Nüve Forum

Nüve Forum > akademik > Veterinerlik Fakültesi > Kümeleme Analizi ile Seleksiyon - Selection by Cluster Analysis

Veterinerlik Fakültesi hakkinda Kümeleme Analizi ile Seleksiyon - Selection by Cluster Analysis ile ilgili bilgiler


Bu çalışmanın amacı, farklı disiplinlerde kullanım yeri bulmuş olan Kümeleme Analizi Yöntemi’nin hayvan ıslahı ile ilgili çalışmalarda da kullanılabileceğini göstermektir. Çalışmanın materyalini Çifteler Tarım işletmesinde yetiştirilen ve 1980-1998 yılları arasında

Veterinerlik Fakültesi Anatomi, Histoloji, Embriyoloji, Fizyoloji, Biyokimya, Mikrobiyoloji, Parazitoloji, Patoloji, Farmakoloji ve Toksikoloji, İç Hastalıklar, Cerrahi, Doğum ve Jinekoloji, Veteriner Hekimliği, Hastalıklar ve Klinikler Bilimler , Zootekni ve Hayvan Besleme, Döllenme ve Suni Tohumlama, Besin Hijyeni ve Teknolojisi dersleri, Zootekni, Hayvan Besleme ve Besleme Hastalıkları dersleri okutulur

Like Tree7Likes
  • 1 Post By Ayça Şallı
  • 1 Post By Ayça Şallı
  • 1 Post By Ayça Şallı
  • 1 Post By Ayça Şallı
  • 1 Post By Ayça Şallı
  • 1 Post By Ayça Şallı
  • 1 Post By Ayça Şallı

Cevapla

 

LinkBack Seçenekler Stil
  #1  
Alt 07.09.08, 09:44
Ayça Şallı - ait kullanıcı resmi (Avatar)
Yaratıcı
 
Üyelik tarihi: Dec 2006
İletiler: 1.399
Ayça Şallı için ne kadar gurur duyulsa azdır.Ayça Şallı için ne kadar gurur duyulsa azdır.Ayça Şallı için ne kadar gurur duyulsa azdır.Ayça Şallı için ne kadar gurur duyulsa azdır.Ayça Şallı için ne kadar gurur duyulsa azdır.Ayça Şallı için ne kadar gurur duyulsa azdır.Ayça Şallı için ne kadar gurur duyulsa azdır.Ayça Şallı için ne kadar gurur duyulsa azdır.Ayça Şallı için ne kadar gurur duyulsa azdır.Ayça Şallı için ne kadar gurur duyulsa azdır.Ayça Şallı için ne kadar gurur duyulsa azdır.
Standart Kümeleme Analizi ile Seleksiyon - Selection by Cluster Analysis

Bu çalışmanın amacı, farklı disiplinlerde kullanım yeri bulmuş olan Kümeleme Analizi Yöntemi’nin hayvan ıslahı ile ilgili çalışmalarda da kullanılabileceğini göstermektir.
Çalışmanın materyalini Çifteler Tarım işletmesinde yetiştirilen ve 1980-1998 yılları arasında satışa sunulan 535'i erkek, 392'si dişi olan toplam 927 Arap tayı oluşturmuştur.
Kümeleme metodu olarak k-Ortalama Yöntemi kullanılmıştır. Kümelerin belirlenmesinde yaş, cidago yüksekliği, göğüs çevresi ve incik çevresine ait değerler dikkate alınmıştır. Kullanılan bilgiler, satışa sunulan atlar ile ilgili olarak hazırlanan satış kataloglarından derlenmiştir.
Kümeler her bir cinsiyet için ayrı ayrı elde edilmiştir. Erkek taylar 16, dişi taylar ise 14 farklı kümeye ayrılmıştır.
Istatistisel analizlerin uygulanmasında SPSS for Windows Release 10.0 istatistik paket programından yararlanılmıştır.

: The aim of this study was to show that cluster analysis, which has been used in different disciplines, can be used in animal breeding studies.
This study included 535 Arabian colts and 392 Arabian fillies (total: 927) that were offered for sale between 1980 and 1998, bred at Çifteler State Farm.
As a cluster method, the k-means method was used. in terms of determination of clusters, the data used were age, height at vvithers, heart girth and cannon bone circumference. This information was obtained from the marketing catalogue.
The clusters were obtained for each sex separately. Colts were divided into 16 clusters, and fillies were divided into 14 clusters.
For the application of statistical analysis, SPSS for Windows Release 10.0 was used.

__________________

Güzel Sanatlar Fakültesi/Lisesi Yetenek Sınavlarına Hazırlık Kursu
Resim Yağlı Boya Hobi Kursu
Hızlı ve Etkili Okuma Kursu
Çocuklar için Hızlı Okuma Kursu
Çocuklar için Resim Kursu
Diksiyon Kursu
Nefes Teknikleri Kursu
Kişisel Gelişim Kursları
Alıntı ile Cevapla
  #2  
Alt 07.09.08, 09:45
Ayça Şallı - ait kullanıcı resmi (Avatar)
Yaratıcı
 
Üyelik tarihi: Dec 2006
İletiler: 1.399
Ayça Şallı için ne kadar gurur duyulsa azdır.Ayça Şallı için ne kadar gurur duyulsa azdır.Ayça Şallı için ne kadar gurur duyulsa azdır.Ayça Şallı için ne kadar gurur duyulsa azdır.Ayça Şallı için ne kadar gurur duyulsa azdır.Ayça Şallı için ne kadar gurur duyulsa azdır.Ayça Şallı için ne kadar gurur duyulsa azdır.Ayça Şallı için ne kadar gurur duyulsa azdır.Ayça Şallı için ne kadar gurur duyulsa azdır.Ayça Şallı için ne kadar gurur duyulsa azdır.Ayça Şallı için ne kadar gurur duyulsa azdır.
Standart Kümeleme Analizi ile Seleksiyon - Selection by Cluster Analysis

Hayvan ıslahı, üzerinde çalışılan populasyonun (sürünün) belirli bir veya birkaç özellik (verim) bakımından genotipik değerini şimdikine nazaran daha yüksek seviyelere çıkarmak amacı ile yapılan faaliyetler olarak tanımlanmaktadır (1). Mevcut populasyonun ıslahına, üzerinde durulan verim / verimler bakımından varyasyonun tespiti ve analizi ile başlanır. Bu analiz neticesinde verimli veya istenen özelliklere sahip olan bireyler damızlıkta kullanılmak üzere alıkonulur. Böylece bir grup içindeki bazı bireylere diğerlerine göre daha fazla döl verme olanağı sağlanır. Bu işleme “seleksiyon” denir (2, 3). Yirminci yüzyılın ilk başlarına kadar seleksiyon genellikle fiziki uygunluğa ve ırk karakterlerine göre yapılmaktaydı. Ancak pedigri kayıtları tutulmaya başlandıktan sonra ferdi kayıtlara ve ferdin ailesinin kayıtlarına bakılarak seçim yapılabilmesi için metotlar geliştirilmiştir (3).

__________________

Güzel Sanatlar Fakültesi/Lisesi Yetenek Sınavlarına Hazırlık Kursu
Resim Yağlı Boya Hobi Kursu
Hızlı ve Etkili Okuma Kursu
Çocuklar için Hızlı Okuma Kursu
Çocuklar için Resim Kursu
Diksiyon Kursu
Nefes Teknikleri Kursu
Kişisel Gelişim Kursları
Alıntı ile Cevapla
  #3  
Alt 07.09.08, 09:47
Ayça Şallı - ait kullanıcı resmi (Avatar)
Yaratıcı
 
Üyelik tarihi: Dec 2006
İletiler: 1.399
Ayça Şallı için ne kadar gurur duyulsa azdır.Ayça Şallı için ne kadar gurur duyulsa azdır.Ayça Şallı için ne kadar gurur duyulsa azdır.Ayça Şallı için ne kadar gurur duyulsa azdır.Ayça Şallı için ne kadar gurur duyulsa azdır.Ayça Şallı için ne kadar gurur duyulsa azdır.Ayça Şallı için ne kadar gurur duyulsa azdır.Ayça Şallı için ne kadar gurur duyulsa azdır.Ayça Şallı için ne kadar gurur duyulsa azdır.Ayça Şallı için ne kadar gurur duyulsa azdır.Ayça Şallı için ne kadar gurur duyulsa azdır.
Standart Kümeleme Analizi ile Seleksiyon - Selection by Cluster Analysis

Seleksiyon yöntemleri genel olarak;
1. Bireylerin kendi fenotipik değerlerine göre,
2. Akrabaların fenotipik değerlerine göre,
a. Pedigriye göre,
b. Yavru ortalamalarına göre ( progeny testing ),
3. Baraj metoduna göre,
4. İndeks metoduna göre,
şeklinde sınıflandırılmaktadır (2, 4-7).
Yukarıda verilen yöntemlerin hemen tamamında gözleme dayalı yada kayıtlardan yararlanarak veri elde edilmesi söz konusudur. Verilerin toplanmasında kullanılan bu metotlar bilimsel metotlar olarak kabul edildikleri için, bu metotların uygulanmaları sonucunda elde edilen sonuçlar da bilimsel değerleri olan sonuçlar olarak değerlendirilebilir. Bu metotlar bilimsel olarak kabul edilseler dahi bunların da bazı zayıf yönleri bulunmaktadır. Örneğin, fenotipe göre yapılan seçim işlemi, hızlı sonuç vermesine rağmen genotipi tam olarak yansıtmadığı için neredeyse terk edilmiş durumdadır. Pedigri yada yavru ortalamalarına göre yapılan seçim işleminde ise çok sayıda kayıt tutulması gerekmektedir. Baraj metoduna göre yapılacak seçimde ise barajın ne olacağı konusunun belirlenmesinde kullanılan herhangi bir objektif metot bulunmamaktadır. Seleksiyon işleminde en etkili metot olan indeks metodunda ise değerlendirmeye alınan hayvanların en son kayıtları tamamlanıncaya kadar elde bulundurulmaları gerekmektedir. Bu da büyük zaman alıcı önemli bir faktördür (2).
Verilen bu metotların ortak noktası bir sürü içindeki bütün bireylerin, dikkate alınan özellik yada özellikler bakımından sahip oldukları sayısal değerlerin büyüklükleri bakımından birbirleriyle karşılaştırılıyor olmalarıdır. Dolayısıyla herhangi bir özellik bakımından çok yüksek değer alan bir birey diğer özellikler bakımından çok kötü değerler de alsa çok yüksek değer aldığı özelliğinden dolayı diğer bireylere nazaran tercih edilebilecektir. Bu ise tek bir özelliğinden dolayı, seçilmemesi gereken bir bireyin seçilmesini sağlamaktadır ki bu bütün metotların en büyük zaafiyetidir.
Bilimsel araştırmalarda, araştırmaya konu olan olaylar veya nesneler her birey için aynı anda ölçülebilen bir veya birden çok değişken tarafından etkilenebilirler. Birden çok değişkenin ayrı ayrı ele alınarak analiz edilmesi, gerçek durumu açıklamayabilir. Çünkü, değişkenlerin ayrı ayrı ele alınarak analiz edilmesi, değişkenler arasındaki ilişkileri dikkate almamak demektir. Oysa gözlemlenen bu çok sayıda değişken arasında az veya çok bir ilişkinin olması beklenmektedir. Bu amaçla “Çok Değişkenli İstatistiksel Analiz Yöntemleri” geliştirilmiştir. Çok değişkenli istatistiksel analiz, çok sayıda değişken arasındaki ilişkileri ölçme ve açıklamada kullanılan yöntemler topluluğunu ifade eder ve bu analiz ile ilgili olarak geliştirilmiş yöntemler, bağımlılık analizinde kullanılan yöntemler ve karşılıklı bağımlılık analizinde kullanılan yöntemler olmak üzere iki grupta toplanabilir (8).
Bağımlılık analizinde, bir değişken veya değişken grubu, diğer değişkenler tarafından tahmin edilmekte veya açıklanmaktadır. Burada, bir değişken diğerlerine bağlı olup onlarla tahmin edilmektedir. Karşılıklı bağımlılık analizinde ise değişkenler arasındaki bağımlılık yerine karşılıklı bağıntılar söz konusudur. Bu tip analizin en iyi örneklerinden biri Kümeleme Analizi’ dir (8).
Kümeleme Analizi özellikle son yıllarda popüler olan, çok değişkenli istatistiksel yöntemlerden biridir. Bu yöntem, özellikle bilim ve iş alanında, bir çok durumda uygulanabilen, en etkili ve en kolay yorumlanabilen bir yöntem olma özelliği taşımaktadır (9-12). Kümeleme Analizi'nin genel amacı, gruplandırılacak verileri, benzerliklerine göre alt sınıflara ayırarak açıklamaktır.Başka bir ifade ile, çalışmada yer alan tüm değişkenler itibari ile bireyler veya nesneler arasındaki benzerlikler esas alınarak, benzer bireylerin aynı gruplarda veya kümelerde toplanması ve yeni bir bireyin hangi gruba dahil olduğunun tahmin edilmesi Kümeleme Analizi'nin esasını teşkil etmektedir (13, 14).
Kümeleme Analizi, bireylerin yada nesnelerin sınıflandırılmasını ayrıntılı bir şekilde açıklamak amacıyla geliştirilmiştir. Bu amaca yönelik olarak, ele alınan örnekte yer alan varlıklar aralarındaki benzerliklere göre gruplara ayrılır, daha sonra bu gruplara dahil edilen bireylerin profili ortaya konur. Bir başka ifade ile bu analizde, özellikle amaçlanan şey, öncelikle ele alınan örnekte gerçekte var olduğu bilinen grupları, varlıklar (birey yada nesne) arasındaki benzerliklere dayanan az sayıdaki karşılıklı özel grupları oluşturmak, daha sonra bu gruplara giren varlıkların profilini ortaya koymaktır (15).
Kümelemede pek çok yöntem bulunmakta ve bu yöntemler farklı başlıklar altında toplanmaktadır. Kümeleme yöntemleri, birim ya da değişkenleri uygun gruplara ayırırken grupları belirlemede izledikleri yaklaşımlara göre;
1. Aşamalı Kümeleme Yöntemleri (Hierarchical Cluster
Analysis Methods).
2. Aşamalı Olmayan Kümeleme Yöntemleri
(Nonhierarchical Cluster Analysis Methods) biçiminde iki
temel gruba ayrılmaktadır (9, 13, 14, 16).
Aşamalı kümeleme yöntemlerinde birimlerin birbirleri ile birleştirilmesinde değişik yaklaşımlar uygulanmaktadır. Bu yöntemlerden sıklıkla kullanılan ve bilinenler;
1. Tek Bağlantı Kümeleme Yöntemi,
2. Ortalama Bağlantı Kümeleme Yöntemi,
3. Tam Bağlantı Kümeleme Yöntemi,
4. Mc Quitty Bağlantı Kümeleme Yöntemi,
5. Küresel Ortalama Bağlantı Kümeleme Yöntemi,
6. Ortanca Bağlantı Kümeleme Yöntemi,
7. Ward Bağlantı Kümeleme Yöntemi’dir.
Aşamalı olmayan kümeleme yöntemlerinin gerek teorik dayanaklarının aşamalı kümeleme yöntemlerine göre daha güçlü olması gerekse küme sayısı konusunda ön bilgi olması ya da araştırmacının anlamlı olacak küme sayısına karar verebilmesi aşamalı kümeleme yöntemlerine tercih edilmesini sağlamaktadır.


__________________

Güzel Sanatlar Fakültesi/Lisesi Yetenek Sınavlarına Hazırlık Kursu
Resim Yağlı Boya Hobi Kursu
Hızlı ve Etkili Okuma Kursu
Çocuklar için Hızlı Okuma Kursu
Çocuklar için Resim Kursu
Diksiyon Kursu
Nefes Teknikleri Kursu
Kişisel Gelişim Kursları
Alıntı ile Cevapla
  #4  
Alt 07.09.08, 09:56
Ayça Şallı - ait kullanıcı resmi (Avatar)
Yaratıcı
 
Üyelik tarihi: Dec 2006
İletiler: 1.399
Ayça Şallı için ne kadar gurur duyulsa azdır.Ayça Şallı için ne kadar gurur duyulsa azdır.Ayça Şallı için ne kadar gurur duyulsa azdır.Ayça Şallı için ne kadar gurur duyulsa azdır.Ayça Şallı için ne kadar gurur duyulsa azdır.Ayça Şallı için ne kadar gurur duyulsa azdır.Ayça Şallı için ne kadar gurur duyulsa azdır.Ayça Şallı için ne kadar gurur duyulsa azdır.Ayça Şallı için ne kadar gurur duyulsa azdır.Ayça Şallı için ne kadar gurur duyulsa azdır.Ayça Şallı için ne kadar gurur duyulsa azdır.
Standart Kümeleme Analizi ile Seleksiyon - Selection by Cluster Analysis

Aşamalı olmayan kümeleme yöntemleri arasında en çok kullanılan yöntemler;
1. k-Ortalama Yöntemi,
2. En Çok Olabilirlik Yöntemi’dir.
Kümeleme Analizi’nde, orjinal değerler ya da standartlaştırılmış değerler kullanılabilir (15). Ayrıca önerilen bu metotta, bireylerin dikkate alınan özelliklerine ait bireysel değerlerinin büyüklükleri değil, bütün bireylerin incelenen tüm özellikler bakımından birbirlerine göre uzaklıkları dikkate alındığından birey seçmek yerine dikkate alınan bütün özellikler bakımından gruplar oluşturmak söz konusudur. Dolayısıyla fert seçiminden ziyade grup seçimi söz konusu olduğundan zaman kaybı önlenmekte ve tüm özellikler bakımından toplu değerlendirmeye müsaade edildiğinden diğer yöntemlere üstünlük sağlamaktadır.
Kümeleme Analizi'nde, küme sayısının belirlenmesi konusunda son yıllarda yoğun çalışmalar yapılmaktadır. Halen küme sayısının belirlenmesinde kullanılan en pratik yol, n kümelenecek birey sayısını göstermek üzere;

biçiminde belirtilmektedir (14).
Küme, birbirlerine yakın bireylerin çok boyutlu uzayda oluşturdukları birlik olarak ifade edilebilir. Bu durumda küme kavramı, “benzerlik" ve “uzaklık" kavramlarını çağrıştırmaktadır. Noktaların geometrik olarak gösterimlerinde ikiden fazla boyut olduğunda noktalar arasındaki uzaklıkları çok boyutlu olarak hesaplamak gerekir. P sayıda değişkene göre birimler yada değişkenler arasındaki uzaklıkları hesaplamak için en sık kullanılan uzaklık ölçüleri;
1. Minkovvski Uzaklığı,
2. Öklid ( Euclide ) Uzaklığı,
a. Ölçekli Öklid Uzaklığı,
b. Binary Öklid Uzaklığı,
3. Pearson Uzaklığı,
4. Manhattan ( City-Blok ) Uzaklığı,
5. Mahalanobis Uzaklığı,
6. Hotelling T2 Uzaklığı,
7. Canberra Uzaklığı,
olarak verilmektedir (12, 16, 17). Kümeleme analizinde veri girişinden sonra, hesaplanan uzaklık değerlerinden yararlanarak birey ya da nesnelerin kümelere atanması işlemi yapılmaktadır. Kümeleme yöntemleri, uzaklık matrisi ya da benzerlik matrisinden yararlanarak birimler ya da değişkenleri kendi içinde homojen ve kendi aralarında heterojen gruplar oluşturmayı sağlayan yöntemlerdir. Veri matrisinde yer alan n birimin p değişkene göre uzaklıkları, uzaklık matrisi adı verilen D matrisi ile gösterilir. D matrisinin elemanları ds ya da d(ij) biçimindedir ve nxn uzaklık matrisi aşağıdaki şekilde gösterilmektedir,

D uzaklık matrisinin uzaklık fonksiyonu olması için gerekli şartlar şunlardır; X,Y ve Z Öklid uzayında üç nokta olmak üzere,
a) Negatif olmama, D(X,Y) > 0;
b) Simetri, D(X,Y) = D(Y,X);
c) Teşhis işareti, D(X,X) = O
d) Kesinlik, D(X,Y) = O ancak ve ancak X=Y ise,
e) Üçgen eşitsizliği, D(X,Y) < D(X,Z) + D(Z,Y)
koşulları geçerli ise D, bir uzaklık olarak adlandırılır (18). Birimlerin birbirleriyle olan benzerlik düzeyleri benzerlik (S) matrisi ile gösterilir. Benzerlik matrisinin elemanları D matrisinin elemanlarına göre belirlenir. S = 100*[l-du / max(d,j)] matrisinin elemanları Ss ya da S(ij) biçiminde gösterilir. S benzerlik matrisinin gösterimi,

gibidir (15, 17).
Bu çalışmanın amacı, farklı disiplinlerde kullanım yeri bulmuş olan Kümeleme Analizi Yöntemi’nin hayvan ıslahı ile ilgili çalışmalarda da kullanılabileceğini göstermektir.

Eklenmiş Resim
Dosya tipi: jpg formul.JPG (1,5 KB (Kilobyte), 867x kez indirilmiştir)
Dosya tipi: jpg formul1.JPG (6,0 KB (Kilobyte), 937x kez indirilmiştir)
Dosya tipi: jpg formul2.JPG (6,5 KB (Kilobyte), 915x kez indirilmiştir)
__________________

Güzel Sanatlar Fakültesi/Lisesi Yetenek Sınavlarına Hazırlık Kursu
Resim Yağlı Boya Hobi Kursu
Hızlı ve Etkili Okuma Kursu
Çocuklar için Hızlı Okuma Kursu
Çocuklar için Resim Kursu
Diksiyon Kursu
Nefes Teknikleri Kursu
Kişisel Gelişim Kursları
Alıntı ile Cevapla
  #5  
Alt 07.09.08, 09:57
Ayça Şallı - ait kullanıcı resmi (Avatar)
Yaratıcı
 
Üyelik tarihi: Dec 2006
İletiler: 1.399
Ayça Şallı için ne kadar gurur duyulsa azdır.Ayça Şallı için ne kadar gurur duyulsa azdır.Ayça Şallı için ne kadar gurur duyulsa azdır.Ayça Şallı için ne kadar gurur duyulsa azdır.Ayça Şallı için ne kadar gurur duyulsa azdır.Ayça Şallı için ne kadar gurur duyulsa azdır.Ayça Şallı için ne kadar gurur duyulsa azdır.Ayça Şallı için ne kadar gurur duyulsa azdır.Ayça Şallı için ne kadar gurur duyulsa azdır.Ayça Şallı için ne kadar gurur duyulsa azdır.Ayça Şallı için ne kadar gurur duyulsa azdır.
Standart Kümeleme Analizi ile Seleksiyon - Selection by Cluster Analysis

Materyal ve Metot
Çalışmanın materyalini, Çifteler Tarım İşletmesinde yetiştirilen ve 1980-1998 yılları arasında satışa sunulan 535'i erkek, 392'si dişi olan toplam 927 Arap tayı oluşturmuştur.
Kümeleme metodu olarak k-Ortalama Yöntemi kullanılmıştır. Bu tekniğin bilgisayar algoritmalarında^ pratik işleyişi,
1. İlk k gözlemin her biri bir gözlemli küme olarak alınır,
2. Kalan n-k gözlemin her biri, ortalaması en yakın olan kümeye atanır ve her atamadan sonra küme ortalamaları yeniden hesaplanır,
3. Tüm bireylerin kümelere atanması bittikten sonra, n bireyin son bulunmuş küme ortalamalarına göre yeniden atamaları yapılır,
4. Bir önceki kümelemeye göre son elde edilen
kümelemede kümeler arası birey geçişi durana kadar
üçüncü adım tekrarlanır, şeklindedir (17).
k-ortalama yönteminde bireylerin kümelere atanmasında uzaklık ölçütü olarak Mahalanobis Uzaklığı kullanılmaktadır (15). Mahalanobis Uzaklığı, Öklid Uzaklığı’nın genelleştirilmiş bir biçimidir. n*p boyutlu bir veri matrisinde birimler arasındaki Öklit Uzaklığı;
p
d(İ j) = S (Xik - Xjk)
i =1, 2,......... n,
j =1, 2,............ n,
n = birey / birim sayısı,
p = değişken sayısı,
xik ve yjk ise sırasıyla i. ve j. bireylerin k. özelliğe ait değerler,
şeklinde hesaplanmaktadır. Mahalanobis Uzaklığı ise,
d (i j) = (Xj + Xj)1 S" (Xi - xj)
xı: i. bireye ait gözlem vektörü,
X. : j. bireye ait gözlem vektörü,
t : vektör devriği (transpozesi),
formülü ile hesaplanır. Formülde yer alan S"1 , benzerlik matrisinin tersini göstermektedir.
Kümelerin belirlenmesinde taylara ait yaş, cidago yüksekliği, göğüs çevresi ve incik çevresine ait standartlaştırılmış değerlerden yararlanılmıştır. Standartlaştırma işlemi, herbir cinsiyet ayrı ayrı dikkate alınarak, değişkenlere ait değerler ile değişkene ait ortalama arasındaki fark, standart sapmaya bölünerek yapılmıştır. Kümeler her bir cinsiyet için ayrı ayrı elde edilmiştir. Kullanılan bilgiler, satışa sunulan taylar ile ilgili olarak hazırlanan satış kataloglarından derlenmiştir.
Kullanılan metodun gerçekten birbirinden farklı kümeler oluşturup oluşturmadığını anlamak için her bir değişken ayrı ayrı dikkate alınarak Varyans Analizi yapılmıştır. Varyans Analizi’nde erkek taylar için 4’üncü, 8’inci, ve 12’inci kümeler, dişi taylar için ise l’inci ve 3’üncü kümeler denek sayılarının yetersizliğinden dolayı dikkate alınmamıştır.

__________________

Güzel Sanatlar Fakültesi/Lisesi Yetenek Sınavlarına Hazırlık Kursu
Resim Yağlı Boya Hobi Kursu
Hızlı ve Etkili Okuma Kursu
Çocuklar için Hızlı Okuma Kursu
Çocuklar için Resim Kursu
Diksiyon Kursu
Nefes Teknikleri Kursu
Kişisel Gelişim Kursları
Alıntı ile Cevapla
  #6  
Alt 07.09.08, 10:05
Ayça Şallı - ait kullanıcı resmi (Avatar)
Yaratıcı
 
Üyelik tarihi: Dec 2006
İletiler: 1.399
Ayça Şallı için ne kadar gurur duyulsa azdır.Ayça Şallı için ne kadar gurur duyulsa azdır.Ayça Şallı için ne kadar gurur duyulsa azdır.Ayça Şallı için ne kadar gurur duyulsa azdır.Ayça Şallı için ne kadar gurur duyulsa azdır.Ayça Şallı için ne kadar gurur duyulsa azdır.Ayça Şallı için ne kadar gurur duyulsa azdır.Ayça Şallı için ne kadar gurur duyulsa azdır.Ayça Şallı için ne kadar gurur duyulsa azdır.Ayça Şallı için ne kadar gurur duyulsa azdır.Ayça Şallı için ne kadar gurur duyulsa azdır.
Standart Kümeleme Analizi ile Seleksiyon - Selection by Cluster Analysis

Bulgular
Erkek taylar için k-ortalama yöntemi kullanılarak elde edilen kümelere ait sonuçlar Tablo l’de, dişi taylara ait sonuçlar ise Tablo 2’de verilmiştir


Erkek taylar için oluşturulan kümelere ait Varyans Analizi sonuçları Tablo 3’te, dişi taylar için oluşturulan kümelere ait Varyans Analizi sonuçları ise Tablo 4’te verilmiştir.
Varyans Analizi tablolarından da görüldüğü gibi dikkate alınan tüm değişkenler bakımından elde edilen kümeler arasında istatistiksel olarak anlamlı farklılıklar bulunmuştur.



Eklenmiş Resim
Dosya tipi: jpg tablo1.JPG (105,5 KB (Kilobyte), 940x kez indirilmiştir)
Dosya tipi: jpg tablo2.JPG (96,4 KB (Kilobyte), 945x kez indirilmiştir)
Dosya tipi: jpg tablo3.JPG (50,8 KB (Kilobyte), 915x kez indirilmiştir)
Dosya tipi: jpg tablo4.JPG (50,6 KB (Kilobyte), 888x kez indirilmiştir)
__________________

Güzel Sanatlar Fakültesi/Lisesi Yetenek Sınavlarına Hazırlık Kursu
Resim Yağlı Boya Hobi Kursu
Hızlı ve Etkili Okuma Kursu
Çocuklar için Hızlı Okuma Kursu
Çocuklar için Resim Kursu
Diksiyon Kursu
Nefes Teknikleri Kursu
Kişisel Gelişim Kursları
Alıntı ile Cevapla
  #7  
Alt 07.09.08, 10:10
Ayça Şallı - ait kullanıcı resmi (Avatar)
Yaratıcı
 
Üyelik tarihi: Dec 2006
İletiler: 1.399
Ayça Şallı için ne kadar gurur duyulsa azdır.Ayça Şallı için ne kadar gurur duyulsa azdır.Ayça Şallı için ne kadar gurur duyulsa azdır.Ayça Şallı için ne kadar gurur duyulsa azdır.Ayça Şallı için ne kadar gurur duyulsa azdır.Ayça Şallı için ne kadar gurur duyulsa azdır.Ayça Şallı için ne kadar gurur duyulsa azdır.Ayça Şallı için ne kadar gurur duyulsa azdır.Ayça Şallı için ne kadar gurur duyulsa azdır.Ayça Şallı için ne kadar gurur duyulsa azdır.Ayça Şallı için ne kadar gurur duyulsa azdır.
Standart Kümeleme Analizi ile Seleksiyon - Selection by Cluster Analysis

Tartışma
k-ortalama yöntemi kullanılarak tayların kümelere ayrıldığı bu çalışmada, dikkate alınan faktörlerin genetik yapıdan etkilendikleri düşünülerek, kümeleme işlemi her bir cinsiyet ayrı ayrı dikkate alınarak gerçekleştirilmiştir. Cidago yüksekliği bakımından erkek taylarda minimum değer 134 cm, maksimum değer 162 cm, dişi taylarda ise bu değerler sırasıyla 129 cm ve 156 cm, göğüs çevresi bakımından erkek taylarda minimum değer 133 cm, maksimum değer 187 cm, dişi taylarda ise bu değerler sırasıyla 136 cm ve 182 cm, incik çevresi bakımından erkek taylarda minimum değer 16 cm, maksimum değer 21 cm, dişi taylarda ise bu değerler sırasıyla 14 cm ve 20 cm olarak elde edilmiştir. Bu değerlere göre genel olarak dişi tayların erkek taylara nazaran cidago yüksekliği, göğüs çevresi ve incik çevresi bakımından daha düşük değerler aldığı söylenebilir. Tayların satışa sunuldukları andaki yaşlarına bakıldığında erkek tayların minimum
360, maksimum 1011 günlük, dişi tayların ise minimum 361, maksimum 997 günlük oldukları görülmektedir. Dolayısıyla satış işlemlerinde erkek ve dişi taylar için farklı yaşlarda satış yapılmadığı ve dikkate alınan değişkenler bakımından cinsiyetler arasında görülen farklılıkların yaş'tan ziyade cinsiyetten kaynaklanan genetik yapıya bağlı olduğu söylenebilir.
Gerek erkek taylara gerekse dişi taylara ait kümelere bakılarak üzerinde durulan özellik bakımından seçim yapılabilir. Eğer ilgilenilen özelliğe göre yüksek değerlere sahip bireylerin seçilmesi isteniyorsa erkek taylarda cidago yüksekliği ve göğüs çevresi için ikinci, incik çevresi için on birinci ya da on dördüncü kümenin, dişi taylar için ise her üç özellik bakımından da on dördüncü kümenin seçilmesi gerekir. Eğer dikkate alınan değişkenlere ait en düşük değerler bakımından seçim yapılması isteniyorsa, erkek taylar için cidago yüksekliği bakımından üçüncü kümenin, göğüs çevresi bakımından on ikinci kümenin, incik çevresi bakımından ise ya on ikinci kümenin ya da on altıncı kümenin seçilmesi gerekir. Dişi taylar için ise, her üç değişkene göre üçüncü kümenini seçilmesi gerekir.
Görüldüğü gibi Kümeleme Analizi’nde, dikkate alınan iki özellik bakımından herhangi bir kümenin tercih edilmesine rağmen üçüncü özellik bakımından bir başka kümenin tercih edilmesi ya da her bir değişken için ayrı ayrı kümelerin tercih edilebilir olması gibi sonuçlar ile karşılaşılması mümkündür. Bu tür sonuçların ortaya çıkması Kümeleme Analizi’nde bir ödünleşim problemini gündeme getirmektedir. Yani iki özellik bakımından tercih edilen bir kümenin üçüncü bir özellik bakımından tercih edilememesi ya da her bir değişken için farklı kümelerin seçilmesinin gerektiği durumlarda karar vericinin bir karar vermesi gerekebilir. Bu tür sonuçların ortaya çıktığı durumlarda karar vericinin, dikkate alınan değişkenlerin önemine göre küme seçmesi gerekir.
Diğer seleksiyon metotlarına göre zaman, işgücü, maliyet, güvenilirlik, objektiflik vb. yönlerden avantajlı olmasından dolayı hayvan ıslahında özellikle de seleksiyon yaparken bir metot olarak Kümeleme Analizi’nin kullanılmasının uygun olacağı söylenebilir.



Kaynakpdf
Eklenmiş Dosya
Dosya tipi: pdf Kümeleme Analizi ile Seleksiyon.pdf (65,9 KB (Kilobyte), 60x kez indirilmiştir)
__________________

Güzel Sanatlar Fakültesi/Lisesi Yetenek Sınavlarına Hazırlık Kursu
Resim Yağlı Boya Hobi Kursu
Hızlı ve Etkili Okuma Kursu
Çocuklar için Hızlı Okuma Kursu
Çocuklar için Resim Kursu
Diksiyon Kursu
Nefes Teknikleri Kursu
Kişisel Gelişim Kursları
Alıntı ile Cevapla
Cevapla

Tags
analizi, analysis, cluster, kümeleme, selection, seleksiyon

Seçenekler
Stil

Yetkileriniz
You may not post new threads
You may not post replies
You may not post attachments
You may not edit your posts

BB code is Açık
[IMG] Kodları Açık
HTML-KodlarıKapalı
Trackbacks are Açık
Pingbacks are Açık
Refbacks are Açık



Bütün zaman ayarları WEZ +2 olarak düzenlenmiştir. Şu anki saat: 09:55 .