models which is commonly used in the literature. A time
series of hourly monthly average wind speed and the wind power potential at a height of 10 m above ground
level in the period between 2003 and 2007 provided by the National Meteorology are assessed for the
efficiency of electricity production. To evaluate the performance of the considered distributions, the
interpretation of the statistical parameters, namely, slope (s), R
2
, mean bias error (MBE), and root mean
squared error (RMSE) is an important step. In the present article, a novel statistical tool using these four
statistical parameters is used to evaluate the overall accuracy score of the considered models.
Keywords: Wind energy, wind speed, probability distributions, Turkey
324

BULANIK MANTIK LKLERE DAYALI ARMA(1,1) TP BULANIK ZAMAN SERS NGR
YNTEMNN BR UYGULAMASI
Cem KOAK*, Erol EROLU
*Hitit niversitesi, Salk Yksekokulu, 19000, orum, TRKYE,cemkocak@hotmail.com
Ondokuz Mays niversitesi, Fen Edebiyat Fakltesi,statistik Blm,5540,Samsun,TRKYE,erole@omu.tr
1.Giri
Literatrde gelistirilen bulank zaman serisi yntemlerinin tm, klasik zaman serisi kuramnn sadece AR
modeli zerinde younlasms, MA ve ARMA modellerini kullanarak ok daha az sayda alsma yaplmstr.
Literatrde nerilen bulank zaman serisi modellerinin ounlukla AR deiskenlerini ieren modeller olmas
bir ok alsmada model belirleme hatasnn ortaya kabileceini gstermektedir. Model belirleme hatasn
gidermek adna, Kocak [1]'nin alsmasnda bulank mantk grup iliskilerine dayal olarak bulank iliskilerin
belirledii yeni bir birinci dereceden bulank ARMA(1,1) zaman serisi ngr modeli iin bir zm
algoritmas gelistirilmistir. Kocak [1]'nin zm algoritmasnda (1)' de belirtilen bulank mantk iliski
kullanlmaktadr.
) ( ) 1 ( ), 1 ( t F t t F (1)
(1)' deki ifade bulank zaman serisinin bir nceki deerinden ve bir nceki hata deerinden etkilendiini
gstermektedir ve birinci dereceden bulank otoregresif hareketli ortalamalar (ARMA(1,1)) zaman serisi
ngr modeli olarak adlandrlr. Kocak [1]'nin (1)'de verilen ifadeyi zmleyen algoritmasnda, Chen [2]
yntemindeki MA (Hareketli Ortalamalar) deiskenlerini kullanmamaktan kaynaklanan olumsuzluklar
gidermek amalanmaktadr.
Bu alsmada, Kocak [1]'n yntemini, literatrdeki dier bulank zaman serisi yntemleri ile karslastrmak
amacyla 95 gzlemli 20.05.2008 -29.09.2008 dnemindeki IMKB zaman serisi kullanlmstr. Verinin son 15
gzlemi test kmesi olarak alnan zmleme sonularna gre, yntemlerin elde edilen HKOK (Hata Kareler
Ortalamasnn Karekk), OMYH (Ortalama Mutlak Yzdelik Hata) ve YD (Yn Doruluu) izelge 1'de
verilmistir.
izelge 1. Yntemlerin en iyi sonular iin IMKB zaman serisinin 15 gzlemli test kmesi iin elde
edilen performanslar
P
e
r
f
o
r
m
a
n
s

S
o
n
g

v
e

C
h
i
s
s
o
m
[
4
]
C
h
e
n

[
2
]

C
h
e
n

[
3
]

A
l
a
d
a

v
d
.

[
5
]

K
o
c
a
k

[
1
]
*

HKOK 1155.27 1266,64 1143.56 1145,92 1115,49
OMYH 0.02682 0,03015 0.0261 0,02549 0,02357
YD 0.42857 0,42857 0.57143 0,64286 0,64286
*En yi Sonu
izelge 1. incelendiinde, Kocak [1] ynteminin 1115.49 minimum HKOK, % 2.357 minimum OMYH ve %
64.28 yn doruluu deerleri ile dier yntemlere gre en iyi ngr performansna sahip olduu
grlmektedir. nerilen yntemden sonra en iyi performansa sahip olan Chen [3] yntemi ile hesaplanan
1143.56 HKOK deerinin bile nerilen yntemin 1115.49 HKOK deerinden olduka byk bir deer olmas,
nerilen yntemin performansnn literatrdeki yntemlerden nemli lde yksek bir performansa sahip
olduunu saptanmstr. Sekil 1' de ise test kmesi ile nerilen Kocak [1] ynteminin ngrlerinin birbirine
olduka yakn sonular olduu grlmektedir.
325

ekil 1. 3. IMKB zaman serisinin 15 gzlemli test kmesi ve Kocak [1]'in ngrlerinin grafii
KAYNAKLAR
[1] Kocak C. (2013), ARMA(1,1) type first order fuzzy time series forecast method based on fuzzy logic
relation, Mathematical Problems in Engineering (Submitted Article).
[2] Chen S.M. (1996), Forecasting enrollments based on fuzzy time-series, Fuzzy Sets and Systems, vol.81,
pp.311-319.
[3] Chen S.M. (2002), Forecasting enrollments based on high order fuzzy time series, Cybernetics and
Systems, vol.33, pp.1-16.
[4] Song Q. and Chissom B.S. (1993), Fuzzy time Series and its models, Fuzzy Sets and Systems, vol.54,
pp.269-277.
[5] Aladag C.H., Basaran M.A, Egrioglu E., Yolcu U, and Uslu V.R. (2009), Forecasting in high order fuzzy
time series by using neural networks to define fuzzy relations, Expert Systems with Applications, vol.36,
pp.4228-4231.
ABSTRACT
AN APPLICATION OF ARMA(1,1) TYPE FUZZY TIME SERIES FORECAST METHOD BASED
ON FUZZY LOGIC RELATIONS
The Most of fuzzy time series models developed in literature utilize only autoregressive (AR) variables.
However, it is necessary to have many of daily life time series be explained with Autoregressive Moving
Averages(ARMA) models. For this reason, a new first order fuzzy ARMA(1,1) time series forecasting method
solution algorithm based on fuzzy logic group relation tables has been developed by Kocak [1]. In this study,
Kocak [1]'s method and some methods of literature have been applied on Istanbul Stock Exchange national 100
index (IMKB) and obtained results have comprised in regards to forecasting performance.
Key Words: Fuzzy Time Series, Autoregressive Moving Avarage , ARMA Type, First Order
INKB Test Kmesi Kocak (2u12) Yontemi
326

A STUDY FOR VISUALIZING CATEGORICAL DATA USING MOSAIC PLOT
E. idem KASPAR*, zlem ERGT, Yaar KKARDALI
Assistant Professor, Yeditepe University, Faculty of Medicine, Department of Biostatistics, 34755, stanbul,
TURKEY, ecaltunok@yeditepe.edu.tr
Research Assistant, Marmara University, Faculty of Economics, Department of Econometrics, 34730, stanbul,
TURKEY, ozlem.ergut@marmara.edu.tr
Professor, Yeditepe University, Faculty of Medicine, Department of Internal Medicine, 34755, stanbul,
TURKEY, yasarkardali@yahoo.com
OBJECTIVE
The researcher should know the importance of fully exploring the features of data before statistical
summarization and statistical tests. If the researcher can not be able to see the nature of the data which is
inappopriate for statistical tests that she or he has chosen, research will result with mistaken conclusions. The
goal of exploratory data analysis is to enable the investigator to assimilate and understand the information
ambodied within the data. The primary tools of exploratory data analysis are graphics and summary statistics
that convert a confusing amount of numbers into pictures and few descriptive numbers that are easily
assimilated and understood [1]. There are many types of graphs, but the basic idea is to provide a sketch that
quickly conveys general trends in the data to the reader. Mosaic Plot which is attributed to Hartigan and
Kleiner (1981), is one of the most powerful tool to visualize the categorical data. Mosaic plot is a graphical
method to show the values (cell frequencies) in a contingency table cross-classied by three way and higher
way tables. Enhanced mosaic display Friendly [2] achieves greater visual impact by using color and shading to
reect the size of the residual from independence and by reordering rows and columns to make the pattern of
association more coherent. The resulting display shows both the observed frequencies and the pattern of
deviations from a specied model [3]. In this study, it is aimed to present the Mosaic Plot as an alternative and
powerful tool to explore the categorical data with an application.
METARIALS and METHODS
For the Mosaic Plot, the area of each tile is proportional to the cell frequency, n
ij
, variables were independent,
n
ij
would be proportional to the product of the row and column marginal totals, n
i+
n
+j
, so the tiles in each
column would align horizontally. The fact that they do not align reveals an association between these two
variables.
In this study, R software was used to illustrate the mosaic plot and the frequency table. The data were taken
from a nursing home research which gender, malignancy, bmi, follow up time, number of medicines, number
of diseases, dependance and deaths are the variables.
RESULTS
After application, Mosaic Plot and frequency distribution table was obtained (Figure 1) (Table 1). In Figure 1,
for a two-way and tree-way tables, shows that the relations among the categories of BMI, malignancy and
gender in a sample of individuals.
Table 1.Frequency Table
Variables FREQUENCY
N=599
PERCENT
(%)
Variables FREQUENCY PERCENT
(%)
GENDER DEPENDANCE
327

1 (Male) 247 41,2 0 (No
dependency)
139 23,2
2 (Female) 352 58,8 1 (Semi-
dependency)
382 63,8
NUMBER OF
MEDICINES
2 (Complete) 78 13
1 (1<3) 40 6,7 DEATHS
2 (3<6) 318 53,1 0 (Died) 536 89,5
3 (6<9) 197 32,9 1 (Alive) 63 10,5
4 (10+) 44 7,3 BMI
FOLLOW UP
TIME
1 (Thin) 152 25,4
1 (1-6) 287 47,9 2 (Normal) 233 38,9
2 (7-12) 76 12,7 3 (Overweight) 147 24,5
3 (13-24) 82 13,7 4 (Obese) 67 11,2
4 (25-60) 99 16,5 NUMBER OF
DISEASES
5 (60+ ) 55 9,2 1 (1-3) 154 25,7
MALIGNANCY 2 (4-6) 276 46,1
0 (Absent) 536 89,5 3 (6+ ) 169 28,2
1 (Present) 63 10,5
Figure 1.Mosaic Plot
4. CONCLUSION
We regard the mosaic plot as a natural and direct graphic adjunct to multi-way contingency tables. Mosaic plot
reveal how variables are related. The representation of the mosaic plot is direct, because the size of each tile
BMI
M
a
lig
n
a
n
c
y
G
e
n
d
e
r
1
2
1
0
1 2 3 4
2
1
BMI
M
a
lig
n
a
n
c
y
1 2 3 4
0
1
328

reflects cell frequency. The use of color and shading to represent sign and magnitude of residuals from a model
is a natural way to portray the pattern of departure from the model and rep-resents visually the information
experienced analysts usually look for in tables of numbers.
KAYNAKLAR
[1] LeBlanc, D. (2004), Statistics: Concepts and Application for Sciences, Canada, Jones &Bartlett .
[2] Friendly, M. (1994), Mosaic Displays forMulti-way Contingency Tables, Journal of the American
Statsistical Association, Vol.89, No.425, pp.190-200.
[3] Friendly, M. (2000), Visualizing Categorical Data, NC, SAS Institute.
[4] Hartigan, J.A . and Kleiner B. (1984), A Mosaic of Television Ratings, The American Statistics, Vol.38,
No.1, pp.32-35.
Key Words: Mosaic Plot, Visualizing Data, Categorical Data
329

RASGELE SAYILARI TEST ETME YNTEMLER
Erdin AVAROLU
1*
A.Bedri ZER
2
Mustafa TRK
3
1
nn niversitesi, Bilgi lem Daire Bakanl, Malatya, erdinc.avaroglu@inonu.edu.tr
2
Frat niversitesi, Mhendislik Fakltesi, Bilgisayar Mhendislii, Elaz, bozer@firat.edu.tr
3
Frat niversitesi, Mhendislik Fakltesi, Elektrik Elektronik Mhendislii, Elaz, mturk@firat.edu.tr
zet
Rasgele saylar uzun yllar boyunca genis kullanm alanna sahip olmuslardr ve rasgele say retme yntemleri
kullanlarak elde edilmistir. Elde edilen rasgele saylar ile rasgele say dizileri olusturulmustur. nk tek
basna bir rasgele sayy test etmek mmkn degildir. Olusturulan rasgele say dizilerinin rasgeliligini test
etmek amacyla FIPS140, NIST, Diehard, Crypt-X gibi esitli test paketleri gelistirilmistir. Rasgele say
dizilerinin test edilmesinde genel olarak FIPS140 ve NIST testleri tercih edilmistir. zellikle bir ok kullanc
anlaslmas ve uygulanmasnn kolay olmas sebebiyle FIPS140 testini tercih etmistir. Ancak daha geerli olan
NIST testlerinin dokuman ve kodlar yaynlanmasna ragmen anlaslmas zor olmustur. Bu durumun
giderilmesi amacyla bu alsmamzda NIST testleri incenmis olup kullanclarn rettikleri rasgele say
dizilerini kolayca test edebilecekleri program C# dilinde yazlmstr. Bylece bir ok kullanc iin problem
olan NIST testlerinin kullanm iin kolaylk saglanms olacaktr.
ANAHTAR KELMELER: Rasgelilik, Rasgele say retme, statistiki test yntemleri
Giri
Rasgelilik en basit anlamda kesin olarak bilinememektir. Istatistikte rnekler arasnda iliski bulunmamas
anlamna gelmektedir. Rasgele saylar ise, belirli bir aralk iin tanml, olusma olaslklar birbirine esit ve bu
saylar arasnda belirli bir iliski olmayan saylar olarak tanmlanmstr. Rasgele saylar uzun yllar boyunca
simlasyon, sans oyunlar, rnekleme gibi ok genis kullanm alanna sahip olmuslardr. rnegin fizikte
molekl hareketleri, istatistikte rasgele rneklerin seimi, hava tahmini, simlasyon, sans oyunlar ve
kriptografide rasgele saylara ihtiya duyulmustur. Rasgele saylarn elde edilebilmesi amacyla esitli rasgele
say reteleri (RS) gelistirilmistir. Bu rasgele say reteleri gerek rasgele say reteleri (GRS), szde
rasgele say reteleri (SRS) ve hibrit rasgele say reteleri olmak zere snflandrlmstr.
Szde rasgele say reteleri herhangi bir baslang (tohum) degeri olmadan baslayamaz. Tohum rasgele
seilmis olmaldr. Belirlenen tohum degeri belirli bir algoritmaya tabi tutularak uzun rasgele say dizileri
retilmistir. SRS'nn avantajl yan diger uygulamalara oranla ucuz, kolay gereklenebilir ve hzl olmas ile
donanm ihtiyacna gerek duymamasdr. Ancak SRS'ler ile retilen saylar tohum degeri tespit edildiginde
veya sistemde kullanlan fonksiyonlar yeterince karmask olmadg taktirde tahmin edilebilmistir.
Gerek rasgele say reteleri grlt kaynag olarak kontrol edilemeyen ve kestirilemeyen gerek fiziksel
sreleri kullanarak rasgele say retmistir. GRS tarafndan retilen rasgele saylarn zellikleri ve
rasgeleliligi fiziksel srelerin rasgeleliligine bagldr. Kontrol edilemeyen fiziksel sreler oldugu taktirde
retilen saylarda kestirilemez ve kontrol edilemez. GRSU yavas, maliyetli ve donanma bagml olmas
dezavantajl tarafdr.
Rasgele say retelerinden elde edilen rasgele say dizilerinin rasgeliligini test etmek amacyla FIPS140,
NIST, Diehard, Crypt-X gibi esitli test paketleri gelistirilmistir. Rasgele say dizilerinin test edilmesinde genel
olarak FIPS140 ve NIST testleri tercih edilmistir. zellikle bir ok kullanc anlaslmas ve uygulanmasnn
kolay olmas sebebiyle FIPS140 testini tercih etmistir ve halen bu testin kullanm devam etmektedir. Ancak
daha geerli olan ve byk rasgele say dizilerini test etmemizi saglayan NIST testlerinin dokuman ve kodlar
yaynlanmasna ragmen anlaslmas zor olmustur ve bir ok kullanc tarafndan tercih edilmemistir. Bu
durumun giderilmesi amacyla NIST testlerinin dokuman incelenerek testlerin C# programlama dilinde
yazlm yaplmstr. Yazlan programda matlab ortamnda kaotik ekiciler kullanlarak elde edilen rasgele bit
dizisi teste tabi tutulmustur. Test sonucu basarl olmustur.
330

ekil 1. Program Kullanc Ara Yz
Kullanc ara yz anlalr bir ekilde tasarlanm olup bir ok kullanc rasgele say dizilerinin rasgeleliliini
test edebilecektir. Bu amala yaplan program web ortamnda kullanclarn rasgele bit dizilerini test
edebilmeleri iin hazr hale getirilecektir. Ayrca web ortamnda 16 adet NIST testlerinin NIST dokmanlarna
gre anlalabilir ayrntl aklamalar da yaplacaktr.
Kaynaklar
[1] Ko, C.K.,"Cryptographic Engineering", Springer, 2009
[2] A statistical test suite for random and pseudo random number generators for
cryptographicapplications; 2010 : April[NIST800-22Rev1a]
[3] Deng and Lin, Random Number Generation for the New Century. The American Statistician,May
2000; 54, 2
ABSTRACT
TESTING METHODS OF RANDOM NUMBERS
Random numbers have had a wide range of usage for many years and obtained using the method of generating
the random number. With Obtained random numbers, random number sequences created. Because it is not
possble to test a random number alone. In order to test the randomnes of random number sequences, various
test suites have been developed, such as FIPS140, NIST, Diehard, Crypt-X. Generally, FIPS 140 and NIST
tests are preferred testing of random number sequences. Since its simplicity to understand and implement,
many users preferred FIPS140 test. However, in spite of the publication of the NIST test document and the
code, which are more valid, t has been diffcult to understand. In this study, in order to resolve this situation,
NIST tests are examined, so users can easily produce a random number sequences to test the program written
in C #. Thus, the problem for many users the convenience to use the NIST tests will be provided
Key Words: Randomness, Random number generation, Statistical testing methods
331

KISM M-REGRESYON ALGORTMASINDAK FAR AIRLIK FONKSYONUN SEENEK IRLS
AIRLIK FONKSYONLARI LE DETRLMES: BR BENZETM ALIMASI
Esra POLAT
*
, Sleyman GNAY
Hacettepe niversitesi, Fen Fakltesi, Istatistik Blm, 06800, Beytepe, Ankara, TRKIYE
espolat@hacettepe.edu.tr, sgunay@hacettepe.edu.tr
1. Giri
Ksmi En Kk Kareler Regresyonda (Partial Least Squares Regression/PLSR) gizli deiskenlerin (Latent
Variables/LV) kestirilmesinden sonra, bu bilesenler zerinden bir ya da birden fazla baml deisken kestirilir.
Bu nedenle PLSyi salamlastrmak iin doru bir yaklasm, salam regresyon kestiricisinin ksmi bir biimini
olusturmaktr. Serneels vd. (2005)de M regresyon kestiricilerinin ksmi bir biimi nerilmis ve bu kestirici,
ksmi salam M (partial robust M/PRM) regresyon kestiricisi olarak adlandrlmstr. Aykr deerlerin arl
azaltlarak olusturulan PRM regresyonunda, kaldra gzlemleri ve dikey aykr deerler olarak bilinen iki
aykr deer trnn de etkisini azaltmak iin yinelemeli bir semada sfr ile bir arasnda deisen srekli
arlklar hesaplanr.
2. Ksmi Salam M-Kestiricileri
zellikle bamsz deisken says gzlem saysna gre byk olduunda (p>n) kullanlan LVler regresyon
modelinde, baml deisken snrl sayda k tane LV ile modellenir. LVler, satrlar n i 1 , t
i
s s
vektrlerinden olusan bilesen matrisi
k n
T
ye koyulur. LV regresyon modeli,

i i i
t y + = seklinde verilir.
nin boyutu (k) kk olduu iin, salam M kestiricisi kullanlarak baml deiskeni LVler ile aklayarak
kestirilir. Klasik regresyonda kullanlan M kestiricilerinden temel fark, dikey aykr deerlerin arln
azaltan
r
i
w arlklar ~ =
i i i
t y r artklarndan ve kaldra gzlemerinin arln azaltan
x
i
w arlklar
i
t
bilesenlerinden hesaplanr. Sonu olarak arlklar,
x
i
r
i i
w w w = seklinde bulunur. Bylece elde edilen
kestirici, PRM olarak adlandrlr.
Regresyon iin M kestiricilerinin hesaplanmas, bir Yinelemeli Olarak Yeniden Arlklandrlms En Kk
Kareler (Iteratively Reweighted Least squares/IRLS) algoritmas ile tamamlanr. Bu nedenle, PRM regresyonu
kestiricisini hesaplamak iin Cummins ve Andrews (1995)te nerilen IRPLS yntemine benzer, bir yinelemeli
olarak arlklandrlms PLS algoritmas kullanlr. Ancak PRM iin kullanlacak algoritmada, salam
baslang deerleri ve hem artk hem de bilesen uzaylarndaki uzaklklara dayanan arlklar kullanlr.
Serneels vd. (2005)te kullanlan arlklar zgn IRPLS makalesinde verilen birka arlk fonksiyonundan
biri olan [ |
2
c / z 1 / 1 + seklinde verilen Fair fonksiyonu kullanlarak bulunur. Buradaki c, ayarlama sabitidir
ve c=4 olarak alnmstr. Serneels vd. (2005)de Fair arlk fonksiyonundan baska arlk fonksiyonlarnn da
kullanlabilecei ve seilen arlk fonksiyonu iin herhangi bir en iyi olma zellii iddia edilmemistir.
IRLSde en sk kullanlan arlk fonksiyonlar izelge 1de verilmistir.
332

izelge 1. IRLS Arlk Fonksiyonlar.
Yntem Arlk Fonksiyonu Varsaylan Sabit
Bisquare
( ) ( )
c z , 0
c z , c / z 1
2
2
>
s ~
c=4.685
Cauchy ( ) [ |
2
c / z 1 / 1 + c=2.385
Huber
c z , z / c
c z , 1
<
c=1.345
Talworth
c z , 0
c z , 1
>
s
c=2.795
3. Benzetim almas
Salam regresyonda, aykr deerlerin arln azaltma yntemi nemlidir. Filzmoser (2010), salam
regresyonda yumuak arlklandrma (soft weighting) olarak da bilinen [0,1] aralndaki srekli arlklarn
kullanlmasnn ya da sert arlklandrma (hard weighting) olarak da bilinen 0/1 arlklarnn kullanlmasnn
regresyon kestiricisinin etkinliini etkileyeceini ve zellikle, p>n olan byk boyutlu veri kmelerinde
yumuak arlklandrmann daha etkin sonular verdiini ifade etmitir. Bu almann amac, PRM
algoritmasnda kullanlan Fair arlk fonksiyonunu izelge 1de verilen seenek drt arlk fonksiyonunu
kullanarak deitirmek, bylece deitirilmi ve zgn PRM algoritmalarn klasik PLSR algoritmas SIMPLS
ile farkl hata terimlerine sahip modeller iin etkinlik asndan karlatrmaktr. Ayrca, Gonzlez vd.
(2008)de verilen simlasyon dzenini kullanarak etkinlie ek olarak, yumuak ve salam arlklandrmann
PRMde veriye uyum ve kestirim asndan etkilerini, normal dalm iin farkl aykr deer trleri yaratarak
karlatrmaktr.
KAYNAKLAR
[1] Cummins D. J. and Andrews C. W. (1995), Iteratively Reweighted Partial Least Squares: A Performance
Analysis By Monte Carlo Simulation, Journal of Chemometrics, 9, 489-507.
[2] Filzmoser P., Serneels S., Maronna R., Van Espen P. J. (2009), Robust multivariate methods in
chemometrics, Comprehensive Chemometrics, 681-722.
[3] Gonzlez J., Pea D., Romera R. (2008), A robust partial least squares regression method with
applications, Journal of Chemometrics, 23, 7890.
[4] Serneels S., Croux C., Filzmoser P., Van Espen P. J. (2005), Partial Robust M-regression, Chemometrics
and Intelligent Laboratory Systems, 79, 55-64.
ABSTRACT
THE MODFICATION OF FAR WEGHT FUNCTON N PARTIAL ROBUST M-REGRESSION
WITH ALTERNATVE IRLS WEGHT FUNCTONS: A SIMULATION STUDY
The aim of this study is to see the effects of modification of Fair weight function used in original robust PLSR
method PRM by alternative weight functions, furthermore, is to examine the effects of soft and hard
weightings in this algorithm in terms of efficiency, goodness of fit and prediction.
Key Words: Partial Robust M-Regression, IRLS weight functions, hard and soft weighting, efficiency,
goodness of fit, prediction, robust.
333

KLASK VE SALAM YANLI REGRESYON YNTEMLERNN KARILATIRILMASI:
TRKYEDEK SZLK ORANI RNE
Esra POLAT
*
, Semra TRKAN, Sleyman GNAY
Hacettepe niversitesi, Fen Fakltesi, Istatistik Blm, 06800, Beytepe, Ankara, TRKIYE
sturkan@hacettepe.edu.tr, espolat@hacettepe.edu.tr, sgunay@hacettepe.edu.tr
1. Giris
Veri kmesinde oklubalant olduunda klasik oklu Dorusal Regresyon (Multiple Linear
Regression/MLR) kestiricileri ok byk bir varyansa sahip olur ve En Kk Kareler (Least Squares/LS)
yntemi ile elde edilen parametre tahminleri gvenilir deildir. Bu durumda Ridge Regresyon (Ridge
Regression/RR), Temel Bilesenler Regresyonu (Principal Component Regression/PCR) ve Ksmi En Kk
Kareler Regresyonu (Partial Least Squares Regression/PLSR) gibi yanl kestirim yntemleri kullanlr. PLSR
yntemi iin kestirimler yaplrken en sk kullanlan PLSR algoritmas SIMPLSdir. Ancak, her klasik
yntem iin de sonular aykr gzlemlerden etkilenir. Bu nedenle, literatrde bu yntemlerin esitli salam
karslklar nerilmistir. Bu alsmann amac, yanl klasik ve salam regresyon yntemlerini kullanarak
oklubalant ve aykr deer varlnda Trkiyedeki issizlik orann tahmin etmek ve bu yntemleri
karslastrmaktr.
2. Klasik ve Salam Ridge Regresyon Yntemleri
Hoerl ve Kennard (1970) tarafndan nerilen RR tahmin edicisi, y X I X X
T -1 T
RR
) k (
+ = biimindedir.
Burada I , pxp boyutlu birim matrisi ve k, yanllk sabitini gsterir. oklu balant olduunda RR iyi sonu
vermesine ramen, normallik salanmadnda ve aykr deerler varlnda salam bir yntem deildir. Bu
nedenle, RR yntemi ile baz salam kestirim yntemlerinin birlestirilmesi gerekir. Marona (2011), RR iin
salam MM kestiricisini nermistir.
ini
baslang kestiricisi, )
( r r
ini
= ve
2
ini
, rnin M lek kestirimi
olmak zere =
j
j
J
|
|
\
[
o
p
= ini
i
n
1 i
0
r
n
1
fonksiyonundan elde edilir. Burada
0
snrlandrlms -fonksiyonu ve
seilebilen sabit bir deerdir. Ridge MM kestiricisi
2
1
n
1 i
ini
i 2
ini
k )
) ( r
( ) , , ( L +
o
p o =
=
y X fonksiyonu
minimum yaplarak elde edilir. Burada
1 n 0
'
n 1

) r ,..., r ( r ~ ~ = = X 1 y artk vektrn, snrlandrlms
baska bir -fonksiyonunu ( s
0
) gstermektedir.
3. Klasik ve Salam Temel Bileenler Regresyon Yntemleri
PCR ve PLSR, ksp olmak zere k boyutlu t
i
bilesenlerini kullanarak, p boyutlu x-bamsz deiskenler kmesi
ve q boyutlu y-baml deiskenler kmesi arasndaki iliskinin varln aklayan, Es. (1)de gsterilen iki
dorusal modele dayanr. Burada
k , p
P , x ykleri matrisini ve
q , k
A ,
i
y nin
i
t zerine regresyonundan elde
edilen eim matrisini gsterir.
i
f ve
i
g , hata terimlerini gsterir. Iki dorusal model, zgn bamsz
deiskenler trnden
i i p , q 0 i
e x B y + + = seklinde yazlr. Burada ,
q , k k , p q , p
A P B = ve x B y
p , q 0
~ = dr.
i i k , q i
i i k , p i
g t A y y
f t P x x
+ + =
+ + =
(1)
PCR yntemi, Temel Bilesenler Analizi (Principal Component Analysis/PCA) ile LS regresyonu
birlestirdiinden sonular aykr gzlemlerden etkilenir. Bu nedenle, Hubert ve Vanden Brandende (2003)
nerilen salam PCR (robust PCR/RPCR) ynteminde ilk olarak, bamsz deiskenler zerine salam PCA
yntemi olan ROBPCA uygulanr.
i
x nin kovaryans matrisinin salam kestiricisi olarak p<n olduunda, En
Kk Kovaryans Determinant (Minimum Covariance Determinant/MCD) kestiricisi kullanlr. MCD
334

kestiricilerin p>n olan yksek boyutlu veri kmelerine uygulanabilmesi iin ilk nce, ROBPCA yntemi ile bu
veri kmeleri indirgenir. RPCR yntemi, projeksiyon izleme tekniklerini kk boyutlardaki salam kovaryans
kestirimi ile birlestirir. Daha sonra, salam regresyon yntemi uygulanr. Eer tek bir baml deisken var ise,
yeniden arlklandrlms LTS regresyon tercih edilir, aksi durumda MCD regresyon yaplr.
3. Klasik ve Salam Ksmi En Kk Kareler Regresyon Yntemleri
SIMPLS algoritmasnn ilk asamasnda, t
i
skorlar varyans kovaryans matrisleri S
xy
ve S
x
e dayal olarak
hesaplanr ve ikinci asamasnda, bu k boyutlu
i
t skorlarndan MLR ile
i
y ler kestirilir. Bu nedenle,
algoritmann her iki asamas da aykr deerlere kars direnli deildir. Hubert ve Vanden Branden (2003),
SIMPLS algoritmasndaki S
xy
ve S
x
i, salamlastrlms kestirimleri ile yer deistirerek, deiskenler zerine
ROBPCA ve MLR yerine salam regresyon yntemi olan ROBPCA regresyonunu uygulayarak salam
RSIMPLS algoritmasn nermistir.
KAYNAKLAR
[1] Engelen S., Hubert M., Vanden Branden K., Verboven S. (2004), Robust PCR and Robust PLSR: A
comparative study, Theory and Applications of Recent Robust Methods, Statistics for Industry and
Technology, 105117.
[2] Gktas A. ve Isi . (2010), Trkiyede Issizlik Orannn Temel Bilesenli Regresyon Analizi ile
Belirlenmesi, S IIBF Sosyal ve Ekonomik Arastrmalar Dergisi, 14(20), 279-294.
[3] Hubert M. and Vanden Branden K. (2003), Robust methods for Partial Least Squares Regression, Journal
of Chemometrics, 17, 537-549.
[4] Maronna R.A. (2011), Robust ridge regression for high-dimensional data, Technometrics, 53(1): 44-53
ABSTRACT
THE COMPARISON OF CLASSICAL AND ROBUST BIASED REGRESSION METHODS: AN
EXAMPLE OF THE RATE OF UNEMPLOYMENT IN TURKEY
In case of multicollinearity, the classical Multiple Linear Regression estimates are unreliable. Hence, in this
case biased regression methods such as Ridge Regression, Principal Component Regression and Partial Least
Squares Regression are used. The aim of this study is to forecast the unemployment in Turkey in existence of
multicollinearity and outliers by using three biased classic regression methods and their robust counterparts
and is to compare these methods.
Key Words: Partial Least Squares Regression, Principal Component Regression, Ridge Regression, Robust,
Unemployment.
335

ORTARETM RENCLERNN MATEMATK DERS TUTUM VE LGLERNN
BELRLENMES: BGAD RNE
Fatih EMREK*, zkan ZCAN*
*Eskisehir Osmangazi niversitesi, Fen Edebiyat Fakltesi Istatistik ESKISEHIR
fcemrek@gmail.com, ozkanozcan1903@hotmail.com
GR
grenmeyi etkileyen en nemli duyussal zelliklerden biri olarak nitelendirilen tutum, bireylerin
grenmelerini olumlu ya da olumsuz ynde etkileme gcne sahiptir. Matematik dersi, bireylerin problem
zme, analitik dsnme, yorumlama becerilerini artran temel bir ders olarak ilkgretim ve ortagretim
programlarnda baslangtan beri yer almaktadr. Matematige ynelik ilgi ve merak uyandrlmas ve bu
konulara iliskin olumlu tutumlarn gelistirilmesi, rgencilerin bilissel yeterliklerinin gelismesine katk saglar.
Bu arastrmann amac, Duatepe (1999) tarafndan gelistirilmis olan matematik dersi tutum legi kullanlarak
ortagretim grencilerinin matematik dersine kars olan tutum ve davranslarn belirlemeye alsmaktr.
legin geerlik ve gvenirlik alsmas, Balkesir ili Bigadi Cumhuriyet Lisesinde okuyan 180 grenci
zerinde gereklestirilmistir. Yap geerligi iin basvurulan KMO Barlett katsays 0,925 bulunmustur. Faktr
analizi sonucunda legin 3 faktrde toplandg gzlenmistir. Faktrler alan yazna dayal olarak, zevk alma,
ilgi-sevgi ve korku olarak adlandrlmstr. faktr varyansn toplamda %53,876sn aklamaktadr
BULGULAR
legin yap geerliligini belirlemek iin yaplan faktr analizi ile lekte yer alan maddelerin matematik dersi
tutumu ile ilgili hangi faktrleri ltg ortaya karlmstr. Matematik Dersi Tutum legi faktr analizi
alsmas, temel bilesenler analizi (Principle Component Analysis) teknigi uygulanarak yaplmstr. Bu
alsmay desteklemek ve faktr saysna saglkl karar verebilmek amacyla faktrlerin z degerlerine dayanan
Scree snamas grafigi de incelenmistir.
Scree snamas sonrasnda lekten maddelerin azaltlma islemine geilmistir. Tek ve iki maddelik faktr
olusturan maddelerin lekten karlmas sonucunda 3 faktrl 23 maddelik tutum legi belirlenmistir.
Dolaysyla 3 madde lekten atlmstr
Faktr z deer Varyans Yzdesi Toplam
Varyans Yzdesi
1 9,207 40,029 40,029
2 1,703 7,404 47,434
3 1,482 6,442 53,876
Tablo-1. Matematik Dersine Ynelik Tutum leinin Faktr Yaplar (Matematik Dersine Ynelik
Tutum leinin Faktr Yapsna likin Dndrlmemi Varyans Deerleri)
336

ekil-1. Scree Snamas Grafii
Tartma Ve Sonu
Arastrma kapsamnda kullanlan legin yap geerligini kontrol etmek amacyla gereklestirilen faktr analizi
sonucu lekte kalmasna karar verilen 23 maddenin belirli bir yapy lebilecegi sonucuna ulaslmstr.
Faktr analizi sonular legin alt boyuttan olusan bir yapya sahip oldugunu ortaya koymaktadr. Bu
faktrler, alan yazna dayal olarak; zevk alma, ilgi-sevgi ve korku biiminde adlandrlmstr.
KAYNAKLAR
[1] Askar, P. (1986). Matematik Dersine Ynelik Tutumu len Likert-Tipi Bir legin Gelistirilmesi.
Egitim ve Bilim. Cilt:11, say:62. (31-36).
[2] Avc, E., Coskuntuncel, O.ve Inand Y.,(2011),Ortagretim On Ikinci Snf grencilerinin Matematik
Dersine Kars Tutumlar Mersin niversitesi Egitim Fakltesi Dergisi, Cilt 7, Say:1, Haziran 2011, ss.50-58.
[3] Baloglu, M. (2001). Matematik Korkusunu Yenmek. Kuram ve Uygulamada Egitim Bilimleri Dergisi.
Cilt:1, say:1. (59-76).
[4] Bykztrk, S. (2002). Sosyal Bilimler iin Veri Analizi El Kitab. Ankara: Pegem Yaynclk
(2.Bask).
DETERMINATION OF SECONDARY SCHOOL STUDENTS 'MATHEMATICS COURSE
ATTITUDE AND NTERESTS: BGAD EXAMPLE
Regarded as one of the important factors that affect learning attitudes, individuals have the power to affect
learning positively or negatively. Awakening of curiosity and interest towards mathematics and the
development of positive attitudes on these issues, contribute to the development of cognitive competencies of
students among. The purpose of this study, Duatepe (1999), which was developed by secondary school
students using mathematics to mathematics attitude scale is to determine the attitudes and behaviors.
Key Words: (mathematics,math lesson,math attitude, math interest)
337

EVREYE UYARLANMI KUZNETS ERS: PORTEKZ ZERNE BR
UYGULAMA
Mehmet MERT Hakan BOZDA
Akdeniz niversitesi ..B.F. Ekonometri Blm, Sleyman Demirel niversitesi ..B.F. Ekonometri
BlmMail: mmert@akdeniz.edu.tr, hakanbozdag@sdu.edu.tr
evreye Uyarlanms Kuznet Erisi
Simon Kuznets (1955), iktisadi byme ve kalknma ile birlikte gelir dalmnn nce bozulacan, ancak
gelir artsnn devam etmesi ile birlikte gelir dalmndaki adaletsizliin azalacan ileri srmstr.
Literatrnde Kuznets Erisi ad ile anlan bu grs, 1990'l yllarla birlikte iktisadi byme ile evre kirlilii
ve evre tahribat iin de kullanlr hale gelmistir. ktisadi byme ile birlikte evre kirliliinin ve/veya evre
tahribatnn artaca, belli bir gelir dzeyinden sonra azalacana iliskin grse literatrde "evreye
Uyarlanms Kuznets Erisi" ad verilmektedir.
ekil 1. Kuznets Erisi
Sekildel 1' de gelir dzeyi ykselince evre kirlilii artmakta, sz konusu dzeyden itibaren azalan bir seyir
izlemektedir. Gelir dzeyi ile evre kirlilii arasndaki iliskinin neden ters U biimli bir seyir izlediinin teorik
dzeyde aklanmasnda esitli faktrlerin etkili olduu ileri srlmektedir.
evreye Uyarlanms Kuznets Erisi iliskisinin aklanmasnda genel olarak lek, kompozisyon ve teknoloji
etkileri belirtilmektedir.
evreye Uyarlanms Kuznets Erisi'nin arastrlmasna ynelik alsmalarda genel olarak asadaki modelin
tahmin edildii grlmektedir:
(1)
1 nolu denklemde, baml deisken olarak kisi bas CO2 emilimi, bamsz deiskenler olarak ise kisi basna
milli gelir, kisi basna milli gelirin karesi ve kp kullanlmaktadr. katsaysnn isaretine gre kullanlan
evre gstergesi ile milli gelir arasndaki iliskinin sekli de deismekte, kimi zaman U ve ters U elde
edilirken, kimi zaman ise N, ters N ve ters J iliskileri de elde edilmektedir.
Bu alsmada Portekiz iin 1961-2009 yllar arasnda tahmin edilen VAR modelinde, baml deisken CO2
emisyonu, bamsz deiskenler ise kisi basna milli gelir (GDP), kisi basna milli gelirin karesi ve kisi basna
milli gelirin kp verilerinden yararlanlmstr. Veri seti Dnya Bankas internet sitesinden temin edilmistir.
VAR modelinde kullanlacak serilerin ilk olarak birim kk ierip iermedii kontrol edilmis; tm serilerin
ikinci dereceden duraan olduu tespit edilmistir.
Deiskenler arasndaki uzun dnem iliskinin varl Johansen Esbtnlesme testi ile belirlenmistir.
Olusturulan VAR modelinin gecikme seviyesi AIC ve SIC kriterine gre 3 olarak belirlenmistir. VAR modeli
yardm ile deiskenler arasndaki Hata dzeltme modeli kullanlarak CO2 emilimi ile GDP arasndaki Granger
nedensellik analizi yaplmstr.
338

Sonu olarak 1961-2009 yllar arasnda Portekiz iin evresel Kuznet hipotezinin geerli olup olmad tespit
edilmeye allmtr.
KAYNAKLAR
[1] Fodha M. and Zaghdoud O. (2010), Economic growth and pollutant emissions in Tunissia: An empirical
analysis of the environmental Kuznets curve, Energy Policy, 38 11301156
[2] Grossman, G.M., Krueger, A.B., (1995). Economic growth and the environment. The Quarterly Journal of
Economics 110 (2), 353-377.
[3] Huang, W.M., Lee, G.W.M. & Wu, C.C., (2008). GHG emissions, GDP growth and the Kyoto Protocol: A
revisit of Environmental Kuznets Curve hypothesis. Energy Policy, 36, 239-247.
[4] Kijima, M., Nishibe K. & Ohyama A., (2010). Economic modeling for the enviromental Kuznets curve: A
survey. Journal of Economic Dynamics & Control, 34, 1187-1201.
[5] Kuznets, S., (1955). Economic growth and income inequality. American Economic Review 45 (1), 128.
ABSTRACT
ENVIRONMENTAL KUZNETS CURVE: AN EMPIRICAL ANALYSIS FOR PORTUGAL
The relationship between environmental quality and economic growth has been empirically modeled through
emissionsincome relationship so far, and the outcome of most of these studies has been formulated by the so
called environmental Kuznets curve (EKC) hypothesis. According to the environmental Kuznets curve
hypothesis, the relationship between per-capita GDP and per capita pollutant emissions has a U shape, an
inverted-U shape, a N shape and an inverted-N shape. This implies that, economic growth may be profitable
for environmental quality. This paper investigates the validity of Environmental Kuznets Curve Hypothesis for
Portugal, using time series data for 1961-2009 period. Firstly, EKC relationship for CO2 emissions for Bosnia
& Herzegovina, over a time period of 19922009, has been tested and then tried to determine relationship
between CO2 emissionsincome.
Key Words: Economic Growth, Environmental Kuznets Curve, VAR Analysis.
339

2012 VEFAT VERLERNE GRE TEK YALAR N TRKYE YAAM TABLOSUNUN
GNCELLENMES
Hanife TAYLAN ve Gkan YAPAR
Dokuz Eyll niversitesi, Fen Fakltesi, Istatistik Blm
e-mail: hanife.taylan@deu.edu.tr ve guckan.yapar@deu.edu.tr
2012 Trkiye Yasam Tablosu
Akterya biliminin temelini olusturan yasam tablolar bir nfusun lm ve yasam olaslklarn hesaplayarak
gelecekte beklenen mrlerini elde eder. Yasam tablolarnn barndrd en nemli deisken olan gelecekte
beklenen yasam sresi, demografik olarak bir gelismislik gstergesi olmasnn yannda sigortaclk sektr
iinde nemli bir bilgidir. Gelecekte insanlarn ortalama ne kadar yasayacann bilinmesi sosyal gvenlik
sistemi ve zel sigortaclk sektrnde prim, rezerv, teminat hesaplamalar, emeklilik srelerinin belirlenmesi
ya da rn olusturma gibi finansal ynetimin temelini olusturan alanlarda kullanlr. Gnmzde yasam
kosullarnn iyilesmesi, tp ve teknolojik alanda yasanan gelismeler demografik yapnn deismesine yol
amstr. Bu gelismeler ise uzun mrlle ve yasl nfusun artmasna neden olmustur. Deisen bu yapya
uyum salamak, sektrn yanls hesaplamalardan korunmas ve gelecekte karslasabilecei riski ynetebilmesi
asndan toplumun demografik yapsn yanstan yasam tablolarnn sektrde kullanlmas byk nem
tasmaktadr.
Yasam tablolar dnem ve kusak yasam tablolar olmak zere iki tipte olusturulur (Preston vd., 2001). Kusak
yasam tablosu ayn zaman aralnda doan tm bireylerin her bir yesinin lmne kadar geen srenin
modellenmesi ile olusturulan tablolara denir. Dnem yasam tablolar ise belirli bir zaman aralnda yasayan
mevcut nfusun yasam srelerinin modellenmesiyle olusturulur. Kusak yasam tablolar bir kusan lm
davranslarn incelediinde yaklask yz yllk lm ve yasam verisine ihtiya duyar ve bu ou lke iin
henz mevcut olmayan bir veri setidir. lkemizde ise lm ve yasam verileri TUIK tarafndan
yaymlanmaktadr. Bu verilerin doru ve tm nfusu yanstacak sekilde yaymlanmas gerekir. 2009 yl
itibariyle lm verileri Trkiye geneli iin yaymlanmaya baslanmstr ve kayt sistemindeki bu deisiklik
lkemiz iin dnem yasam tablolarnn doru bir sekilde olusturulmasna olanak tanmstr. Bu alsmada
Trkiye geneli lm ve yasam verileri kullanlarak lkemizin kendi demografik yapsn yanstan daha nceki
alsmalarmzda olusturduumuz cinsiyet ve yas gruplar baznda zetlenmis Dnem Yasam Tablosu 2012
lm verileri kullanlarak gncellenmistir. Ayrca daha nce yas gruplar ve cinsiyet baznda olusturulan
yasam yablosu bu alsmada tek yaslar iin genisletilmistir.
Bir lkenin belirli bir zaman aralndaki mevcut demografik yapsn yanstan ve bu oran baz alarak
olusturulan yasam tablosuna dnem yasam tablosu denir. ncelikle demografi biliminde oran herhangi bir
olayn (lm, doum, g vb.) gereklesme saysnn bu riske maruz kalan kisi yl saysna blmyle elde
edilir. Tablonun olusturulmas iin tanmlanacak ilk deisken yasa zg lm oran olarak adlandrlan,
n x
M ,
belirli bir zaman aralnda x ve x+n yaslar arasnda len kisi saysnn yine ayn yas aralnda yasayan kisi
yl saysna blnmesiyle elde edilir (Arias, 2010).
n x
n x n x
n x
D
M m
N
=
Ortalama yasayan kisi yl says
n x
a ile gsterilir ve elde edilmesinde kullanlan 4 ayr yntem mevuttur
(Preston vd., 2001). Bu alsmada gerek gzlemlerden faydalanlmstr. Yasa zg lm olasl (lm hz),
, x yasnda bir kimsenin n yl iindeki lm olasln ifade eder ve yasa zg lm oran ve yasayan ortalama
kisi yl says deiskenleri kullanlarak elde edilir. Bu dnsm gerek kusak davranslarn baz alr ve bu
dnsm Greville (1943) and Chiang (1968) tarafndan tanmlanmstr.
( )
.
. .
1 1
n x n x
n x x n n x n x n x
x n x n x
d n m
L n l a d q
l a m
+
= + = =
+ ~
ve sadece bir parametre gerektirir ve o parametre ise tir. Ortalama yasayan kisi yl says dnem yasam
tablolarnn olusturulmasnda nemli bir yere sahiptir ve
n x n x
m q dnsm ile yasa zg lm
olaslklarnn gzlenen verilerden elde edilmesine olarak salar (Preston vd., 2001). Yasa zg lm
olaslklarnn elde edilmesi asadaki dnsm kullanlr.
340

( )
.
1 1
n x
n x
n x n x
n m
q
a m
=
+ ~
1 q
=
Daha sonra srasyla yaam tablosu fonksiyonlar olan yaama olaslklar,
n x
p , yaayan kii yl says,
n x
L ,
toplam kii yl says,
x
T , elde edilmitir (Selvin, 2008). Yaam tablosu analizinden faydalanlarak x yanda
bir kimsenin beklenen yaam mr aadaki gibi hesaplanr.
0
x
x
x
T
e
l
=
KAYNAKLAR
[1] Arias E., (2010). United States life tables by Hispanic origin. National Center for Health Statistics. Vital
Health Stat 2(152).
[2] Bell, F., C., Miller, M., L., (2005), Life Tables for the United States Social Security Area 1900-2100.
Social Security Administration. Actuarial Study, 120.
[3] Chiang, C.L. (1972). On constructing current life tables. Journal of the American Statistical Association 67,
538-541.
[4] Preston, S. H., Heuveline, P., Guillot, M., 2001. Demography Measuring and Modeling Population Process.
Blackwell, INC., Publications, USA.
[5] Shryock, H.S., Siegel, J.S., and Associates, 1971. The methods and materials of demography. U.S.
Government Printing Office, Washington, D.C.
ABSTRACT
UPDATING TURKEY LIFE TABLE FOR A SINGLE AGE BY USNG 2012 DATE DATA
Life tables are widely used in many areas. In particular, these tables are crucial in actuary and demography. In
actuarial science and demography, a life table is a table which shows, for each age, what the probability is that
a person of that age will die before his or her next birthday. Developments countries use a life table which
reflects demographic structure of their countries. The purpose of this study is updated a complete period life
table by gender which is demonstrated demographic features of Turkey with Turkey Death Data Set.
Key Words: Life expectancy, complete period life table, age specific death probability, life/mortality table.
341

TRKYEDE RSK DEERLENDRMES YNTEM VE UYGULAMALARINA GENEL BR
BAKI
Burak BIRGREN, Kezban BULUT
Krkkale niversitesi, Mhendislik Fakltesi, Endstri Mhendislii Blm,71541,Yahsihan/KIRIKKALE
bbirgoren@yahoo.com,kezbanbulut@yahoo.com
Giri
Trkiyede 2012 ylnda karlan 6331 sayl Is Sal ve Gvenlii Kanununa gre isyerinde var olan ya da
dsardan gelebilecek tehlikelerin belirlenmesi, bu tehlikelerin riske dnsmesine yol aan faktrler ile
tehlikelerden kaynaklanan risklerin analiz edilerek derecelendirilmesi ve kontrol tedbirlerinin kararlastrlmas
amacyla yaplmas gerekli alsmalar Risk Deerlendirme olarak tanmlanmaktadr [1]. Kanun sektr ya da
byklk farkl gzetmeksizin tm isverenlerin risk deerlendirmesi yapma veya yaptrmas ykmll
getirmektedir.
Kanuna istinaden karlan Risk Deerlendirmesi Ynetmeliine gre risk deerlendirmesi, tm isyerlerinde
kurulus asamasndan baslamak zere tehlikeleri tanmlama, riskleri analiz etme, riskleri kontrol altna alma,
dokmantasyon ve yaplan alsmalar yenileme asamalar izlenerek gereklestirilir [2].
Trkiye deisik istatistikler dikkate alnarak yaplan deerlendirmelerde gerek AB lkelerine gerekse OECD
lkelerine kyasla is kazalar asndan en kt durumdaki lkeler arasnda yer almaktadr. Bunun lke
ekonomisine ciddi llerde zarar verdii bilinmektedir. Etkin risk deerlendirmesi alsmalarnn is kazalarn
nlemede byk fayda salayaca beklenmektedir.
Risk Deerlendirmesi
AB lkelerinde is sal ve gvenlii anlays proaktif (nleyici) yaklasm esas alr ve risk deerlendirmesi
proaktif yaklasmn temel arac kabul edilmektedir. Trkiyede risk deerlendirmesi yakn zamana kadar
sadece byk lekli sanayi kuruluslar tarafndan yaygn olarak kullanlyor iken simdi lokantalar, kuafrler
gibi kk esnafn ve hastaneler, bankalar gibi her tr isletmenin risk deerlendirmesi yapmasn zorunlu klan
byk apl bir kanuni dzenlemeye gidilmistir. Ancak kanunun uygulama ayanda birok zorluklar
beklenmelidir, nk byk lekli firmalarn profesyonel ekiplerle uygulamakta olduu, ciddi istatistiksel
teknikler ieren yntemleri kk firmalarn uygulamas pratikte ok zordur.
Tm isyerlerinin is gvenlii uzman ve isyeri hekimi alstrma ykmll ksmen bu problemi zecektir.
Dansman olarak grev yapacak bu kisilerin temel grevleri arasnda risk deerlendirme alsmalarnn
yrtlmesi yer almaktadr.
Dier taraftan karmask yntemlerle bu isin yaplmaya alslmas kk firmalar iin zorluk retmeye devam
edecektir. Bunun iin AB lkelerinde kontrol listelerine dayal ve basit matrislerle risk analizi gereklestirilen
yntemler nerilmektedir. Bu yntemler son dnemde sektr bazl hazrlanmakta, her sektrn ihtiyacna
ynelik aklamalar iermektedir. Trkiyede Is Sal ve Gvenlii Genel Mdrlnn nerdii bu tr
yntemler kamuoyu ile paylaslmaktadr. Ayrntl bir risk deerlendirmesi rehberi iin [3]e baklabilir.
Ayrca karmask risk deerlendirme matrisleri ve Fine-Kinney yntemi [4] gibi yntemlerin de Trkiyede
yaygn sekilde kullanlmaya baslandn grmekteyiz.
Trkiye, risk deerlendirmesinin lke apnda yaygnlastrlmas ve oturtulmas srecinin henz basndadr. Bu
alsmann amac risk deerlendirmesinde mevzuat gerekleri, Trkiyede yaygnlasan risk deerlendirmesi
yntemleri ile risk analizinde risk hesaplamas iin basvurulan yntemler hakknda pratik bilgiler vermek ve
bunlarn uygulama zorluklar ve uzun vadede ne lde basarl olacaklar hakknda bir deerlendirme
yapmaktr. Dier bir deyisle yakn gelecee ynelik bir projeksiyon ortaya koymaktr.
342

KAYNAKLAR
[1] 6331 sayl Is Sal ve Gvenlii Kanunu, 20/6/2012 tarihli Resmi Gazete.
[2] Risk Deerlendirmesi Ynetmelii, 29/12/2012 tarihli Resmi Gazete.
[3] Kobiler iin Is Sal Ve Gvenlii Ynetim Rehberi:Risk Deerlendirmesi,ISG Performans Izleme ve
Salk Tehlikeleri,Metal Sektr, alsma ve Sosyal Gvenlik Bakanl, Is Sal Ve Gvenlii Genel
Mdrl, http://www.isgum.gov.tr/rsm/file/isgdoc/isgip/isgip_metal_2_RA.pdf
[4] zkl, ., Is Sal, Gvenlii ve evresel Etki Risk Deerlendirmesi, MESS Yaynlar, Yayn No:540,
2007.
ABSTRACT
AN OVERVIEW OF RISK ASSESSMENT METHODS AND PRACTICES IN TURKEY
Turkey is at the beginning of the dissemination of risk assessment process across the country. The aim of this
study is to give practical information about the risk assessment methods which are growing up in Turkey,
about risk analysis methods applied for the calculation of risk and their application challenges, and to make
an assessment of the extent to which it will be successful. Thus it will try to make a projection for the near
future.
Key Words: Occupational health and safety, Risk assesment methods.
343

BORSA ENDEKSLER ARASINDAK LKNN KANONK KORELASYON ANALZ LE
NCELENMES
Mehmet Cem ATALBAS
Hacettepe niversitesi, Mhendislik Fakltesi, Elektrik-Elektronik Mhendisligi, 06800, Ankara, TRKIYE
catalbas@ee.hacettepe.edu.tr
Giris
Borsa endekleri, hisse senetleri arasndaki iliskiler uzun zamandr istatistik bilimi tarafndan incelenmektedir.
Bu alsmada Borsa Istanbul (BIST) iin tanmlanms bilesik endeksler olan BIST100, BIST50 ve BIST30
endekleri ve 22 sektrel endeks arasndaki iliski kanonik korelasyon analizi ile incelenecektir. Bu iliskiler
sgnda sektrlerin bir birilerine olan etkileri ve bu etkilerin boyutlarnn bulunmas saglanacaktr.
Endeksler ve Incelenmesi
Endeks genel olarak belirli bir zaman aralnda sektrel faliyetlerdeki deiimin tanmlanmas
amacyla oluturulmu verilerdir. Finansal olarak ise belirli zelliklerine gre ayrtrlm irketlere ait
hisse senetlerindeki deiimleri temsil etmektedir. Bu almada BISTa gre ayrtrlm hisse
senetlerinden oluan endekslerin eitli parameterler nda kanonik korelasyon analizi ktlar
irdelenecektir. Bu veriler 168 gnlk bir zaman aralnda alnmtr.
izelge 1. rnek bir endekse ait inceleme aamasnda kullanlan veriler.
Endeks ad Dn 1.Seans 2.Seans % Degisim En Yksek En Dsk
XBANK 179.489 175.207 175.937 -1.98 180.438 173.946
a. Kanonik Korelasyon Analizi
Kanonik korelasyon analizi (KKA) 1936 ylnda Harold Hotteling tarafndan bulunmustur. Genellikle iki
bagmsz degiskene sahip veri kmesi arasndaki iliskiyi incelemek amacyla kullanlmaktadr. Bulundugu
gnden bugne olduka fazla uygulama alan bulan KKA yntemi ayrca en gelismis istatistiki analiz
yntemlerinden biri olarak kabul edilmektedir. KKAde temel ama veri kmesini olusturan bilgilerin en
yksek korelasyona ait dogrusal kombinasyonlarnn elde edilmesidir [1]. Kanonik korelasyon katsays en
fazla
, en az ise
degerini almaktadr.
ekil 2. Sektrel Endeksler ve Bileik Endeksler Arasndaki liki
Sekil 1 de bilesik endeksler olan BIST100, BIST50 ve BIST30 endeksleri ve 22 sektrel (XBANK,
XBLSM, XELKT, XFINK, XGIDA, XGMYO, XHOLD v.b) endeks arasndaki en byk kanonik korelasyon
katsaylar(KKK) gsterilmektedir. izelge 1de gsterildigi zere endeksler arasndaki iliski incelenirken 6
parametre zerinden analiz yaplmaktadr.
izelge 2. Sektrel Endeksler ve Bileik Endeksler Arasindaki KKK Deerleri
344

ENDEKS En Byk KKK ENDEKS En Kk KKK
XBANK 0.989 XSPOR 0.824
XKURY 0.988 XSGRT 0.831
XHOLD 0.971 XGIDA 0.841
XUHIZ 0.960 XILTM 0.853
izelge 2 incelendiinde bileik borsa endeksi (BIST100) ile en yksek KKK sahip sektrel endeksin XBANK
ve en dk KKK sahip sektrn ise XSPOR olduu bulunmaktadr. Sektrel endekslere ait genel veri kmesi
ile BIST100 endeksine ait verilerin KKA sonucunda elde edilen en yksek kanonik korelasyon katsaysna
sahip kanonik iftlerin katsaylar denklem (1,2) de gsterildii gibidir[2]. Bu denklemlerde hesaplanan
kanonik yklerden yola klarak hangi sektrlerin bileik endeks olan(BIST100) endeksine art ya da eksi
ynde etki yapt grlebilmektedir[3].
(1)
(2)
Yukardaki bilgiler nda BIST100 bileik endeksinin sektrel endekse en fazla etki ettii parametreler
srasyla 2.seans deeri, en yksek deeri, yzde deiim, dnk deeri, en dk deeri, 1.seans deeri
eklindedir. Sektrel endeksin bileik endekse en fazla etki ettii parametreler ise srasyla XBLSM endeksinin
1.seans deeri, XKURY dnk deeri, XKURY 2.seans deeri, XMESY dnk deeri eklindedir.
izelge 3. Sektrel Endeksler Arasndaki KKK
En Yksek KKK En Dk KKK
1.Endeks 2.Endeks 1.Endeks 2.Endeks
XBLSM XTAST 0,9705 XGIDA XGMYO 0,696
XKURY XBANK 0,969 XGIDA XKAGT 0,704
XHOLD XKURY 0,966 XKMYA XSGRT 0,723
izelge 3 de ise sektrel endekslerin birbirileri ile olan ilikisi incelenmitir. Bu incelemeler nda XBLSM
ve XTAST endeksleri arasndaki ilikinin olduka yksek olduu ayn ekilde XKURY ve XBANK endeksleri
arasndaki ilikininde olduka yksek olduu gzlemlenmitir. XGIDA ve XGMYO endeksleri arasnda ise en
zayf ilikinin olduu gzlemlenmitir.
KAYNAKLAR
[1] Hotelling, H. (1936). "Relations Between Two Sets of Variates". Biometrika 28 (34)
[2] Multivariate Data Analysis, 5th edition by Joseph F. Hair, Jr., Rolph E.
Anderson, Ronald L. Tatham and William C. Black. Copyright Prentice Hall, Inc. 1998.
[3]Koby Todros and Alfred O. Hero III,Measure Transformed Canonical Correlation Analysis with
Application to Financial Data Signal Processing Workshop (SAM), 2012
Anahtar Kelimeler: Kanonik Korelasyon Analizi, Borsa, Veri Madencilii, Veri Analizi
345

PERIODOGRAM-BASED COINTEGRATION TEST: AN APPLICATION FOR REGIONAL
INFLATION IN TURKEY
Serpil TRKYILMAZ
1
, Mesut BALIBEY
2
12
Bilecik Seyh Edebali University, Faculty of Science&Art, Department of Mathematics, Bilecik, Turkey
serpil.turkyilmaz@bilecik.edu.tr, mesut.balibey@bilecik.edu.tr
INTRODUCTION
In economics, inflation is described a rise in the general level of prices of goods and services in
an economy over a period of time. Inflation-targeting regimes have been adopted to guide monetary policy
decisions by many developing countries. Inflation targets are determined by the Central Bank of the Republic
of Turkey and government in Turkey together. In practice, central banks use inflation forecasts as intermediate
targets.
Inflation in Turkey is observed by the deflator of CPI(consumer price index) which is monthly prepared by the
Turkish Statistical Institute, PPI(producer price index) and GDP(the gross domestic product) which is quarterly
prepared. Furthermore, Turkey is administratively divided into 81 provinces and five regions identified in
demographical studies. This classification includes West, South, Central, Nothern and Eastern regions. In
addition to the conventional five geographic regions, on 22 nd of september in 2002, a new classification in
three different levels happened on behalf of the memberhip initiative of the europian union by the state
planning organisation and Turkish statistical agency in three different levels. In this study, the co-integration
relationships between 26 statistical regions will be examined by three different method such as Periodogram,
Engle-Granger Method and Johansen Method.
METHODOLOGY
2.1 Periodogram Based Unit Root
The periodogram based unit root test was introduced by Akdi and Dickey(1998). Periodograms can be used in
many types of data. For an univariate time series data
}
t
Y : t T , the periodogram ordinates can be
calculated without any model specification as;
2 2
2
n k k k
n
I ( w ) ( a b ) = + , (1)
where,
( )
( )
1
1
2
2
n
k t k
t
n
k t k
t
a Y Y cos( w t )
n
b Y Y sin( w t )
n
=
=
= ~
= ~
(2)
2
k
w k / n = . is the mean of the series. One of the main use of the periodogram is to search whether
there is a periodicity in the data or not. This can also be used to test for a unit root (Akdi, Dickey(1998)). The
periodogram has many advantages comparing to the time domain approach. The periodogram can be calculated
without any model specification and the critical values of the test statistics are free of sample size constraints.
2.2. Periodogram Based Cointegration Tests
When a bivariate series Y
t
is given, each component of the series can be considered as a sum of a stationary
and a nonstationary series:
1 11 12
2 21 22
,t t t
,t t t
Y a U a S
Y a U a S .
= +
= +
(3)
346

Where U
t
and S
t
represent nonstationary series(unit root series) and stationary series, respectively. From this
representation, it can be seen that is;
21 21 12
2 1 22
11 11
,t ,t t t
a a a
Y Y ( a )S cS
a a
~ = ~ = (4)
The Linear combination of two series yields a stationary series with the cointegrating vector
21 11
1 a ( ( a / a ), ) . = ~ The periodogram-based cointegration test developed by Akdi (1995)
depends on the regression of the real part of the cross-periodogram ordinates of two series.
1 2 ,k ,k k
y y , k=1,2,.......,[n/2] = + + . (5)
Where,
, estimate of , is a consistent estimator of (a

21
/a
11
). In order to determine whether Y
1,t
and Y
2,t
are
cointegrated or not. Z
t
is derived by using the estimated coefficient from the regression of cross-periodogram
ordinates (5) as follows;
t t t
Z Y X = ~ (6)
In addition,
t
Z on Z
t-1
is regressed and, usual t-statistics are applied.
CONCLUSION
In this study, we are going to consider bivariate series and to search whether there are cointegrated or not by
using a periodogram based method. In other words, the study examines whether there is any long-term
relationship among CPI according to 26 statistical regions by using three different cointegration methods such
as Periodogram, Engle-Granger Method and Johansen Method. The results of empirical analysis indicate that
there exists no bivariate cointegration relationship among some of CPI series when we use Engle-Granger
Regression Method and Periodogram based method. However, the Johansens Trace and Maximum Eigenvalue
Methods does not display any co-integration relationships among these 26 statistical regions. Periodogram-
based test has many advantages over conventional tests; this test is model-free, seasonally robust and mean
invariant. Furthermore, periodogram method is able to use to support one of the conventional cointegration
tests that show results of different co-integration relationships.
REFERENCES
[1] Akdi, Y. (1995), Periodogram analysis for unit roots, Ph.D. diss., NCSU.
[2] Akdi, Y. and D.A. Dickey (1998), Periodograms of unit root time series: Distributions and tests,
Communications in Statistics : Theory and Methods, 27(1), 69-87.
[3] Akdi, Y., H. Berument and S.Y. Cilasun (2006), The relationship between different price indices: Evidence
from Turkey, Physica A,Statistical Mechanics and its Applications, 360, 483-492.
[4] Berument, H. , Y. Akdi and C. Atakan (2005), An empirical analysis of Istanbul Stock
Exchange sub-indexes, Studies in Nonlinear Dynamics and Econometrics, 9(3), 1-12.
ABSTRACT
AN APPLICATION OF PERIODOGRAM-BASED COINTEGRATION TEST FOR INFLATION
ACCORDING TO REGIONS
This paper examines whether there is any long-term relationship among CPI (Consumer Price Index) according
to 26 statistical regions by using three different cointegration methods such as Periodogram, Engle-Granger
Regression Method and Johansens Method. Data set covers the period from March 2003 to October 2012 for
Turkey. In particular, there exists no bivariate cointegration relationship among some of CPI series when we
use the Engle-Granger Regression Method and the periodogram based method. Furthermore, we were unable
to obtain any cointegration relationships among these index of 26 statistical region when the Johansens Trace
and Maximum Eigenvalue methods were used. The periodogram-based method has a further advantages over
conventional tests. In addition, it is able to use to support one of the conventional cointegration test that show
results of different co-integration relationships.
Key Words:, Time Series Analysis, Cointegration, Periodogram, Regional Inflation
347

KLASK VE SALAM DEKEN SEM ZERNE BR ALIMA
Onur TOKA
1(*) ,
Meral ETIN
2
1,2
Hacettepe niversitesi, Fen Fakltesi, Istatistik Blm, 06800, Ankara, TRKIYE
onur.toka@hacettepe.edu.tr, meral@hacettepe.edu.tr
GR
oklu dorusal regresyon zmlemesinde verileri en iyi biimde tanmlayacak gerekli deiskenlerin modele
seilmesi, modele katks nemsiz deiskenlerin kartlmas deisken seimi ya da en iyi altkme seimi
olarak bilinir. oklu dorusal regresyonda srekli gndeme gelen sorun, bamsz deiskenlerin bir
altkmesinin seimidir. Deisken seimi ile ilgili ltlerin ou kestirimin artk kareler ortalamasnn basit bir
fonksiyonudur.
Klasik model seim yntemleri klasik kestiricilerle ve testlere dayaldrlar. rnein en ok kullanlan
Mallowsun Cp lt ve Akeike bilgi lt (AIC) en kk kareler kestirimine dayal olduundan bu
ltler aykr deerlere ve hata dalmnn normallik varsaymndan sapmalara kars olduka duyarldr. Bu
durumda, model seim yntemlerinin salam versiyonlarna gerek duyulur. Son yllarda yaplan arastrmalarda
regresyon modeli iin test yntemleri ve salam kestiriciler nerilirken, salam model seim yntemleri ihmal
edilmistir. Bu noktada nerilmis olan esitli yntemler, benzetim alsmasyla klasik model seim
yntemleriyle karslastrlarak yorumlanmstr.
SALAM DEKEN SEM YNTEMLER
Regresyon analizinde farkl modeller arasnda seim yapabilmek iin kullanlan en gl yntemler AIC ve
Mallowsun Cp seim ltleridir. Regresyon analizinde AIC ynteminin hata dalmlarnda normallik
varsaym gerektirmesi ve Mallowsun Cp seim ynteminde en kk kareler kestiricisi zerinden zmleme
yapmas iki ynteminde aykr deerlere kars duyarl olmasna sebep olmaktadr.
Salam deisken seimi ile ilgili alsmalar olduka azdr. Yaplan alsmalar daha ok klasik seim ltlerini
salamlastrlmasna dayaldr: Ronchetti (1985), AICin salam versiyonunu nermistir. Ronchetti ve Staudte
(1994), Mallowun Cp ltnn salam bir versiyonunu nerirken, Sommer ve Huggins (1996) Wald testine
dayal kolay genellestirilebilen bir yntem nermislerdir.
Bu alsmada, Salam Cp deisken seim lt, Salam AIC lt ve Salam Tp lleri M-kestiricileri
kullanlarak hesaplanms ve klasik deisken seim ltleriyle karslastrlmstr.
BENZETM ALIMASI
Bu alsmada yukarda bahsedilen salam ve klasik deisken seim yntemleri karslastrlmstr. Klasik ve
salam deisken seim ltlerini karslastrabilmek iin benzetim alsmas yaplmstr. S-plus program
kullanlarak bir kodlar hazrlanmstr. Aykr deerin ve varyansn kestiriciler ve deisken seim ltleri
zerindeki etkisini grebilmek amacyla veri kmesinde farkl aykr deerler olusturulmus ve farkl varyans
deerleri ele alnmstr. Bu etkenler zerinden elde edilen deisken seim ltlerinin gerek modeli ve
alternatif modelleri seme yzdeleri elde edilmis ve sonular yorumlanmstr.
KAYNAKLAR
[1] etin, M.(2000),Salam Regresyonda Deisken Seim Kriterleri, Doktora Tezi, Hacettepe niversitesi.
[2] Hampel,F.R.,Ronchetti, E. M.,Rousseeuw, P. J., and Stahel, W. A.,1(1986), Robust Statistics:The
Approach Based on Influence Functions, New York, John Wiley.,
348

[3] Ronchetti, E.(1985), Robust model selection in regression, Statistics and Probab. Letters., 3, 21-23.
[4] Ronchetti, E. and Staudte, R.(1994), A Robust version of Mallowss Cp, JASA, Vol. 89, 550-559.
[5] Sommer, S. and Huggins, R. M.,(1996), Variable selection using the Wald test and a Robust Cp, Appl.
Statist., 45, 15-29.
ABSTRACT
COMPARISON OF CLASSICAL AND ROBUST VARIABLE SELECTION
In linear regression analysis, outliers often have large influence in the model/variable selection process. The
aim of this study is to select the subsets of independent variables, which explain dependent variables in the
presence of outliers and possible departures from the normality assumption of the error distribution in robust
regression analysis. There is a simulation study to compare classic and robust model selection criteria for
different variances of error distribution and different number of outlier.
Key Words: Model Selection, Robust Model Selection Criteria, Outlier.
349

PARACIK SR OPTMZASYONU (PSO) LE AIK OCAK MADEN REZERV ALANININ
BELRLENMES
Orhan KESEMEN*, lk NSAL
Karadeniz Teknik niversitesi, Fen Fakltesi, Istatistik ve Bilgisayar Bilimleri Blm, Trabzon, TRKIYE
okesemen@gmail.com, ulkunsal@gmail.com
Giri
Yeraltnda ve/veya bulunan cevherin topran veya kayann st ksm kaldrlarak karlmas iin yaplan
alsmalarn tm ak isletmecilik olarak tanmlanabilir [1]. Maden aramalarnda ilgilenilen bir alann
istenilen noktalarnda sondaj alsmalar yaplarak bu noktalardaki reserv miktarlar belirlenmektedir. Bu
miktarlardan yararlanarak karlmas planlanan ak maden sahasnn ekonomiklii incelenir. Ak maden
isletmeciliinde, en az maliyet ile en fazla rezerve ulasabilmek iin iyi planlama ve iyi hesaplama
gerekmektedir.
Bu alsmann ikinci blmnde ak maden isletmeciliinde kullanlan yntemler belirtilmistir. nc
blmde kullanlan optimizasyon yntemi hakknda bilgi verilmektedir. Drdnc blmde ise optimizasyon
ynteminin ak maden isletmesinde uygulanmas gsterilmistir.
Ak Isletmelerde Kullanlan Rezerv Hesaplama Yntemleri
Ak ocak maden isletmeciliinde mevcut rezervin hesaplanmas iin sondaj noktalarndan yararlanlarak baz
yntemler gelistirilmistir. Bu yntemlerden en ok kullanlanlar asada aklanmstr [2]:
Dzenli Bloklar Yntemi: Yzey, her sondaj noktas iin bir bloun ksegenlerinin kesisim yerine
gelecek sekilde kare ya da dikdrtgen bloklara ayrlr. Bloun hacmi, yzey alan ile sondajda kesilen
kalnln arpm ile bulunur.
Kenar Orta Dikme Yntemi: Sondaj noktalar birlestirilerek dar al genler olusturulur.
genlerin kenarortaylar izilerek poligonlar olusturulur.
A Ortay Yntemi: Sondaj noktalar birlestirilerek olusturulan dar al genlerin aortaylar
birlestirilerek poligonlar elde edilir.
gen Yntemi: Sondaj noktalar kseleri olusturacak sekilde eskenar genler olusturulur. Tm
genlerin alan bulunarak damar kalnl, younluu ve jeolojik faktr ile arplarak rezerv miktar
hesaplanr.
zopak Yntemi: Cevher alan ayn dzeydeki ksmlarn isaretlenmesiyle bulunan esdeer erilerin
arasnda kalan hacimlerden hesaplanr.
Parack Sr Optimizasyonu (PSO)
Parack Sr Optimizasyonu (PSO), 1995 ylnda. Kennedy ve R.C. Eberhart tarafndan, kus srlerinin
davranslarndan esinlenerek gelistirilmis bir optimizasyon yntemidir [3]. PSO, probleme farkl zmler
getiren parack ad verilen elemanlardan olusur. Paracklarn olusturduu toplulua sr ad verilir [4].
Parack sr optimizasyon ynteminin uygulanma admlar Algoritma 1de verilmistir.
Algoritma1: Parack Sr Optimizasyonu
For her parack iin
Parac baslang konumuna getir
End
Do
For her parack iin
Uygunluk deerini hesapla
350

If uygunluk deeri pbest ten daha iyi ise,
Simdiki deeri yeni pbest olarak ayarla
End
Tm paracklarn bulduu pbest deerlerinin en iyisini, tm paracklarn gbesti olarak ayarla
For her parack iin
Parack hzn gncelle
Parack konumunu gncelle
End
While maksimum iterasyon saysna veya minimum hata kosulu salanana kadar devam et
PSONUN AIK MADEN OCAKLARINA UYGULANMASI
Maden alan yzeyde bir okgen ereve ile tanmlanarak belirlenebilmektedir. Bu okgen, en yksek reservi
ve en az alan verecek bir alann snrlarn vermektedir. Bu alan belirlenirken N-boyutlu PSO teknii
kullanlmstr. okgende ama deeri hesaplanrken en kk alan ierinde kar marjn koruyacak sekilde en
yksek maden rezervi verecek sekilde tasarlanmstr. Burada maden reserv deisimi bir olaslk younluk
fonksiyonuna benzetilirken, reserv alann snrlar ise iki boyutta gven aralnn snrlarn vermektedir.
KAYNAKLAR
[1] Yrd. Do. Dr. Blent HANER, Zonguldak Karaelmas niversitesi, Meslek Yksekokulu, Maden sletme II
Ders Notlar
[2] web.deu.edu.tr/maden/docs/maden.../rezerv%20dersnotu-belge.pdf. Erisim Tarihi: 28 Mays 2013
[3] KENNEDY, J. EBERHART, R.C., Particle Swarm Optimization, Proc. of IEEE International Conference
on Neural Network, Piscataway, NJ. Pp..1942-1948 , 1995
[4] ORTAKI, Y., GLOLU,C. Parack Sr Optimizasyonu ile Kme Saysnn Belirlenmesi, Karabk
niversitesi, Bilgisayar Mhendislii, XIV. Akademik Bilisim Konferans, 2012
[5] http://www.yazilimmutfagi.com/10058/yapay-zeka/heuristic/parcacik-suru-optimizasyonu-particle-swarm-
optimization-.aspx. Erisim Tarihi: 7 Haziran 2013
ABSTRACT
DETERMINATION MINE RESERVE AREA IN OPEN PIT WITH PARTICLE SWARM
OPTIMIZATION (PSO)
Nowadays optimization methods used and successful results have been achieved in many areas. In this study,
PSO method, open-cast mining operations brings a new approach to the methods used in the removal of the
existing reserves. Used method, the maximum reserve amount targeted to be reached with the least cost.
Key Words: PSO, Reserve Calculation, Open Pit Mining.
351

KME SAYISININ OPTMAL OLARAK BELRLENMESNDE YEN BR YAKLAIM
Orhan KESEMEN*, zge TEZEL
Karadeniz Teknik niversitesi, Fen Fakltesi,
Istatistik ve Bilgisayar Bilimleri Blm,61080, Trabzon, TRKIYE
okesemen@gmail.com, ozge_tzl@hotmail.com
Giri
Kmeleme analizi ok deiskenli veri analiz yntemlerinden biridir. Kmeleme analizi, bir arastrmada
incelenen birimleri aralarndaki benzerliklerine ve farkllklarna gre belirli gruplar iinde toplayarak
snflandrma yapmay, birimlerin ortak zelliklerini ortaya koymay ve bu snflar ile ilgili genel tanmlamalar
yapmay salayan bir yntemdir [1]. Burada ama; gruplanmams verileri benzerliklerine gre snflandrmak
ve arastrmacya uygun, ise yarar zetleyici bilgiler elde etmede yardmc olmaktr. Baz kmeleme
problemlerinde ise, kmeler birbirinden belirgin bir sekilde ayrlmyorsa ya da baz birimler kme yeliinde
kararszsa, klasik kmeleme yntemleri yerine bulank kmeleme yntemleri tercih edilmelidir.
Bulank kmeleme analizinde en iyi kme saysnn belirlenmesi nemli bir problemdir. Bununla birlikte
birok kmeleme algoritmas kme saysnn nceden bilinmesini gerektirir. Birok alsmada, arastrmacnn
kme says hakknda n bilgisinin olmamas, bulunan kme saysnn gerek kme saysndan az ya da ok
olup olmadnn bilinmemesine yol amaktadr. Eer bulunan kme says gerek kme saysndan az karsa,
kmelerden bir veya birka birlesmek durumunda olacaktr, ok karsa kmelerden bir veya birka
blnmelere urayacaktr. Optimal kme saysnn belirlenme islemlerine genel olarak Kme Geerlilii ad
verilmektedir [2].
Veriler bir ve iki boyutlu uzayda olduu zaman verileri grsel olarak yorumlayarak kme saysna karar
verilebilmektedir. Ama uzaydaki boyut says arttka grsellik zorlasmakta ve geerlilik indekslerine ihtiya
duyulmaktadr. Bunun iin en iyi kme saysnn belirlenmesi iin esitli kme geerlilik indeksleri
nerilmistir.
Yntemler
Blnme Katsays (PC) ve Blnme Entropisi (PE)
Bezdek tarafndan nerilen bu kme geerlilik indekslerinin dezavantaj sadece yelik derecelerini kullanmas
ve kmelerin veri yaplarn gz nnde bulundurmamasdr. [3]
Xie-Beni ndeksi(XB)
Xie ve Beni tarafndan (1991) gelistirilen bu indeks, younluk ve ayrlma geerlilik fonksiyonu olarak da
bilinir. Bu kme geerlilii indeksi hesaplanrken yelik deerlerinden, verilerin kme merkezlerine olan
uzaklklarndan faydalanlmstr.
Fukuyama and Sugeno ndeksi(FS)
Fukuyama ve Sugeno tarafndan gelistirilen bu indekste de younluk ve ayrlma kavramlarndan
faydalanlmstr.
K ndeksi
Kwon tarafndan nerilen bu indekste Xie ve Beni indeksindeki kme saysnn veri saysna yakn olmas
eilimi azaltlmaya alslmstr.
CWB ndeksi
Rezaee tarafndan nerilen bu indekste kme merkezleri arasndaki minimum ve maksimum uzaklktan,
kmelerin varyanslarndan faydalanlmstr.
B
crit
ndeksi
Boudraa varyans odakl bir geerlilik indeksi nermistir.
SV ndeksi
Kim iki kmenin birbirinden ne kadar ayrldn lmek iin, hem iki kme arasndaki alt ayrlma indeksini
hem de st ayrlma indeksini kullanan bir kme geerlilik indeksi nermistir.
352

nerilen Yntem
Simdiye kadar nerilen yntemler yelik deerlerini kullanarak kme ii benzerlikleri temel alan yntemlerdir.
Bu alsmada ise sadece kme ii benzerlik deil kme ds farkllklarda dikkate alnmstr. Bir elemann bir
kmeye ait olup olmamas yelik deeri ile belirlenmektedir. Bir elamann kme merkezine yaklasmas yelik
deerinin bire uzaklasmas ise yelik deerinin sfra yaklasmasna neden olmaktadr. Bir elemann tm
kmelere yelik deerinin toplam bire esit olduundan, elamann ait olduu kmeye yelik deeri olarak
alnrsa, ye olmama deeri ise olacaktr. Bu iki deerin oranlanmasyla elde edilen formlasyon
optimal kme saysnn belirlenmesinde etkili bir yntem olmaktadr.
KAYNAKLAR
[1] Gler, N., Yksek lisans Tezi, Bulank Kmeleme Analizi ve Bulank Modellemeye Uygulamalar,2006
[2] Atatrk . BF Dergisi, 10. Ekonometri ve statistik Sempozyumu zel Says, 2011 (ALPASLAN,
ERLL, YOLCU, EROLU, & ALADA, 2011)
[3] Kim, Dae-Won, Lee, Kwang H., & Lee, Doheon On cluster validity index for estimation of the optimal
number of fuzzy clusters, 2004
ABSTRACT
A NEW APPROACH TO THE DETERMINATION OF THE OPTIMAL NUMBER OF CLUSTERS
Deciding the optimal number of clusters is an important problem for fuzzy clustering analysis. In fuzzy
clustering, each point has a degree of belonging to clusters and it is called membership value. In this study, we
use membership value and nonmembership value. The main purpose of this study, determine the optimal
number of cluster for separate data points which use similarities or dissimilarities between data points with
using new method and find the best validity index for all data sets.
353

Orhan KESEMEN*, Yesim YEGNOLU, Eda ZKUL
Karadeniz Teknik niversitesi, Fen Fakltesi, statistik ve Bilgisayar Bilimleri Blm, Trabzon, TRKYE,
okesemen@gmail.com, yesimyeginoglu@gmail.com, eda.ozkul.gs@gmail.com
Giri
Tedarik zinciri ynetimi stratejisi srekli artan rekabet ortamnda sirketlerin faaliyetlerini srdrebilmelerinde
ok nemli bir yer tutmaktadr. Tasma maliyetleri sirketlerin giderlerinin byk bir ksmn olusturmaktadr.
sletmelerin rnlerini genis pazarlara ksa zamanda hzl teslimat ve dsk maliyetler ile ulastrabilmeleri iin
ncelikle yapmalar gereken datm merkezleri iin uygun yerler belirlemektir. Datm merkezlerinin
yerlerinin belirlenmesi, isletmelerin karslast en byk sorunlardan biridir. Datm merkezlerinin yerlerinin
belirlenmesinde pazar arastrmalarnn ve talep kestirimlerinin yaplmas son derece nemlidir.
sletmeler, ulastrma sisteminin yetersiz olmas ve tasma maliyetlerinin fazla olmas gibi nedenlerden dolay
datm merkezlerini pazarlara yakn yerlere kurmak zorunda kalabilir.
Bu alsmada belli bir blgede datm merkezleri iin yerler belirlenecektir. Datm merkezlerinin sehir
merkezlerinde mi yoksa sehirleraras yollar zerinde mi kurulaca da byk bir problemdir. Sehir merkezinde
kurulus maliyeti fazla olmasna ramen sehir dsnda kurulduunda da tasma maliyeti fazla olacaktr. Fakat
sehirleraras yollarn zerinde datm merkezlerinin kurulmas tek bir datm merkezinden birden ok pazara
datm yapmasna olanak salamaktadr.
Yntem
Ama fonksiyonu belirlenirken baz sehirlerin daha kalabalk olduu dolaysyla pazar paynn daha yksek
yani talebin daha fazla olaca gz nnde bulundurulup datm merkezlerinin bu sehirlere daha yakn olmas
gerektii gz nnde bulundurulmaldr.
Sehirlerarasndaki yollar dorularla belirlenmektedir. rnler ilk asamada tek bir retim merkezinden datm
merkezlerine gnderilecei iin datm merkezleri arasnda balar bulunmaktadr. Datm merkezleri
arasnda balarn bulunmas da bir karayolu zerinde birden fazla datm merkezi kurulmamas kstn
meydana getirmektedir. Yollar iki boyutlu uzayda ayr ayr dorularn birlesimi biiminde tanmlanmaktadr.
Dolaysyla mevcut optimizasyon yntemleri alan iinde arama yaparken bu alsmada dorular zerinde bir
kstlamaya gidildiinden farkl bir yaklasm gerekmistir. Bunun iin yapay ar koloni algoritmas mevcut
probleme gre uyarlanarak gelistirilmistir.
Yapay ar kolonisi (ABC) algoritmas, Karaboa tarafndan arlarn doadaki davranslar temel alnarak
gelistirilen poplasyon tabanl bir optimizasyon tekniidir [1].
Verilen karayolunda her doru bir arama alan olarak dsnlmektedir. Bir blgede K tane datm noktas
seilecekse bunlarn K tane ayr doru zerinde olmas gerekmektedir. Ayn doru zerinde olan datm
noktalar maliyet asndan anlamsz olmaktadr. K tane datm noktas farkl K tane doru zerine
yerlestirilmesiyle bir tane baslang zm elde edilmektedir. Bu zmlerden N tane olusturularak baslang
poplasyonu elde edilmektedir. Her evrimde, her zmn bir datm noktas doru zerinde ileri veya geri
ynde rastgele miktarda haraket ederek zm iyilestirilmeye alslr. Eer iyilestirememe islemi limiti asarsa
yeni bir baslang noktas seilir. Tm evrimlerin sonucunda elde edilen en iyi genel zm problemin
zm olarak kabul edilmektedir.
Olusturulan her zmn sehirlerarasndaki ulasm ve tasma maliyetlerinin belirlenmesinde Dijkstra
algoritmas kullanlmaktadr.
DETRLM YAPAY ARI KOLONS ALGORTMASI KULLANILARAK YOL GZERGAHI
ZERNDE DAITIM MERKEZLERNN YERLERNN BELRLENMES
354

KAYNAKLAR
[1] Karaboga, D. ve Akay, B., Artificial Bee Colony Algorithm on Training Artificial Neural Networks, Signal
Processing and Communications Applications, 2007. SIU 2007, IEEE 15th. 11-13 June 2007, 1 4.
ABSTRACT
DETERMINATION OF THE LOCATIONS OF DISTRIBUTION CENTERS ON THE ROAD USING
MODIFIED ARTIFICIAL BEE COLONY ALGORITHM
Nowadays, a lot of organizations use distribution centers in order to distribute their products easily. And it
makes determine the location of distribution centers is extremely important. Although general optimizations
methods work on areas, this studys aim is determine the highways as line segments and specify optimum
number of distribution center using modified ABC algorithm.
Key Words: Distribution center, Artificial bee colony algorithm.
355

THE PREDICTION OF TURKISH LOCAL DERBY MATCHES
*
mer Ozan EVKAYA
1
, Sezgin IFTI
2
1 Atilim University, Faculty of Arts & Sciences, Department of Mathematics, 06836, Ankara, Turkey,
ozanevkaya@gmail.com
2. Baskent University, Faculty of Commercial Sciences, Department of Insurance and Risk Management,
06810, Ankara, Turkey, sezginciftci@yahoo.com
Introduction
The usage of statistical methods to the soccer match data has gained more attention after the betting market
became important for the economy in recent years. In this study, the Turkish derby match results predicted
based on new generated explanatory variables using accesible 10 year data on the net. Two different regression
models are considered for the statistical analysis. Firstly, the multiple linear regression (MLR) is used to
interpret all derby matches in one single linear equation. The impacts of booking cards are also considered and
MC simulation is used to estimate the number of cards for the future match. Alternatively, the logit/probit
regression models are utilized to analyze each derby match separately. The set of distinct predictors is
considered and the best model selection is carried out according to the area under the Receiver Operating
Characteristic (ROC) curve.
Methodology and Findings
In order to predict the derby match result, the available past data is collected firstly. The combination of overall
performance of each team and head-to-head statistics are used to generate meaningful explanatory variables.
Afterwards, the set of new predictors is considered to estimate the most likely winner of any derby match. One
of the classical approaches is the linear regression to describe the result of a match based on estimators. For
this reason, Multiple Linear Regression (MLR) method is used for simplicity. Moreover, the unpredictable
number of booking cards is simulated by Monte Carlo (MC) technique by assigning prior distribution. After
the selection of best MLR model for the home/away scoring ratio which represents the winner of the match, the
MC simulation is conducted to derive winning probability for each team in different derby matches. The Table
1 summarizes the simulation result in a percentage.
Apart from MLR, the any derby Match Result (MR) is simplified as a binary outcome as follows;

(1)
Based on the above dichotomous MR value, the logit and probit regression models are used using different
predictor variables. Under this modelling, each derby match is considered separately and the most significant
logit/probit model is decided by using the area under the ROC curve. The results of probit model are
significant for each derby and the predictor names are changed from match to match. Moreover, some derby
matches are not modeled by logit/probit regression approach. The Table 2 shows us the model fit results.
Table1. Simulated Probability Summary
Derby Match Probabilities (%)
Home Team Away Team Win Draw Loss
Galatasaray(GS) Fenerbahe(FB) 87.7 12.2 0.1
Galatasaray(GS) Besikta(BJK) 94.8 5 0.2
Galatasaray(GS) Trabzonspor(TS) 88 11.9 0.1
356

Fenerbahe(FB) Galatasaray(GS) 99.8 0.2 0
Fenerbahe(FB) Besiktas(BJK) 91.2 8.8 0
Fenerbahe(FB) Trabzonspor(TS) 99.9 0.1 0
Besiktas(BJK) Galatasaray(GS) 54.8 44.3 0.9
Besiktas(BJK) Fenerbahe(FB) 39 59.4 1.6
Besiktas(BJK) Trabzonspor(TS) 37.6 59.4 3
Trabzonspor(TS) Galatasaray(GS) 16.4 74.6 9
Trabzonspor(TS) Fenerbahe(FB) 44 54.8 1.2
Trabzonspor(TS) Besiktas(BJK) 43.9 53.9 2.2
Table2. Logit/Probit Model Fit Results
Derby Match Predictor Name Coeff. Significancy Area under ROC curve
GS - FB HT
SSR
0.145 0.9667
GS - BJK HDA
SPC
, HDA
BCP
0.181 , 0.180 0.9583
GS - TS AT
SSR
, A
BCP
0.329 , 0.617 0.9643
FB - GS AT
SSR
, A
BCP
0.234 , 0.196 0.9444
FB - BJK HT
SSR
, A
BCP
0.214 , 0.218 0.8214
BJK - FB HT
SSR
, HDA
BCP
0.374 , 0.395 0.9167
TS - GS HDA
SSR
0.186 0.8889
TS - FB AT
SPR
, A
BCP
0.348 , 0.108 0.9583
TS - BJK H/A
SSR
, H
BCP
0.596 , 0.517 0.9643
Conclusions and Discussions
Because of the limited data set, in two proposed models, the results are not satisfactory. In MLR approach, the
coefficients of predictors is not signficant as it is expected. Moreover, even if the area under ROC curve seems
to be so meaningful, the significany of the coefficients of predictor variables still doubtfull for some derby
matches. Despite these shortcomings, the home team always defeats its opponent with high probabilities as
given in Table 1. Especially, Fenerbahe seems to be most powerful team among the others. Moreover, in
logit/probit model, A
BCP
has impact on the result of a match in most of the time. In general, it sounds logical,
the away team affected negatively when the agressiveness of it exceeds some certain level. Besides, HT
SSR
and
AT
SSR
affects the winning capability of each team.
357

REFERENCES
[1] Lahvicka J. (2012), Using Monte Carlo Simulation to Calculate Match Importance: The case of English
Premier League.
[2] Aldrich J. H. and Nelson F. D. (1984), Linear Probability, Logit and Probit Models, Quantitative
Applications of Social Science.
[3] Cleves M. A. (2002), Comparing Areas under Receiver Operating Characteristic Curves from two or more
Probit or Logit Models, The Stata Journal.
[4] Website : http://www.football-data.co.uk/turkeym.php, November 2012.
[5] Website : http://www.transfermarkt.com.tr, November 2012.
Key Words: derby match, MLR, MC simulation, logit/probit regression, ROC curve
358

A REVIEW ON ESTIMATION DISTRIBUTION ALGORITHMS IN DISCRETE AND
CONTINUOUS OPTIMIZATION PROBLEMS
Serpil GMSTEKIN
1
, Talat SENEL
1
1
Fen Edebiyat Fakltesi,Ondokuz Mays niversitesi,Samsun,Trkiye, e-mail: serpil.gumustekin@omu.edu.tr
1
Fen Edebiyat Fakltesi,Ondokuz Mays niversitesi,Samsun,Trkiye, e-mail: tlsenel@omu.edu.tr
Estimation Distribution Algorithms (EDAs) is a quite recent topic in optimisation techniques. They are a set of
algorithms that belong to the eld of Evolutionary Computation and they have been applied to a wide set of
academic and real-world optimization problems. In EDAs there is neither crossover nor mutation operator.
New population is generated by sampling the probability distribution, which is estimated from a database
containing selected individuals of previous generation. Different approaches have been proposed for the
estimation of probability distribution. In this paper we provide a review of different EDA approaches and
present solutions based on discrete and continuous optimization in binary and non-binary search spaces.
Problems are solved and the experimental results comparing every algorithms.
Anahtar Kelimeler: Estimation Distribution Algorithms, Optimization, Without Dependencies, Bivariate
Dependencies, Multivariate Dependencies
[1] Armananzas, R., Inza, I., Santana, R., Saeys, Y., Flores, J. L., Lozano, J. A., Van de Peer, Y., Blanco, R.,
Robles, V., Bielza, C., and Larranaga, P. (2008). A review of estimation of distribution algorithms in
bioinformatics. BioData Mining, 1(6):112.
[2] Baluja, S. (2006). Incorporating a priori knowledge in probabilistic-model based optimization. In Pelikan,
M., Sastry, K., and Cantu-Paz, E., editors, Scalable Optimization via Probabilistic Modeling: From
Algorithms to Applications, Studies in Computational Intelligence, pages 205222. Springer-Verlag.
[3] Bengoetxea, E., Miquelez, T., Larranaga, P., and Lozano, J. A. (2002). Estimation of Distribution
Algorithms. A New Tool for Evolutionary Computation, chapter Experimental results in function optimization
with EDAs in continuous domain, pages 177190. Kluwer Academic Publishers, Boston/Dordrecht/London.
[4] Brownlee, A., McCall, J., Zhang, Q., and Brown, D. (2008). Approaches to selection and their effect on
fitness modelling in an estimation of distribution algorithm. In Proceedings of the 2008 Congress on
Evolutionary Computation (CEC-2008), pages 26212628, Hong Kong. IEEE Press.
[5] Chow, C. K. and Liu, C. N. (1968). Approximating discrete probability distributions with dependence trees.
IEEE Transactions on Information Theory, 14(3):462467.
359

OK BOYUTLU APRAZ TABLOLARIN ANALZNDE 1. TP HATA YAPMA OLASILII
BAKIMINDAN PEARSON VE LOG-LIKELIHOOD RATIO K-KARE STATSTKLERNN
KARILATIRILMASI
Sengl CANGR
*
, Handan ANKARALI
Dzce niversitesi, Tp Fakltesi, Biyoistatistik ve Tbbi Bilisim A.D., 81620, Dzce, Trkiye
E-mail:sengulcangur@duzce.edu.tr
Pearson ki-kare ve Log-Likelihood ratio (LR) test istatistikleri, apraz tablolarn satr ve stunlarna
yerlestirilen kategorik yapdaki deiskenler arasndaki iliskilerin analizinde sklkla kullanlmaktadr. Ancak bu
iki test istatistiinin farkl kosullardaki sonular asndan literatrde ok net bir bilgi mevcut olmad iin
tercih sz konusu olduunda arastrclar hangi testi kullanacaklarna ou zaman kesin karar verememektedir.
Bu alsmadaki ama, testlerin seiminde nemli rol oynayan 1. tip hata yapma olasl bakmndan sz
konusu iki testi esitli kosullarda karslastrmaktr. Bu amac gereklestirmek iin bir simlasyon alsmas
planlanms ve bu alsmada sfr hipotezinin geerli olduu farkl boyutta 4 apraz tablo, her tabloda 3 farkl
rneklem genislii ve yine her tabloda 2 farkl marjinal satr ve marjinal stun olaslklar olmak zere toplam
24 farkl kosul incelenmistir. Her bir kosul 5000 kez tekrarlanarak Pearson ki-kare ve LR istatistiklerinin
gzlenen 1. tip hatalar hesaplanmstr. Simlasyon sonular incelendiinde, toplam rneklem genislii 100 ve
1000 iken satr ve stun marjinal olaslklarnn dengeli veya dengesiz olmasndan etkilenmeksizin, her iki
testin gereklesen 1. tip hatalarnn benzer ve baslangta belirlenen %5 seviyesinde olduu gzlenmistir.
Ancak rnek genisliinin 50 olmas durumunda satr veya stun olaslklar dengeli iken LR testinin 1. tip hata
olasl daha yksek kms, ancak Pearson ki-kare testinin hata olasl %5 seviyesinde korunmustur. Kk
rneklem genisliinde ve satr ve stun olaslklarnn dengesiz dalmnda ise her iki testin hatalar
hesaplanamamstr. Tablo boyutu bydke ve rneklem genislii 1000 iken sonularn benzer olduu ancak
rneklem genislii 100 veya alt durumlarda Pearson ki-kare testinin beklenenden daha az, LR testinin ise
beklenenden daha ok hipotezi ret ettii belirlenmistir. Bu sonu rnek genisliinin azalmas ile birlikte satr
ve stun olaslklarnn dalm dengesizlestike daha net gzlenmektedir. Kare tablolarda ise satr ve stun
olaslklar dengeli dalms ve rneklem genislii 100 ve zeri olduunda, test sonularnda gereklesen 1. tip
hatalarn benzer ve belirlenen seviyeyi koruduu belirlenmistir. rneklem genislii kldke veya satr-
stun olaslklar dengesiz daldnda LR testinin gzlenen hatas beklenen seviyeyi asms, ancak Pearson ki-
kare istatistiinin hatas %5 civarnda veya biraz daha kk kmstr. Kare tablonun boyutu arttka bu sonu
daha net gzlenmistir. Sonu olarak, rneklem genislii, tablonun kare veya dikdrtgen yapda olmas ve satr
ve/veya stun marjinal olaslklarnn dengeli veya dengesiz olmasnn LR testinin gereklesen 1. tip hatasn
daha olumsuz etkiledii grlmstr. Kk rneklemlerde ise Pearson ki-kare istatistiinin daha az hipotezi
ret ettii sylenebilir. Bu durum Pearson ki-kare istatistiinde yanls negatiflik orannn, LR ki-kare
istatistiinde ise yanls pozitiflik orannn daha yksek olduunu aklar. Bu sonulara gre kk rneklem
sz konusu olduunda her iki testin de 1. tip hata asndan olumsuz etkilendii sylenebilir.
KAYNAKLAR
[1] Agresti A. and Yang M. C. (1987), An empirical investigation of some effects of sparseness in contingency
tables, Computational Statistics & Data Analysis, 5(1): 9-21.
[2] Bradley D. R., Bradley T. D., McGrath S. G. and Cutcomb S. D. (1979), Type I error rate of the chi-square
test of independence in RC tables that have small expected frequencies, Psychological Bulletin, 86(6): 1290-
7.
[3] Lydersen S., Pradhan V., Laake P. and Senchaudhuri P. (2005), Power comparison of exact tests for
association in unordered rxc contingency tables using standard, mid p, and randomized test versions, Journal of
Statistical Computation and simulation, 75(6): 447-58.
[4] Lydersen S., Pradhan V., Senchaudhuri P. and Laake P. (2007), Choice of test for association in small
sample unordered rxc tables, Statistics in Medicine, 26(23): 4328-43.
360

ABSTRACT
COMPARISON OF PEARSON CHI-SQUARE AND LOG-LIKELIHOOD RATIO STATISTICS IN
MULTIDIMENSIONAL CROSS-TABLES WITH REGARD TO TYPE I ERROR
Pearson Chi-square and Log-Likelihood Ratio (LR) are frequently used to investigate the relation between
categorical variables in cross-tables. However, exact details are not available in literature about the results of
two test statistics in different conditions. In some cases, researchers cannot decide on which test statistic should
use. This study aims to compare these tests in various conditions, as regards Type-I errors. According to
simulation results, LR test is more adversely affected by the structure of table (square/rectangular), sample
size, and the balanced/unbalanced marginal row and/or column probabilities than Pearson-test. Also both tests
are negatively affected by small sample sizes even if Pearson-statistics rejects less null hypothesis. Predictive
value of false-positive of LR test is high when predictive value of false-negative of Pearson Chi-square test is
high.
Key Words: Pearson Chi-square, Log-Likelihood Ratio, Cross-Tables
361

UYARLAMALI A LE TP-II BULANIK MANTIA DAYALI
YOL KAYBI TAHMNLER
Trkan ERBAY DALKILI
Karadeniz Teknik niversitesi,
Fen Fakltesi,
Istatistik ve Bilgisayar Bilimleri Blm
tedalkilic@gmail.com
Kamile SANLI KULA
Ahi Evren niversitesi,
Fen Edebiyat Fakltesi,
Matematik Blm
sanli2004@hotmail.com
Berna Yesim HANCI
50 kersey crescent, RG141SZ,
Speen, Newbury, UK.
yesim.hanci1@vodafone.com
Giri
Kablosuz iletisimde mobil terminallerinin pozisyonlarnn belirlenmesi nemli bir problemdir. Mobil
terminallerinin konumlarnn belirlenmesinde faydalanlan metotlardan biri radyo dalgalar yol kayb
lmlerinin kullanlmasdr. Bu alsmada, tip-II bulank mantga dayal uyarlamal agn kullanldg bir
algoritma nerilmis ve bu algoritmadan elde edilen sonular yol kayb modelleri iin en yaygn kullanlan
yntemlerden biri olan Bertoni-Walfisch modelinden elde edilen sonular ile karslastrlmstr. alsmada
kullanlan yaylm lmleri Istanbulda 900 MHz bandnda toplanmstr.
Tip-II Bulank Mantk
Tip-II bulank sistemler, tip-II bulank kmeleri ieren bulank eger-ise kurallarndan olusurlar. Temel olarak
bir tip-II bulank kme yelik fonksiyonu hakknda belirsizlige sahip bir kmedir. Bulanklgn sadece dilsel
degiskenlerle snrlanmadg yelik fonksiyonunun tanmnda da devam ettigi tip-II bulank kmenin,
geleneksel (tip-I) bulank mantgn bir genellesmesi oldugunu sylenebilir. Bir tip-II bulank kme bulank
yelik fonksiyonu ile karakterize edilirler, bu kmenin her bir eleman iin yelik derecesi [0,1] aralgnda
bulank bir kmedir.
Uyarlamal A le Tip-II Bulank Manta Dayal Yol Kayb Tahmini
Regresyon modelinin parametrelerinin belirlenmesi sreci bagmsz degiskenlerin snf ya da dzey saylarnn
ve nsel parametrelerin belirlenmesi ile baslar. nsel parametreler daglm karakterize eden parametrelerdir
ve bu alsmada bagmsz degiskenlerin normal daglma sahip olmas durumu ele alndgndan normal yelik
fonksiyonuna iliskin merkez (m) ve yaylm () parametreleri ile ilgilenilecektir. Bagmsz degiskenlerin
normal daglmdan gelmesi durumunda sonsal parametre olarak da tanmlanabilen regresyon modelinin
bilinmeyen parametrelerinin belirlenmesi iin nerilen ynteme iliskin algoritma ana hatlar ile asagdaki gibi
tanmlanabilir.
ADIM 1: nsel parametreler belirlenir.
362

ADIM 2: Uyarlamal an birinci tabakasndaki sinir fonksiyonlar bamsz deikenlerin geldii dalma ait
yelik fonksiyonunun Normal Dalm fonksiyonu olduu dnldnde, yelik fonksiyonlar aadaki
biiminde tanmlanr. Burada merkez parametresi olan m bulank bir parametredir ve
aralnda
deerler alr.

ADIM 3: Bamsz deikenlerin yelik fonksiyonlarn karakterize eden nsel parametrelerden merkez
parametresi mnin bulank say olmas durumunda, regresyon modelinin bilinmeyen katsaylar olan sonsal
parametre seti
(i=1,...,p) biiminde elde edilir.

ADIM 4: Adm 3de elde edilen sonsal parametre seti
kullanlarak,
biiminde ifade edilen regresyon modelleri oluturulur.

ADIM 5: Modele ilikin hata hesaplanr. Eer ise ulalan sonsal parametre, kurulacak olan regresyon
modellerinin parametreleri olarak elde edilmitir, srece son verilir. Eer ise adm 6ya geilir. karar
verici tarafndan belirlenen kk sabit bir deer,
ADIM 6: Adm 1de belirlenen merkezi nsel parametreler gncellenir. Belirlenen en kk hatay veren nsel
parametreler ve bu parametrelere ilikin modellerden elde edilen tahmin kt olarak alnr.
Anahtar Kelimeler: Uyarlamal a, tip-II bulank mantk, yol kayb.
KAYNAKLAR
[1] Chi-Bin, C. and Lee, E. S. (2001), Switching Regression Analaysis by Fuzzy Adaptive Network,
Europen Journal of Operational Research, 128, 647-663
[2] Castillo, O., Melin, P.(2008) Type-2 fuzzy logic: theory and applications, Sipringer.
[3] Jyh-Shing Roger J. (1993), ANFIS: Adaptive-Network-Based Fuzzy Inference System, IEEE
Transaction on Systems, Man and Cybernetics, 23, No;3, 665-685
[4] J. Walfisch and H.L. Bertoni,(1998) A theoretical model of UHF propagation in urban
environments, IEEE Trans. Antennas and Propagation, Vol. 36, No. 12, pp. 1788-1796.
[5] Dubois, D. and Prade, H., 1980, Fuzzy Sets and Systems: Theory and Application, Academic, New
York.
363

BULANIK REGRESYONDA GUSTAFSON-KESSEL KMELEME ALGORTMASINA DAYALI
PARAMETRE TAHMN
Trkan ERBAY DALKILI
Fen Fakltesi,
tedalkilic@gmail.com
Ersegl GKTRK SAHIN
Fen Fakltesi,
ersegul@hotmail.com
Giri
Regresyon zmlemesinde verilerin farkl daglmlara sahip olmas durumu tahmin srecinde klasik
zmlemelerin dsna klmasn gerektirir. Byle durumlarda Bulank zmleme yntemleri alternatif
yntemler olarak kendini gstermektedir. Bulank regresyon zmlemesinin nemli admlarndan biri veri
setini meydana getiren kmelerin belirlenmesi ve bu kmelerde yer alan verilerin tahmine katklarnn
derecelerini belirleyecek yelik derecelerinin elde edilmesidir. Bu alsmada veri setlerinin yelik
derecelerinin belirlenmesi asamasnda Gustafson-Kessel kmeleme algoritmasndan faydalanlms, elde edilen
yelik derecelerine dayal bulank regresyon zmlemesi iin bir algoritma nerilerek algoritmadan elde
edilen tahminler mevcut yntemler ile elde edilen tahminler ile karslastrlmstr.
Gustafson-Kessel Algoritmas
Literatrde yer alan birok bulank kmeleme algoritmalarndan biri de Gustafson-Kessel algoritmasdr.
Diger c-ortalamaya dayal bulank kmeleme algoritmalarndan fark veri kmelerinin elips biiminde daglm
gstermeleri durumda, verilerin var olan kmelere ait olma durumlarn belirlemede daha hassas olmasdr.
Algoritmann isleyisinde ncelikle baslang degerleri belirlenir bunlar; kme says, iterasyon says, kabul
edilebilir hata miktar, ve baslang yelik dereceleridir. Daha sonra her kme iin kme merkezleri Esitlik 1
ile belirlenir;
(1)
Merkezleri belirlenen her bulank kme iin bulank kovaryans matrisi Esitlik (2) ile hesaplanr.
(2)
Bulank kmelerde yer alan her veri iin Mahalonobis uzaklg;
(3)
biimde elde edilir. Burada,
(4)
Gustafson-Kessel algoritmas Esitlik (5) ile verilen ama fonksiyonunun minimize edilmesine dayanr bu
fonksiyonu minimum yapan yelik dereceleri verilerin var olan bulank kmelere optimal yeliklerini
gstermektedir.
364

(5)
G-K Kmeleme Algoritmasna Dayal Parametre Tahmini
Regresyon modelinin parametrelerinin belirlenmesi ve tahmin deerlerin elde edilmesi srecinde gzlemlerin
ayn snfa ait olup olmamalar nemlidir. Farkl snflardan gelen veriler birer kme olarak dnldnde
bulank regresyon modellerinin elde edilerek hatas kk tahminlere ulamak iin verilerin kmelere ait olma
derecelerinin elde edilmesi gerekir. Bu almada mevcut bulank kmeleme yntemlerinden G-K bulank
kmeleme algoritmas kullanlarak yelik dereceleri elde edilmi ve elips biimli dalm gsteren kmelere ait
olma dereceleri belirlenmitir. Daha sonra elde edilen bu optimal yelik dereceleri her kme iin kurulan
modelde arlk olarak yer alm ve bu arlklara bal tahminler elde edilmitir. Tahminler mevcut c-
ortalamaya dayal kmeleme algoritmalarndan elde edilen yelik dereceleri kullanlarak elde edilen tahmin
sonular ile karlatrlmtr.
Anahtar Kelimeler: G-K Algoritmas, bulank regresyon zmlemesi.
KAYNAKLAR
[6] Davari, A., Marhaban, M.H., Noor, S.B.M., Karimadini, M., and Karimoddini, A., (2011), Parameter
Estimation of K-distributed sea clutter based on fuzzy inference and Gustafson-Kessel Clustering, Fuzzy Sets
and Systems, Vol. 163, pp. 45-53.
[7] Krishnapuram, R., and Kim, J., (1999) A note on the Gustafson-Kessel and Adaptive Fuzzy
Clustering Algorithms IEEE Transection on Fuzzy Systems, Vol. 7, No. 4, pp. 453-461.
[8] Kim, Y., Kim, D.W., Lee, D., and Lee, H.K., (2004), A cluster validation index for GK cluster
analysis based on relative degree of sharing Information Sciences Vol. 168, pp. 225-242.
PARAMETER ESTIMATION IN FUZZY REGRESSION BASED GUSTAFSON-KESSEL
ALGORITHM
ABSTRACT
In this paper, fuzzy membership degrees of each data obtained using the Gustafson-Kessel fuzzy clustering
algorithm and determined degrees of belonging distributed in an ellipse-shaped clusters. Then, these
membership degrees are used by weight in estimation process in fuzzy regression analysis. The predicted
values are compared with estimates obtained from other classical methods.
Key Words: G-K algorithm, fuzzy regression analysis.
365

YAPAY SNR ALARI VE SOSYAL A MERKEZLK LLER LE MTER KAYBI
ANALZ
Vildan GLPINAR
Istanbul Aydn niversitesi , Anadolu Bil MYO, Florya Kamps, Kkekmece Istanbul Trkiye
E-mail: vildangulpinar@aydin.edu.tr
Dilek ALTAS
Marmara niversitesi , Iktisat Fakltesi, Gztepe Kamps, 34722, Istanbul Trkiye
E-mail: dilekaltas@marmara.edu.tr
Giris
Iletisim topluluklar, her bireyin agdaki diger bireylerle zayf ya da gl iliski kurabildigi Sosyal Aglar (SA)
olarak ele alndgnda, msterilerin agdaki etkisinin ortaya karlmas iin Sosyal Ag Analizi (SAA) gl bir
yntem kabul edilmektedir.
Msteri kayb olay, zincirleme bir etkiye sahiptir. Bu zincir sreci, SAA'nn gl bir dgm tarafndan hatta
daha az gelir saglayan fakat msteri bagllg srecinde gl etkiye sahip bir msteri tarafndan da
baslatlabilir. Bu nedenle firmalar, etkileri yksek msterileri ortaya karabilmelidirler. SAA'da gl ve
merkezi dgm olarak tanmlanan bu msteriler, msteri kayb gibi zincirleme etki yaratan olaylarda ne
kadar etkili olabildikleri dikkate alnarak seilebilir. Bylece uygulanacak pazarlama yntemi, etkileri yksek
bireylere gre belirlenebilir.
SA merkezilik lleri ile msteriler arasndaki baglantlarn agrlklar, zincir srecinin agdaki etkisini ortaya
koyabilmektedir. Msteri baglantlarnn anlaslmas ve SA yapsnda her zincirin merkezi ekirdeklerinin
belirlenmesi kitlesel msteri kaslarn nlemek ve bylece gelir kaybndan kurtulmann en iyi yoludur. SAA,
topluluk iindeki msteri kayb olaylarnda olas korelasyonlar aga kararak, olayn SA'nn ekirdek bir
dgm tarafndan tetiklendiginde daha gl etkileme gcne sahip oldugu, oysa evresel bir dgm
tarafndan tetiklendigi zaman etkisinin daha az oldugunu kantlar.
Yukarda anlatlanlar sgnda makalenin amac, msteri kayplarnn ok hzl yasandg telekomnikasyon
piyasasnda msteri kaybn Yapay Sinir Aglar (YSA), yntemiyle tahmin etmek ve gelen ve giden arama
miktarlar dikkate alnarak SAA sonucunda etkili msteriler degerlendirilerek etkin bir pazarlama yntemi
sunmaktr.
Uygulama
Analizlerde kullanlacak veriler, Trkiyenin farkl illerinde ikamet etmekte olan 100 farkl GSM operatr
kullancsna anket uygulanarak elde edilmistir. 14 sorudan olusan anket 2 blmden olusmaktadr.
SAA'ya uygun olabilmesi iin veriler kartopu rneklemesi teknigiyle elde edilmistir. YSA, MATLAB 11
programnda analiz edilmistir. SAA iin, zellikle grsel gsterim avantaj ve kullanm kolaylgndan dolay
Pajek program kullanlmstr.
Msterilerin SA'daki grntleri Sekil 1'de gsterilmektedir.
366

ekil 1. Sosyal A Grnts
Bu alma ile telekomnikasyon piyasasnda mteri kayb tahmini yaplmtr. Daha sonra mterilerin her
biri an dmlerini ve mterilerin birbirlerini arama miktarlar an balant deerlerini gstermek zere
iletiim a incelenmitir. Elde edilen bulgular nda, telekomnikasyon piyasasnda kaybedilme riski
tayan abonelerin tahminini veren YSA sonular dikkate alnarak, iletiim andaki baz mterilerin SA'daki
etkinlikleri u ekilde incelenebilir:
- An hem nemli (hublar/ oteritelere gre) hem de gl (merkezilik llerine gre) dmleri arasnda yer
alan 1 nolu mterinin kaybedilme riski -1,6118 olarak tahmin edilmitir ve bu deer kaybedilmeye en yakn
mteri grubuna iaret etmektedir. Arasndalk merkezilii en yksek yani an ikili dmlerinin yollar
arasnda en fazla bulunan mteri olduu dnldnde, kaybedilmesi durumunda, kayb dier mterilere
en kolay ve en hzl (yaknlk merkeziliinden dolay) yayacak ve zincirleme kayb balatacak mteri
olacaktr.
KAYNAKLAR
[1] Pinheiro, Carlos Andre Reis - Marus Helfert,(2009), Mixing Scores from the Artificial Neural
Network Analysis to Improve the Customer Loyalty, IEEE Computer Society, s.954-959.
[2] Geppert, Carl, (2003), Customer Churn Management: Retaining High-Margin Customer with
Customer Relationship Management Techniques, s.2-3.
https://www.amr.kpmg.com/microsite/kpmgme/downloads/CHURN_02_26final.pdf,
ABSTRACT
CUSTOMER CHURN ANALYSIS WITH THE HELP OF THE ARTIFICIAL NEURAL NETWORKS
AND SOCIAL NETWORK ANALYSES CENTRALITY MEASURES
This paper is intended to estimate the loss of customers in the Turkish telecommunication market with the help
of the Artificial Neural Networks (ANN) and examine the positions and effects on the network of the
customers for whom there is a risk of loss, by analyzing the customer communication network with the help of
the Social Network Analysis (SNA).
Key Words: Artificial Neural Networks, Social Network Analysis, Customer Churn Management,
Telecommunication Market
367

VER ZARFLAMA ANALZ LE TRKYEDEK LLERN KLTREL AIDAN
DEERLENDRLMES
*Hakan ALTUNAY, Kezban BULUT
*Bursa Teknik niversitesi, Mhendislik ve Mimarlk Fakltesi, Endstri Mhendislii Blm, Osmangazi,
Bursa, hakanaltunay@rocketmail.com
Krkkale niversitesi, Mhendislik Fakltesi, Endstri Mhendislii Blm, Yahsihan, Krkkale,
kezbanbulut@yahoo.com
Genisletilmis zet
Veri Zarflama Analizi (VZA); dorusal programlamann zel bir uygulama sekli olup, ayn ama ve hedeflere
sahip sistemlerin greceli olarak verimliliini lmede kullanlr [4]. Veri Zarflama Analizi ilk olarak Charnes,
Cooper ve Rhodes tarafndan 1978 ylnda kr amal kurulmayan ve kamu hizmeti salayan kuruluslarn
rgtsel performansn izleyebilmek amacyla gelistirilmistir [1]. Yntem, gnmzde salk sektr,
niversiteler, bankaclk, ulasm gibi pek ok alanda uygulanma alan bulmaktadr.
VZA, dorusal programlama prensiplerine dayanan, spesifik olarak Karar Verme Birimlerinin (KVB)
kullandklar girdileri hangi etkinlik derecesinde ktya dnstrdn tespit etmemize imkan salayan ve
duyarllk analizi yntemiyle kaynaklarn daha etkin kullanlmas amacyla girdi ve ktlarn ayarlanmasn
mmkn klan bir teknik olarak ifade edilmektedir [3].
Yaplan bu alsmada Veri Zarflama Analizi tekniinden yararlanlarak Trkiye snrlar ierisinde bulunan 81
ilimizin kltrel adan deerlendirilmesi salanmstr. alsmaya kaynak olusturan istatistiksel veriler Trkiye
Istatistik Kurumu (TIK) tarafndan yaynlanan Kltr Istatistikleri 2011 isimli yaynndan alnmstr [5].
alsmada VZA zm iin Frontier Analyst paket programndan yararlanlmstr. Bu program, dnyada
halen 35 lkede kullanlmakta olup, akademik evrelerce de genis lde kabul grmstr. izelge 1.de VZA
modelinde kullanlan girdi ve ktlar verilmistir.
izelge 1. VZA modelinin girdileri ve ktlar
Girdiler ktlar
X1: Matbaa says Y1: Mze ve ren yeri ziyareti says/il nfusu
X2: Mze ve ren yeri says Y2: Halk Ktphanelerinden yararlanan kullanc says/il nfusu
X3: Halk Ktphanesi says Y3: Ktphanelerden dn verilen materyal says/il nfusu
X4: Ktphanelerdeki toplam kitap says Y4: Tiyatro seyirci says/il nfusu
X5: Tiyatrolarda oynanan gsteri says Y5: Sinema seyirci says/il nfusu
X6: Tiyatrolardaki toplam koltuk says
X7: Sinemalardaki toplam koltuk says
X8: Sinemalarda gsterilen film says
X9: Ilde yasayan halkn gelir seviyesi
368

Kltr, toplumlarn binlerce yllk birikimlerinin esitli boyutlarda bir bilesimi ve hayata yansma biimidir.
Kltr istatistikleri de bu birikimlerin saysal gstergeleridir. Kltr deerlerini yanstan kltr istatistiklerinin
bir blm ktphaneler, mzeler, tiyatro, opera, bale ve sinemalara iliskin bilgilerdir [2]. alsmada ama
Trkiyede bulunan sz konusu illerin her birisi iin yaplan kltrel yatrmlara karsn, bu illerde yasayan
halkn bu yatrmlara ne oranda cevap verdiinin greceli olarak deerlendirilmesidir. Bu sayede halkn olas
kltrel ihtiyalarna paralel olarak iyilestirme nerileri sunulabilecektir. Dier adan da ihtiya fazlas
blgeler belirlenerek yaplacak gereksiz yatrmlarn nne geilebilmesi salanacaktr.
KAYNAKLAR
[1] A. Charnes, W.W. Cooper and E. Rhodes (1978), "Measuring the Efficiency of Decision Making Units,"
European Journal of Operational Research 2, pp.
[2] akmak, Z., Uzgren, N., Keek, G., (2005), Kmeleme Analizi Teknikleri Ile Illerin Kltrel Yaplarna
Gre Snflandrlmas Ve Deisimlerinin Incelenmesi, Dumlupnar niversitesi Sosyal Bilimler Dergisi,
Say:12, Haziran 2005.
[3] Erolu, Ergn ve Melek C. Atasoy (2006), Veri Zarflama Analizi ile Etkinlik lm ve Etkin Karar
Birimlerinin Duyarllk Analizi, Istanbul niversitesi Isletme Fakltesi Dergisi, 35(2), ss. 91106.
[4] Onaran, S. ,2006. Veri Zarflama Analizi Kullanlarak niversite Ktphanelerinin Performanslarnn
Deerlendirilmesi, Gazi niversitesi Fen Bilimleri Enstits, Ankara.
[5] TIK, Kltr Istatistikleri (2011)
ABSTRACT
EVALUATION OF CULTURALLY THE CITIES IN TURKEY BY USING DATA ENVELOPMENT
ANALYSIS
Data Envelopment Analysis (DEA) is a non-parametric productive efficiency measurement method for
operations with multiple inputs and multiple outputs. . In this study we analyzed culturally relative comparison
of the cities in Turkey by using Data Envelopment Analysis. This study consist of two phase. In first phase,
inputs and outputs used in the DEA model are determined. Second stage Data Envelopment Analysis results
are evaluated. According to the results obtained from the study is suggested that some improvements. In this
way, investments will be made to meet the cultural needs of the people.
Key Words: Data Envelopment Analysis, Efficiency Analysis, Operational Research
369

SEDAN VE REASRR AISINDAN OPTMAL REASRANS ANLAMALARI
Yasemin GENTRK, Murat KIRKAA, Rmeysa KARATAS*
Hacettepe niversitesi Beytepe Kamps Akterya Bilimleri Blm ANKARA
yasemins@hacettepe.edu.tr murat.k@hacettepe.edu.tr rmys@hacettepe.edu.tr
Reasrans nedir? Reasrans trleri nelerdir?
Reasrans, sigorta edilmis riskin, belirli bir ksmnn veya tamamnn yeniden sigorta edilmesidir. Sigorta
sirketleri, teminat verdikleri rizikolarda byk hasarlarn ayn zamanda meydana gelme ihtimaline kars, hasar
demelerinde zorlanmamak iin reasrans (mkerrer sigorta) yaptrr. Reasrans islemlerinde riski devreden
sirkete sedan, devir alan sirkete reasrr denir.
Reasrans trleri temel olarak ihtiyari ve otomatik olmak zere ikiye ayrlr.
htiyari (Facultative) Reasrans Anlamalar : Sigorta sirketinin riski reasre etmede, reasrr de kabul
etmede serbest olduu anlasmalardr.. Byk ve spesifik risklerin reasrans genellikle ihtiyari reasrans ile
yaplr. Blsmeli ve blsmesiz reasrans olmak zere ikiye ayrlr. Belirli basl blsmeli reasrans
anlasmalar, kotpar(quota-share) ve eksedan(surplus) olmak zere iki esittir. Blsmeli olmayan reasrans
anlasmalar ise, hasar fazlas(excess of loss), hasar oran fazlas(stop loss), toplam hasar fazlas ve toplam hasar
oran fazlas olarak verilebilir.
Otomatik (Automatic) Reasrans Anlamalar : Reasrans sartlarnn istee bal olmad anlasmalardr.
Reasrr ve sigorta sirketleri isleri otomatik olarak devir ve kabule zorunludur. Sorumluluk paylasm sigortal
mebla yani azami teminat ya da hasar zerine yaplr. htiyari reasrans anlasmalarnda olduu gibi otomatik
reasrans anlasmalarnn da, blsmeli ve blsmesiz trleri vardr.
Reasrans anlasmalarnda sigorta sirketinin stlendii risk sedan ile reasrr arasnda paylasldndan, sigorta
sirketi toplad primin bir ksmn reasrre devreder. Sigortalnn demesi gereken primin hesaplanmasnda
kullanlan farkl yntemler vardr.
Prim Hesaplama Yntemleri
Belirli basl prim hesaplama yntemleri Net Prim, Beklenen Deer ve Varyans prensibi olarak sralanabilir.
Net prim prensibi :
[ |
x
E X =
Net prim, sigortacnn risk altndaki beklenen toplam hasar miktarna esittir.
Beklenen deer prensibi :
( ) [ | 1
x
E X = +
0 prim ykleme faktrdr ve sfrdan byktr, 0 >0. Bu prensibe gre hesaplanan prim ayn ortalamaya
sahip farkl riskler iin ayndr.
Varyans prensibi :
[ | [ |
x
E X V X = + , u > 0
370

Varyans prensibinde ykleme toplam hasar miktarnn varyans ile orantldr. Bu prensip beklenen deer
prensibine gre daha duyarldr yani riskteki deikenlii dikkate alr.
Bu eitliklerde X, belirli bir zamanda sigortacnn toplam hasar veya kayp miktarnn gsteren raslant
deikenidir.
Optimal Reasrans Anlamalar
Optimal reasrans anlamalar, optimizasyon kriterleri ve prim hesabnda kullanlan prensibe bal olarak
deimektedir. Optimal reasrans anlamasnn belirlenmesine ilikin almalar incelendiinde, ounlukla
sedan irketin(sigortac) faydasnn gz nnde bulundurulduu grlmektedir. Arrow(1963) ve
Kalutzka(2008) sigorta irketinin beklenen fayda fonksiyonu maksimize eden optimal reasrans anlamasnn
belirlenmesi; Vajda(1962) ve Bowers(1997) sigorta irketinin riskinin varyansn minimize eden optimal
reasrans anlamasnn belirlenmesi, Cai(2008), Balbas(2009) ve Weng(2009) VaR ve CTE gibi belli bal risk
lmlerini minimize eden optimal reasrans anlamasnn belirlenmesine ilikin almalar yapmlardr.
Ancak sigortac asndan optimal olan reasrans anlamalar reasrr asndan kabul edilemez olabilir. Bu
nedenle her iki tarafn da faydas gzetilerek optimal anlamann belirlenmesi nemlidir. Bu almada hem
sedan hem de rasrrn birleik yaam olasl ile birleik kar olasln maksimize eden optimal reasrans
anlamalar incelenmitir.
KAYNAKLAR
[1] Balbas, A., B. Balbas, and A. Heras, 2009, Optimal Reinsurance With General Risk
Measures, Insurance: Mathematics and Economics, 44(3): 374-384.
[2] Bowers, N. L., H. U. Gerber, J. C. Hickman, D. A. Jones, and C. J. Nesbitt, 1997,
Actuarial Mathematics, 2nd edition (Schaumburg, IL: Society of Actuaries).
[3] Cai, J., K. S. Tan, C. G. Weng, and Y. Zhang, 2008, Optimal Reinsurance Under VaR
and CTE Risk Measures, Insurance: Mathematics and Economics, 43: 185-196.
[4] Cai J, (2012), Optimal Reciprocal Reinsurance Treaties between Insurers and Reinsurers, Department of
Statistics and Actuarial Science University of Waterloo, Canada.
[5] Cai J, Ying Fang, Zhi Li, Gordon E. Willmot. (2013), Optimal Reciprocal Reinsurance Treaties Under The
Joint Survival Probability and The Joint Profitable Probability,
The Journal of Risk and Insurance.
OPTIMAL RECIPROCAL REINSURANCE TREATIES
ABSTRACT
When studies related to optimal reinsurance are examined, it is usually seen that only insurers point of view is
taken into account. However, an optimal reinsurance contract for an insurer may not be optimal for a reinsurer
and it might be unacceptable for a reinsurer.
Therefore, it is important to design an optimal reinsurance contract in which interests of both an insurer and
reinsurer are considered. This study examines an optimal reinsurance contract in which joint survival
probability and profitable probability of reinsurer and insurer are maximized.
Key Words: Types of Reinsurance Contracts, Premium Principles, Optimal Reinsurance.
371

Kitap 1

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Kitap 1

Uploaded by

Copyright:

Available Formats

l

( ) k tahmin edici iin COOK

veri setindeki noktalarBn toplam aBrlBBnB gstermektedir. (2)

tahmin deerlerinin belirlenmesi ile YR tahmini model denklemi ( )

seklinde ifade edildigini, bu noktadan

seklinde gstermistir. Klasik ekonometri

e baglE degildir. Fakat Engle 1982 yElEndaki alEsmasEnda kosullu varyansEn

= , birbirinden baGmsGz ve aynG F daGlGmlG rasgele

: f vektrndeki deerlerin katsayBlarB

= Y- X Y- X . In this study, the Bayesian confidence interval (HPD credible

AIMLAYICI FAKTR ANALZNDE FAKTR IKARMA METODUNUN SEMNE LKN

Faktr karma Metodunun Seimi

MANOVA VARSAYIMLARININ SALANMAMASI DURUMUNDA

KANONK KORELASYON ANALZNDE BOYUT SAYISINA KARAR VERLMESNDE PARALEL

OK DEKENL ARMEDYEN KAPULALARDA RETC FONKSYONUN VE ALE

OK DEKENL SIRA STATSTKLER ZERNE

m-deikenli rnek minimumu ve

TP-1 BULANIK FONKSYON YAKLAIMININ ZAMAN SERLERNDE BR UYGULAMASI

BULANIK SSTEM MODELLEME

KAPI KASASI MALATININ FULL TP-2 BULANIK YAKLAIMLA MODELLENMES

TRKYEDE BOANMA SAYILARI VE SOSYO EKONOMK GELMLE GRE LLERN

BULANIK VER ZARFLAMA ANALZ YNTEM LE ORUM LNDEK LSELERN ETKNLK

TRKYE EKONOMSNN BAZI GSTERGELER ZERNE EKONOMETRK

BORSA ENDEKS GETRLERNDE KL UZUN HAFIZA ZELLNN ANALZ N BR

TRKYENN GAYR SAF YURT HASILASININ(GSYH) STATSTKSEL OLARAK

TURST TALEBNE EKONOMETRK BR YAKLAIM: TRKYE RNE

TRKYEDE EKONOMK DEKENLERN TKETC GVEN ENDEKS ZERNDEK

THE EFFECT OF ECONOMIC VARIABLES IN TURKEY ON CONSUMER CONFIDENCE INDEX

ROBUST ESTIMATORS FOR THE SHAPE PARAMETERS OF BURR XII DISTRIBUTION

ON MARGINAL DISTRIBUTION OF CONDITIONAL LARGEST ORDER STATISTICS FROM

where ( ; , , ) !/ !( )!( )!( )! C n i j k n k i k j k n i j k = + ; max(0, ) a i j n = + ; min( , ) b i j = and

NEGATIVE CUMULATIVE DEPENDENCE OF RANDOM VARIABLES AND APPLICATIONS

AN IMPROVED NEW CLASS OF EXPONENTIAL RATIO ESTIMATORS FOR POPULATION

THE IMPACT OF REPLACEMENT MIGRATION POLICY ON DEMOGRAPHIC INDICATORS

Table. Comparison of Scenarios by Population Parameters (2050 and 2100)

INSTRINSIC FORECASTING IN REVERSE LOGISTICS: THE CASE OF ELECTRICAL AND

Table 1. Model Diagnostics (36-month test data)

DETERMINING THE EFFECT OF SOCIO-ECONOMIC CHARACTERISTICS

ROBUST QUADRATIC HEDGING PROBLEM: IN INCOMPLETE MARKETS

problemlerinde de kullanlabilmektedir. Bu almada, Pnar (2006) dayankl karesel riskten korunma

A SURVEY ON NONRANDOM PATTERNS OF FUZZY CONTROL CHARTS

0,0832 0,0785 0,0746

Sapma ls, AIC, BIC) gre Sral Lojit

ile gsterilirse, fark deerlerinin ortalama ve varyans asadaki esitliklerle hesaplanr:

istatistii esitlikte verildii gibi elde edilir.

, birikimli temel hazard fonksiyonudur. Marjinal yasam

rassal rnei iin medyan istatistii;

istatistii, gzlemlerin medyan deerlerinden olan uzaklklarna odaklanmaktadr. Bu bakmdan,

uzunluklu simetrik aralk, simetri zellii olan dalmlarda, dalmn yarsn

rassal rnei iin;

kmesinin medyan bulunur. Bu sekilde elde edilen tane medyan

istatistii elde edilir [2].

istatistii dikkatini, gzlemlerin bir merkezi deerden ne kadar uzak olduklarna

istatistii, ikili mutlak farklarn nc sra istatistii olarak;

istatistiinin hesaplanma zaman,

istatistiine gre hayli yksektir ancak kolayca uygulanabilmektedir

n: gzlem says, k: snf says

: dalmn 3. momentinin kestirimi

. The time until absorption is defined as

is said to have phase-type

olan tipinde rastgele hatalarn

, . AUGLE y-ynndeki sapanlardan olumsuz

says kullanlmstr [4]. Kovaryans