Yeni Mezun Adaylar için CV Hazırlama Tavsiyesi

Kariyerinin henüz başında olan yeni mezun arkadaşlarım için profesyonel CV yazım danışmanlığı almalarını tavsiye edebilirim. Sektöründe deneyimli profesyoneller ile oluşturduğun yeni CV'in ile iş mülakatlarına çağrılma şansını artırabilirsin.

Hatırlatma olarak kendimde bir CV Klinik CV yazım danışmanıyım.

CV Hazırlama Tüyoları

Anket Soru Formu Tasarlamada İpuçları

Anket Soru Formu Tasarlamada İpuçları

Öğrenciler, akademisyenler ve iş dünyası profesyonelleri için bir kılavuz olmasını planladığım bu yazıda, sıkça karşılaşılan olaylara en basit yönlerinden yaklaşıp sorunu nasıl çözeceğinizi anlatacağım. Ayrıca konularda örneklere yer vererek neden- sonuç ilişkilerini görmenizi kolaylaştıracağım. 

Bu yazı sayesinde anket oluşturma konusundaki püf noktaları öğrenebilecek ve kusursuz anketler oluşturabileceksiniz.

Soru ve Cevaplar ile Anket Tasarlama Süreci

Anket oluşturmaya nasıl başlanılması gereklidir

İyi bir anket soru formu, masabaşında uzun mesai süreleri harcadığınız araştırmalar ile doğru orantılıdır. Ön hazırlık aşamanızı ne kadar verimli kullanırsanız anketleriniz o derece iyi olacaktır. İyi bir hazırlık süreci, size mutlaka sormanız gereken soruları belirlemenizde faydalıdır. Şu konuyu kesinlikle aklınızdan çıkarmayın anket çalışmanız tamamlandıktan sonra bazı sormayı unuttuğunuz soruları tekrardan sormanız imkansızdır. Hedef kitleniz ulaşabilir bir hedef kitle olsa dahi geri dönüşlerde toplam sayıya bir kez daha ulaşılamaz. Veri kaybı yaşamamanız için çok dikkatli olunması gerekmektedir.

Öneriler: Anket tasarlama süreçlerine başlamadan önce öncelikle daha önce yapılmış benzer çalışmalara göz atın.

Öneriler: Sonuç odaklı olun. Soru sormak için soru sormayın. Her bir soruyu sorarken bu soruyu neden sorduğunuzu açıklayabilin.

Örneklem nedir?

Temel bazı tanımların yanı sıra örneklem; en temelde anket sayınızdır. Bu anketi kaç kişiye yapmam gereklidir sorusunun yanıtıdır. Eğer temsili bir çalışma yapıyorsanız. Örneğin Türkiye temsili veya il temsili. Bu çalışmada kota tutmanız önerilir. Türkiye temsili bir çalışma için TUIK’ in belirlediği illerde (NUTS) anketi uygulamanız ve nüfus demografik bilgilerine paralel her bir alt kırılım için (cinsiyet, yaş) kota tutmanız gerekiyor.

Çalışmalarımda ideal örneklem sayısını nasıl belirleyeceğim?

Bunun net bir cevabı yoktur. Her bir çalışma için örneklem sayısı değişmektedir. İdeal örneklem çalışmanızda analizini yapacağınız kitleler ile ilgilidir. Maksimum değeri şimdilik 1200, minimum değeri ise 300 olarak düşünebilirsiniz.

Örneğin anket sonuçlarını yaş ve cinsiyet ayrımında inceleyeceksiniz. Öncelikle yaş aralıklarını belirleyin. Bunlar 18-24, 25-34, 35-45, 45-54, 55+ olabilir. Her bir yaş kırılımında cinsiyet ayrımına gidilecek ise minimum kadın ve erkek için 30’ ar örneklem olacağını varsayın. Bu durumda çalışmanız için ideal örneklem sayısı 60*5 = 300’tür. Eğer yaş kırılımı altında; cinsiyet, cinsiyetin altında bilgisayar kullanımı gibi bir değişkene bakacak isenız örneklem sayınızı bir alt kırılıma daha girdiğiniz için yükseltin.

Anketim kaç sorudan oluşmalı?

Tüm çalışmalarda yaş, cinsiyet, eğitim durumu, meslek, gelir düzeyi gibi katılımcıyı daha iyi tanımamız için olmazsa olmaz demografik sorular yer alır. Diğer taraftan çalışmanın konusu hakkında irdeleme yapacağınız sorulara yer vereceğiniz için anketiniz uzayarak gidecektir. Katılımcının her bir soru üzerinde harcayacağı süreyi hesaba katmanız çok önelidir. Soracağınız soru sayısı zaman ile ilişkilidir. Bir sonraki bölümde bahsedeceğim ideal uzunluğu geçmeyecek şekilde soru formalarınızı tasarlamaya özen göstermelisiniz.

İdeal anket uzunluğu ne olmalı?

Anket soru formunu sahaya çıkmadan önce mutlaka yakın çevrenizde pilot çalışmalar yapın. Maksimum anket sürenizi 20 dk ile kısıtlayın. Önerim ise 10-15 dk uzunluğu geçmeyecek anketler oluşturmanızdır. Bu süreleri aştığınız vakit katılımcılardan aldığınız soruların kalitesi azalacaktır.

Soru formu akışında dikkat edilmesi gereken püf noktalar

-        Anketinizin ilk bölümünde sorduğunuz sorular çok önemlidir. Görüştüğünüz kişinin çalışmanız için uygun olup olmadığını belirlemek için eleme sorularınızı ilk sorularda sorun.

-        İlk sorularınız çok fazla kişisel sorular olmasın genel sorulardan özele doğru bir akış olsun

-        Likert ölçekte sorduğunuz blok sorularınız katılımcılar için sıkıcı geleceğınden bu tarz soruları anket sonlarına bırakmamaya özen gösterin

-        Soru formu girişinde anketinizin genel amacını anlatan kısa cümleler yer alsın

-        Form uzunluğu konusunda dürüst davranın

-        Tekrar eden sorulardan kaçının

Soru formumda olmazsa olmaz sorularım

Demografik sorular olmazsa olmazdır.

Soru seçeneklerinde ne zaman açık uçlu, ne zaman skalalı şıkları tercih etmeliyim

Genelde memnuniyet sorularından sonra veya ödemeye değer görülen fiyatı alınırken açık uçlu sorular tercih edilir. Örneğin bir konu hakkında memnuniyet 1-5 skalada sordunuz, düşük puan belirten görüşmeciler için neden bu konu hakkında olumsuz görüş belirttiniz gibi sorular sorulabiliyor.

Çalışmalarınızda mümkün olduğunca açık uçlu sorulardan kaçının. Zor durumda kalır iseniz bu sayı maksimum 2 veya 3 olmalıdır.

Bir konu hakkında hedef kitlenizin görüşlerini almak?

Genelde katılımcılar anketin hızlı tamamlanması için kaçamak cevaplar vermeyi tercih ederler. Onları kesinlikle sıkmayın. Sorularınızı yönlendirirken dikkatli olun. Sorularınızda kesinlikle yönlendirme yapmayın.

-          Bu ürün hakkındaki görüşleriniz olumlu mudur? - yanlış

-          Bu ürün hakkındaki genel düşüncelerinizi belirtir misiniz? - doğru

Birbiri ardına tekrar eden sorular

Çok düşülen bir yanlıştır. Daha öncede bahsettiğim gibi her bir soruyu ne için sorduğunuzu tekrardan gözden geçirin. Eğer aynı amaç için sorduğunuz birden fazla soru var ise arka arkaya sormayın. Mümkünse aralara başka sorular alın. Analiz aşamasında tekrar eden soruları mantıksal sınama için kullanabilirsiniz.

Anlaşılmaz sorular

Blok halinde sorduğunuz sorularda yönlendirdiğiniz ifadeler bazen anlaşılmazdır. Pilot çalışma yaparken bu ifadeler üzerinde mutlaka durun. Bu ifadeden ne anlaşıldığını irdeleyin. Gerekirse çıkartın çünkü yanlış anlaşılmış bir soru analiz aşamasında sizi farklı sonuçlara götürecektir.

Soru atlama, cevap taşıma

Bilgisayar destekli çalışmalarınızda bu özelliklerden faydalanın. Hem katılımcıyı daha çok anketin içine çekersiniz hemde hatırlatma yapmış olursunuz. Örneğin en sık kullanılan şampuan markası hakkında görüşlerini alırken. Daha önce bu şampuanı belirtmiştiniz. Bu şampuan hakkındaki genel görüşlerinizi merak ediyoruz diye devam edin.

Şıkları her bir katılımcı için farklı noktadan başlatmak

Anket soru formlarında sistematik hataları azaltmak için kullanılan bir yöntemdir. Veri kalitesini yükseltir. Blok sorularınızı her bir katılımcı için farklı sıra ile başlatmaya özen gösterin.

PAZARLAMA ARAŞTIRMALARINDA FİYATLANDIRMA YÖNTEMLERİ - 1

ÖZET

Mükemmel bir ürün yönetimi için tüketici nezdinde doğru fiyatın seçilmesi kritik bir süreçtir. Fiyatı, hedef tüketicinin ödemeye hazır olduğu fiyatın üstünde ise ürün ya da sunulan hizmet alanında en iyisi olsa dahi yüksek fiyatlandırmanın etkisiyle firma zarara uğrayabilir. Tam tersi olarak da tüketicinin ödemeye hazır olduğu fiyatın altında kalan bir fiyatlandırma, karlılığı düşürebilir ve bunun yanı sıra hedef kitlede ürünün kalitesi hakkında kuşku uyandırabilir. Bu yüzden, fiyatlandırma sürecinde tüketicinin ödemeye değer gördüğü fiyatı saptamak ürünün başarısına doğrudan etki eden önemli bir unsur olarak ortaya çıkmaktadır.

Bu blogtaki çalışmanın temel amacı, tüketicinin ödemeye değer gördüğü fiyatı saptamak için pazar araştırmalarında yaygınca kullanılan fiyatlandırma araştırma yöntemlerini açıklamak ve kullanılan yöntemler hakkında temel bilgiler vermektir

PLS başlangıç

Faydalı olacağını düşündüğüm 2 tane makalenin linkini aşağıda bulabilirsiniz.

İyi çalışmalar.

http://users.stat.umn.edu/~sandy/courses/8801/articles/pls.pdf

http://www.ats.ucla.edu/stat/sas/library/pls.pdf

Brand Preference

Tüketici karakteristik hareketleri, topiğin en ilgi çeken çalışmalarının başında gelmektedir.

1960'lar da ürüne olan talep azalmaya başlamasıyla araştırmacılar tüketici davranışlarına odaklanmışlardır. 1960 yılında Theodore Levitt'in HBR' de yayınlanan "Marketing Myopia" bu alanda ki ilk çalışmadır.

İlerleyen yıllarda bu karakteristik hareketler çeşitli değişkenlerle ilişkilendirilmeye çalışılmıştır.Yapılan çalışmalar neticesinde yaş, cinsiyet, sosyal statü, eğitim ile ilişkiler tespit edilmiştir.

Regresyon - Çoklubağlantı Kavramı (multicollinearity)

Bağımsız değişkenlerin doğrusal bağıntılarından en az biri yaklaşık olarak sıfıra eşit olduğunda, yani bağımsız değişkenler arasında bir ya da daha fazla doğrusal bağıntı olduğunda çoklubağlantı sorunu ortaya çıkmaktadır.

Bağımsız değişkenler arasında tam doğrusal ilişki olduğu durumda “tam çoklubağlantı”, bağımsız değişkenler arasındaki bağımsızlığın tam olmadığı durumda “güçlü çoklubağlantı” ortaya çıkar.

Çoklubağlantı genellikle, aşağıdaki nedenlerden dolayı ortaya çıkar: 

• Diğer değişkenlerin dönüşümleri olarak yeni değişkenler türetmek, ilgili değişkenler arasında çoklubağlantı ortaya çıkarabilir. Bu gibi durumlarda değişkenlerin oranları ve kuvvetleri, genellikle özgün değişkenlerle yaklaşık olarak çoklubağlantılı olacaktır.

• Yetersiz örnekleme, yakın doğrusal bağımlılıkların veri toplama sürecinin bir ürünü olduğu yakın doğrusal bağımlılıklar meydana getirebilir

Çoklubağlantıyı belirleme göstergeleri :

• Genellikle, iki bağımsız değişken arasındaki korelasyon katsayısı yaklaşık olarak 0.80’nin üzerinde ise çoklubağlantının olabileceği düşünülmektedir

• Regresyon modelinin anlamlılığı konusunda bilgi veren F ve katsayılara ilişkin t testlerinin incelenmesi de, çoklubağlantının varlığı konusunda bilgi verebilir

• Bir bağımsız değişkenin ya da gözlemin modele eklenmesi ya da modelden çıkarılması sonucunda regresyon katsayılarında meydana gelen büyük değişiklikler, çoklubağlantının varlığı konusunda işaret olabilir. Ayrıca modele yeni bağımsız değişkenler eklendiğinde 2R ’de önemli bir gelişme sağlanmazsa, çoklubağlantı problemi ortaya çıkmış olabilir

• Eğer bağımsız herhangi iki değişken arasındaki korelasyon katsayısının mutlak  değeri 1’e yaklaşıyorsa, bu iki bağımsız değişkenin yakın doğrusal bağımlı olduğu söylenebilir

Kısmi En Küçük Kareler Regresyon modeli

KEKKR, çok sayıda bağımlı ve açıklayıcı değişkenle çalışma olanağı sağlayan çok
değişkenli istatistiksel bir metottur.

KEKKR algoritmalarında gizli değişken hesaplama ve regresyon adımı bütünleşmiş
şekildedir. Gizli değişkenler tekil değer veya özdeğer ayrıştırması kullanılarak boyut
indirgeme ile elde edilmektedir. Boyut indirgemeden sonra gizli değişkenler, yeni açıklayıcı
değişkenler olarak, regresyon analizinde kullanılmaktadır. Gizli değişkenler, açıklayıcı
değişkenlerin doğrusal bir birleşimi olup aralarında doğrusal bağlantıya sahip değildir

Kısmi en küçük kareler yönteminde boyut indirgemeyi takiben, bağımlı değişkendeki
değişimi açıklamada en etkili olan gizli değişkenleri saptamada bazı model seçme kriterleri
kullanılmaktadır. Bu kriterlerden bazıları PRESS, Wold’s R ve Akaike bilgi kriteri ve BIC
olarak sayılabilir.

KEKKR model kurmak için optimum sayıda gizli değişken sayısını, açıklayıcı ve
bağımlı değişkenler arasındaki kovaryansı maksimum yapacak şekilde elde eder

Gizli değişkenler birbirine dik, karşılıklı bağımsız olmalıdır.

Marketing Science - PLS Path Modeling

Merhabalar uzunca bir süredir araştırmacıların gündeminde yer alan yapısal eşitlik modellerinin bir parçası olan PLS Path Modeling üzerine kısaca bilgi paylaşmak istiyorum.

PLS Path Modeling nedir?

Kovaryans temelli yapısal eşitlik modeli yaklaşımının yerine kısmi en küçük kareler tekniği ile yaklaşan yeni bir yöntemdir.

Avantajı ?

CBSEM' e (Covariance based structural equation modeling) göre avantajı, küçük örneklemlerde ve datanın normal dağılmaması durumunda kullanılabilir olmasıdır.

Kaynak : http://link.springer.com/chapter/10.1007%2F978-1-4419-1280-0_2

Ek bilgi : Regresyon modellerinin çok sayıda açıklayıcı değişkene sahip olması, gözlem sayısının açıklayıcı değişken sayısından daha az olması ve açıklayıcı değişkenler arasında çoklu doğrusal bağlantı probleminin varlığı gibi durumlar, regresyon analizindeki problemlerden bazılarıdır. Bu problemler en küçük kareler yöntemi varsayımlarını bozmaktadır. Kısmi en küçük kareler regresyonu (KEKKR), bu varsayımların bozulduğu durumlarda regresyon analizi yapmaya olanak sağlayan: kısmi en küçük kareler (KEKK) ve çoklu doğrusal regresyon yöntemlerinden oluşan çok değişkenli istatistiksel bir metottur.

Data Mining Using SAS Enterprise Miner

Matignon: Data Mining Using SAS Enterprise Miner from The Association for Computing Machinery on FORA.tv

Blind Taste Test

#tweetineulker (ÜLKER) WEB MINING

(850 Tweet ,09/12/2012- 16/12/2012)
Bar Plot (word frequency) :

1 hafta boyunca Ülker standına uğrayıp tweet atan tüketiciler en çok Granini ürününü denemişlerdir.
En sık tercih edilen Ülker Granini ürünü aynı zamanda 0,13 Portakal, 0,11 Vişne, Biskrem ve Doğallık ile ilişkilendirilmiştir. (korelasyon)

ulkergranini      denemek    meyvesuyu     portakal      biskremle
1.00         0.20           0.20              0.13           0.11
dogal         visne
0.11           0.11 WordCloud : Dendrogram : Social Network Analysis :

Tuborg Web Mining

Twit tarih aralıkları : 1 Aralık - 10 Aralık 2012

Bar Plot :

Not : Tuborg 0.17 (korelasyon) ile Gold kelimesi ile ilişkilendirilmiş ve 0.11 ile Unfiltered takip etmiştir.
Popüler Twit "MADEM SONUMUZ 'MORG' YAŞASIN KIRMIZI TUBORG"
Text Dendogram :

cluster 1 :  

cluster 2 : gold tuborg 

cluster 3 : efes tuborg 

cluster 4 : tuborg 

cluster 5 : morg tuborg 

cluster 6 : kirmizi tuborg 

cluster 7 : bir tuborg 

cluster 8 : adam bira tuborg 

cluster 9 : malt tuborg 

cluster 10 : bomonti tuborg 

Archetypal Analysis (Marketing Research)

From Spider -Man to Hero

Son zamanlarda ismine sıkça rastlıyorum. Bu yazımda okuduğum makalelerde dikkatimi çeken ayrıntılara değineceğim. Analizin ilk ortaya çıkışı 1994 yılıdır. Cutler ve Breiman Non-lineer EKK tekniğinde karşılaştıkları somut bir probleme çözüm bulmak amacı ile durumu minimize edecek bir algoritma geliştirerek AA'nın temelini oluşturdular. Ayrıca bu algoritma bir kaç regresyon eşitliğini çözümleyerek varyans açıklama oranını maksimize ediyor.
Teknik kendini K-means'e alternatif olarak konumlandırıyor. Aynı işi yapıyorlar fakat AA daha çok "pure types" lar ile ilgileniyor. Makalelerde ön plana çıkan özellik, K-meanste ki durumun ilerleyen dönemlerde geçerliliğini kaybettiği fakat AA ile yapılan segmentasyonun geçerliliğini uzunca bir süre kaybetmediğidir. Zaten analizin teoriği incelendiğinde sadece uçtaki durumlar(extreme value) ile ilgilendiğimizden K-meansteki en büyük sorun olan zaman zaman segmentlerin ayrışmamasının önüne geçiliyor. Gruplar arasındaki fark bir bakışta anlaşılırdır.
Farkı daha iyi anlayabilmeniz açısından yaptığım 3 kümeli bir uygulamanın çıktısını ekliyorum. K1..K3 : K-means cluster A1..A3 : Arc. Analysis

Kaynak : https://docs.google.com/viewer?a=v&q=cache:oJZ-H-YJ2icJ:www.action-research.com/archtype.html+&hl=tr&gl=tr&pid=bl&srcid=ADGEESgpPG3WVCe5dYDpNsYXx_UfMt4d_WI8CYdLtU7k1Oply8eATQ3WtWdcIZVwr4iFHbhJ-1gkAyP1awVuJj3194C5gNTTuG1i0MeMAfG8WWLQroodiQut0nK784wFF0oGFCXnWoNt&sig=AHIEtbRO0n-x4nLzznNlRb4DAKnQiCrs8g

Product test : https://docs.google.com/viewer?a=v&q=cache:VqNhdC0J1zMJ:interval.louisiana.edu/reliable-computing-journal/volume-14/reliable-computing-14-pp-105-116.pdf+&hl=tr&gl=tr&pid=bl&srcid=ADGEESiLHxpmDRlu0hWf4X9aMPruMNciHl5B9UWFdNwjiyjddJ1N0h8j2gKw092sloru6kScpRRB1ZlcI2jWyixzvhSAOPjd2B2oux4_1kH4TwmTOiCPkkUFn0KQPOrqyzRD_jf1bEju&sig=AHIEtbSQBlZXzus1-qtb7L77YcD58cuy9g

Not: Kendi çalışmamdır. İzinsiz paylaşılamaz.

“If our product is harmful . . . we’ll stop making it.”

“How to Lie with Statistics”
As late as 1974, a cigarette-company-funded pharmacologist “published an article in Executive Health titled “The Case against Tobacco Is Not Closed: Why Smoking May Not Be ‘Dangerous to Your Health’!”

http://andrewgelman.com/2012/09/cigarettes/#more-15581

Web Mining İş Bankası

Analize giren Twitlerin tarih aralıkları : 26.08.2012  (21:00) ~ 01.09.2012 (17:00)

Twitter'dan elde edilen 800 twit ile text mining yapılmıştır.

- Bankanın yayımlanan son reklam filminde genel bir beğeni kazanarak olumlu algı bıraktığını "Güzel", "Başarılı", "Harika", "Yaratıcı", "Süper".. gibi ifadelerden dolayı rahatlıkla söyleyebiliyoruz.

- Cem Yılmaz'ın, Servet Bey karakterinin önüne geçtiği açıkca görülmektedir. (büyük puntolu kelimeler önem arz etmektedir). Bununla birlikte; Cem Yılmaz yerine, Mehmet Ali Alabora' nın veya başka bir oyuncunun oynaması gerektiğini savunan kişilerin varlığı da kabul edilebilir orandadır.

- Reklamdaki "88 olduk mu?" lafı akıllarda kalıcı olarak, 88 yıllık banka imajı korunmuştur.

-  Cem Yılmaz'ın havada olduğu sahne ve final sahnesi hafızalara yerleşmiştir. (reklaminsonu & cemhavadeyken)

- Reklamın yönetmeni, senaristi, ajansı vb.. merakla irdelenmiştir.

Not: Kendi çalışmamdır. İzinsiz paylaşılamaz.

Yapısal Eşitlik Modellemesi

Web Mining Coca Cola

Çalışma sonuçları şöyle yorumlanabilir; 

- Son 1 ayda insanların gündemlerinde Coca Cola reklamları yer almaktadır.

- En çok Pepsi ile ilişkilendirilmiştir.

- Kişiler o anda Coca Cola içtiklerinden bahsetmişler ve Ramazan, sofra, iftar, mutluluk gibi kelimeler ile markayı ilişkilendirmişlerdir.

- Alkol, böcek, boya gibi kelimeler son 1 ayda Coca Cola markasını tercih etmeme nedenleri olarak belirtilebilir. Bu olumsuz görüşler muhtemel satış düşüşlerine bağlanabilir. Ayrıca Customer Satisfaction Index değerine doğrudan negatif yönde bir etkide bulunmuştur.

Not : Kendi çalışmamdır.

5 Interesting Free Books for R from beginner to experts

Always new software language in one technical activity is difficult, normally a good documentation can help, these are three book to use R software for beginner and for experts:

·         “Introduction to the R Project for Statistical Computing for Use at the ITC” by David Rossiter (PDF, 2010-11-21).

·         “R for Beginners” by Emmanuel Paradis (PDF,10 pages).

·         A Little Book of R for Multivariate Analysis (pdf, 49 pages) is a simple introduction to multivariate analysis using the R statistics software. It covers topics such as reading and plotting multivariate data, principal components analysis, and linear discriminant analysis.

·         A Little Book of R for Biomedical Statistics (pdf, 33 pages) is a simple introduction to biomedical statistics using the R statistics software, with sections on relative risks and odds ratios, dose-response analysis, clinical trial design and meta-analysis.

·         A Little Book of R for Time Series (pdf, 71 pages) is a simple introduction to time series analysis using the R statistics software (have you spotted the pattern yet?). It includes instruction on how to read and plot time series, time series decomposition, forecasting, and ARIMA models.

All books are free to use, share and remix under a Creative Commons license, and are available:

UPDATE: I updated the title, that's only five free books that I think interesting for R, Also there is another one that I forgot  Matlab for R programmer  I used Matlab from university till now (for me is always easier Matlab, but it is not free), both languages are similar but you always need a help (small tips).


Link : http://www.aphysicistinwallstreet.com/2011/11/free-books-for-r.html

Londra Olimpiyatları 100mt Erkekler Finali, R Model

2012 Londra Olimpiyatlarının başlamasına 1 haftadan daha kısa bir süre kaldı. Herhalde herkes benim gibi 100 mt. erkekler finalinin sonucunu merakla bekliyordur.

Olimpiyat tarihinde 100mt’yi ilk defa 10sn’ nin altında koşan atlet Jim Hines’di. 2008 yılında ise Usain Bolt 9.69sn ile kırılması güç bir derece elde etti ve hatta bununla yetinmeyip yeni hedefinin 9.58 olduğunu açıklamıştı. Bakalım istatistiksel olarak bu süre mümkün mü?

Bu uygulamamda R ile olimpiyat derecelerini modellemeye çalışacağım ve bu yılki 100mt erkekler finali için bir tahmin oluşturacağım.

Resimde modeli inceleyebilirsiniz. Bakalım 5 Ağustos'ta neler olacak. 9.68 sn altında koşulabilecek mi?

Modelimiz için öncelikle veriye ihtiyacımız var. http://www.databaseolympics.com/

Ayrıca XML ve drc paketlerini indirmemiz gerekli. Aşağıdaki komut ile bunu yapabiliyorduk.

install.packages()

Console;

library(XML)

library(drc) 

url <- "http://www.databaseolympics.com/sport/sportevent.htm?enum=110&sp=ATH"

data <- readHTMLTable(readLines(url), which=2, header=TRUE)

golddata <- subset(data, Medal %in% "GOLD")

golddata$Year <- as.numeric(as.character(golddata$Year))

golddata$Result <- as.numeric(as.character(golddata$Result))

tail(golddata,10)

logistic <- drm(Result~Year, data=subset(golddata, Year>=1900), fct = L.4())

log.linear <- lm(log(Result)~Year, data=subset(golddata, Year>=1900))  

years <- seq(1896,2012, 4)

predictions <- exp(predict(log.linear, newdata=data.frame(Year=years)))

plot(logistic,  xlim=c(1896,2012),

     ylim=c(9.5,12),

     xlab="Year", main="Olympic 100 metre",

     ylab="Winning time for the 100m men final (s)") 

points(golddata$Year, golddata$Result)

lines(years, predictions, col="red")

points(2012, predictions[length(years)], pch=19, col="red")

text(2012, 9.55, round(predictions[length(years)],2))

Alıntıdır: http://lamages.blogspot.com/2012/07/london-olympics-and-prediction-for-100m.html

R Uygulama 2 – Paket kurulumu

Link1 : http://cran.r-project.org/doc/manuals/R-admin.html#Installing-packages

Link2 : http://cran.r-project.org/web/packages/available_packages_by_name.html

Link3 : http://cran.r-project.org/web/packages/available_packages_by_date.html

Link4 : http://cran.r-project.org/web/packages/RODBC/RODBC.pdf

Spss kendisini bir program değil de modüller birleşimi olarak tanıtıyor. Aynı şekilde SAS’da bir modüller birleşimi. R de ise bu modül kavramı paketler ile karşımıza geliyor. R geliştiricileri tarafından yazılan bu paketleri indirip ilgili analizleri rahatlıkla yapabiliyoruz. Help(packages name) fonksiyonu ile paketin nasıl kullanacağına dair upuzun açıklama da cabası..! Paket kurulumu ile ilgili detaylı bilgiyi Link1’ den inceleyebilirsiniz. R’ de kullanabileceğimiz paketlerin isme göre sıralanmış biçimi Link2’ de, yayın tarihine göre sıralanmış biçimi Link3’te mevcuttur. Link2 ve Link3’te dosya indirme linki ve paketin hangi işlev için yazıldığı bulunmaktadır.

Uygulama:

RStudio Console bölümüne aşağıdaki kodu olduğu gibi yazıyoruz.

install.packages()

Ülke : UK (London) – 68 (Hangi serverdan indireceğimizi seçiyoruz)

Daha önce Link2’ den işimize yarayacak paketleri bulmuştuk. Karşımıza gelen listeden paket ismini buluyoruz. Şimdilik RODBC paketini yükleyeceğiz.  Link4’ te ne işe yaradığına dair güzel bir açıklama mevcut.