Kayıtlar

2022 tarihine ait yayınlar gösteriliyor

KOVARYANS-ANCOVA EŞ DEGİŞKEN ANALİZİ

Resim
  Kovaryans (eşdeğişken) analizi nedir? Varyans analizi yaptığımız   bazı denemelerde, açıklanamayan değişkenliğin bir kısmı (yani deneme hatası),  denemenin parçası olmayan ve ön göremediğimiz bazı ek değişkenlerden ileri gelebilmektedir.  Bu değişkenin etkisini bir şekilde ortadan kaldırabilirsek, hata varyansını azaltabilir ve böylece bağımsız değişkenin gerçek etkisinin daha doğru bir resmini elde etmemizi sağlayabiliriz. Bu amaçla bu ek değişkenlerin etkisini gidermek için ortak veya eş değişken (covariate) adında gözlemleri kullanıyoruz.   Kovaryans-eşdeğişken analizinin   (  ANCOVA  ) ana amacı budur . Bir örnek: deneme alanı topraklarının önceden tespit edilemeyen verimlilik (diyelim kireç kapsamı)   değişkenliği varsa, parsel bazında kireç analizi yaparak ortak değişken elde ediyoruz. Benzer şekilde bu, bitki, çıkış sayısı, dolu hasarı, farklı parsel gözlemleri, bazı uygulama hataları, vb. olabilir. Denemec...

YENİ:Basit doğrusal regresyonda güven sınırları, tahmin sınırları ve grafikler oluşturma ve ilgili fonksiyonlar

Resim
  Regresyon sözcüğünün kökeni   geriye doğru gitmek, adım atmak anlamına gelmektedir. (RE -, geri + -gred-, gradi adım, yürüme, gitme +tion   ad yapan ek) Regresyon analizi, değişkenler arasındaki fonksiyonel ilişkiyi belirlemede en çok kullanılan tekniklerden biridir. Bu analiz, değişkenler arasındaki ilişkiyi belirleyerek parametre kestirimini sağlayan istatistiksel bir tekniktir Regresyon analizinin ilk kullanım alanı astronomi olmuştur.   Astronomlar (Gauss, Lagrande) 17. Yüzyılın başında gezegenlerin yörüngelerini hesaplamak amacıyla en küçük kareler olarak bilinen tekniği geliştirip kullanmışlardır. Regresyon alanında son çalışmalar 1960 lardan 1990’a kadar sürmektedir. Yaygın kullanıma sahip en küçük kareler tekniği ile eşitlik parametrelerinin bulunması bazı temel varsayımlar gerektirmektedir. Bu varsayımlar genel olarak hata terimleri ile ilgilidir. Basit doğrusal regresyon denklemi: yi = β 0 + β 1 x i + ε i ,    i = 1,2,...,n şeklind...