NEDENSEL BAYES AGLARI VE VERi DEN AG OGRENME

20 Pages·2016·7.01 MB·Turkish

BAYES AG YAPISININ OLUSTURULMASINDA
FARKLI YAKLASIMLAR: NEDENSEL BAYES
AGLARI VE VERi DEN AG OGRENME
Esma Nur ~iNiCiOGLU ~ule Onsel EKici Fiisun ULENGiN
istanbul Universitesi Dogu~ Universitesi Sabanci Universitesi
i~letme Fa ku Itesi Muhendislik Fakultesi Endustri Yiinetim Bilimleri Fakultesi
SaYlsal Yiintemler ABD Muhendisligi Biilumu
Dzet
araSl sistem a<;lSl <;er<;evesinde detayh olarak
Degi~kenler ili~kilerin bakl~
incelenebildigi Bayes Aglan'nm temelde iki farkh yontem
olu~turulmasmda
kullarulmaktadlr: Uzman dayanan Nedensel Bayes Aglan (NBA) ve
gorii~i.ine
ag yaplsmm veri setinden ogrenildigi Bayes Aglan (BA). NBA'nm en biiyiik
avantajl, yapllan analizlerin ve senaryolarm, sadece olaslhksal
Qlu~turulan
de gil aym zamanda nedensel ve a<;lklaylcl bir tabana dayanmasldlr. BA'nda
ise arasmdaki saYlsal ve istatistiki yontemlere dayandlkla
degi~kenler ili~kiler
n i<;in bu aglarm daha objektif bir ag yaplsma dayandlgl soylenebilir. Aynca
her iki agm kullanabilecegi ve siire<;leri arasmda
<;ah~malar olu~turulma
onemli farkhhklar mevcuttur. Bu aym veri seti kullanllarak soz
<;ah~mada
konusu bu iki yontem ile iki farkh ag iki farkh ag yaplsl ve
kurulmu~, olu~tu­
rulma sfue<;leri arasmdaki farkhhklar ve benzerlikler irdelenerek
ara~tumaCl­
lar i<;in bir yol gosterici
olu~turulmaya <;ah~llml~tlr.
Anahtar Kelimeler: Bayes Aglan, Nedensel Bayes Aglan, Duyarhllk Ana-
lizi.
267
Giri~
Bayes Aglan'nda degi§kenler arasmdaki bagImhhk ili§kilerinin gorsel
olarak sunumu, diger istatistiksel modellerin aksine tek bir pktl degi§kenine
bagh kalmmadan <;lkanmlarm yapilabilmesi ve agda yapilan pkanmlarm
gozlemler somaSI yenilenebilmesi gibi ozellikleri; son Yillarda Bayes Agla
n'nm ogrenilmesine yonelik algoritmalar ile ilgili ara§tlrmalarm hlZh bir §e
kilde <;ogalmasma neden olmakta ve bu artl§a paralel olarak Bayes Aglan'nm
hedef pazarlamadan (Cinicioglu vd., 2007), tlbbi te§hise (Nikovski, 2000), dep
rem tahmin sistemlerininden (Bayraktarh, 2005), veri madenciligme
(Heckerman, 1997) ve sosyal bilimlerde yapIlan ara§hrmalara kadar <;ok farkh
konularda bir uygulama/ara§tlrma araCl olarak kullanlmmm artmasma sebep
olmu§tur.
Bayes Aglan degi§kenlerin diigiimler, degi§kenler araSl bagImhllk ili§ki
lerinin ise y6nlii oklar araClhgIyla g6sterildigi olasIhksal grafiksel modellerdir
(Pearl,1988). Bir Bayes AgI'nda Xl ve X2 agda yer alan herhangi iki degi§ken
olmak iizere, Xl degi§keninden X2 degi§kenine bir ok oImasl durumunda Xl
degi§keni X2 degi§keninin ebeveyni, X2 degi§keni ise Xl'in <;ocuk degi§keni
olarak adlandmhr. Bayes Aglan'nda agda yer alart degi§kenlerin ko§ullu ola
slllk dagllimlarmm <;arpiffil agm birle§ik olasIllk dagIhmmI olu§turur. N agda
yer alan degi§ken saYISml g6stermek iizere, bu durum Formiil l'de gosteril
mi§tir.
N
IT
P(X] , ... , X N) = P(Xi I Ebeveyn(Xi)) (1)
i=]
Bir Bayes Agl'nm niteliksel ve niceliksel olmak iizere iki seviyede goste
rimi yapIhr. Degi§kenlerin diigumler, degi§kenler araSl bagImhllk ili§kilerinin
ise oklar araclhglyla g6sterildigi grafiksel kisim agm niteliksel klsmmi olu§tu
rurken, degi§kenlerin sahip olduklan olasIhk dagIhmlarml g6steren ko§ullu
olasIllk tablolan agm niceliksel katmanml olu§turmaktadu. $ekil l'de Xl, X2,
X3 ve X4 olmak iizere, d6rt degi§kenden olu§an ornek bir Bayes AgI'nm goste
rimi yapIlmaktadlr. Bu agda g6riildiigii iizere Xl degi§keninin ebeveyni bu
lunmamakta, agda marjinal dagllimi ile yer almaktadu. X2 ve X4, Xl' degi§ke
ninin, X3 ise X2 degi§keninin <;ocuk degi§keni olarak agda· yer almaktadu.
Bayes Aglan'nda agda yer alacak degi§kenlerin <;ocuk ya da ebeveyn sayIlan
na dair bir kisitlama bulunmamaktadu.
268
Dort basit bir Bayes AgI gosterimi
~ekill: degi~kenden olu~an
Bayes Aglarmda ag yaplsmm belirlenmesinde iki ana soz konu
yakla~lm
sudur: ilk yakla~lm degi~kenler araSI bagImhhk ili~kilerinin mevcudiyetinin
ve yonilniin uzman dayarularak belirlendigi bir silreci
ili~kinin goril~iine
Bu ile aglarda ebeveyn dilgum ile
i~ermektedir. yakla~lm olu~turulan ~ocuk
dilgum arasmda var oimasl nedeniyle, bu aglar "Ne
neden-sonu~ ili~kisinin
densel Bayes Aglan" olarak adlandmhrlar (Laskey ve Mahoney, 1997). ikinci
ise ag yaplsl mevcut algoritmalar araClhgIyla veri setinden ogreni
yakla~lmda
lir. Ogrenilen agda ok yonleri nedensellik i~ermezler, sadece olasIhksal bagtm
hhk gostergeleridir. Daly vd.'(2011)'nin yaphklan litera
ili~kilerinin ara~tuma
tiirde yer alan ag yapIlarmm ogrenilmesinde kullarulan farkh algoritmalar ile
ilgili ayrmhh bir analiz
i~ermektedir.
Bu ile Bayes Aglan'nda ag yaplsmm kurulmasmda gori.i1en bu iki
~ah~ma
ana incelenerek, yontemlerin getirdigi avantaj ve dezavantajlarmm
yakla~lIDm
ve uygulama alanma gore hangi ya da melez
tarh~llmasl yakla~lmm yakla~lm­
larm izlenmesi gerektigine dair bir degerlendirme yapIlmasl ama~lanmakta­
du. Bu ama~la ilk a~amada Tilrkiye Kimya sektOriine ili~kin veri setinden
yararlarularak uzman gori.i~iine dayanan Nedensel Bayes AgI kurulacak ve
kurulan agm etkinligi ve tahmin etme kapasitesi smanacakhr. <;ah~manm bir
sonraki a~amasmda aym veri setinden bu sefer mevcut algoritmalar yardImIY
la Bayes agmm kurulmasl ve bu ~ekilde kurulan agm ve tahmin etme kapasi
tesinin smanmaSI ama~lanmaktadIr.
. Degi~kenler arasmdaki ili~kilerin saylsal ve istatistiki yontemlere dayan
maSI sebebiyle veri setinden ogrenilen Bayes Aglan'nm nedensel Bayes Agla
n'na gore tahmin etroe kapasitesi apsmdan daha iyi sonu~lar vermesi bek
lenmektedir. Ancak Nedensel Bayes Aglan'nm degi~kenler arasmdaki neden
sonu~ ili~kilerini gorseI olarak ifade edebilme ilstiinlilgil; ozellikle agda ~e~itli
gozlemler yapllarak degi~kenler ile ilgili sonsal olasIhklarm gozlenmesi ve
buna bagh olarak yapIlan analizlerin ve olu~turulan senaryolarm, sadece
269
olaslhksal degil ayru zamanda nedensel ve aC;lklaylCl bir tab ana dayanmasl
apsmdan onemlidir. Bu nedenledir ki ele aiman problemin ic;erigi ve kullam
Ian veri setinin ozellikieri dikkate aimarak, kullamiacak agm yon
olu~turulma
teminin beIirlenmesi ic;in tahmin etme kapasitesi c;ok onemli bir olc;ut oisa da;
tahmin etme kapasiteleri arasmda ytiksek farklarm oimadlgi durumlarda agm
ve duruluk seviyesi gibi farkh olc;utlerin devreye girmesi gerekli
anIa~lhrhk
dir.
Ag yaplsmm yonteminin belirlenmesinde bir onemli
olu~turulu~ ba~ka
nokta agm uygulama amaCl ve ara~tuma konusunun ic;erigidir. bmegin hedef
pazarlama gibi bir uygulama alanmda uzman c;ok, mevcut veri
goru~tinden
setlerine bakllmasl ve verinin agm bu dogrultuda
gec;mi~ zenginle~tirilerek
veriden ogrenilmesi esas olmahdu. Kabul edilmelidir ki; bir pazarlama uzma
nmm urtin birliktelikleri hakkmdaki bilgisi her ne kadar ust seviyede olsa da,
bu bilginin, buytik veri setlerine gUntimuz dtinyasmda, sayisal
uIa~llabilen
yontemlerin getirecegi bilgi ile Buna ek olarak; ag
yan~abilecegi ku~kuludur.
yontemi sec;iminde goz ontinde bulundurulmasl gereken bir
olu~turma ba~ka
kriter, agda yer alacak saYlsldu. <;ok saytda ic;eren bir ag;
degi~ken degi~keni
bu degi~kenler arasmda oiabilecek c;ok saYlda ili~kinin smanmaSl ve belirlen
mesini gerekli kllar. Bu nedenle ele aimacak problemin ic;erdigi saYlsl
degi~ken
yuksek ise ve rum bu modele dahil edilmesi amac;laruyorsa,
degi~kenlerin
"Nedensel Bayes Aglan" kurmak yerine, ag yaplsmm veri setinden ogrenil
mesi tercih edilir. Ancak degi~ken sec;imi yapllarak degi~ken saYlsmm indir
genecegi durumlarda ise uzman sec;imin yapllmasl ve
goru~tine ba~vurarak
bunu takiben Nedensel Bayes Aglan'nm kurulmasl avantajh olabilir. Aksi
takdirde sezgisel yontemler araClhglyla agda yer alacak degii?kenlerin sec;imi
ve sonrasmda agm veriden ogrenimi yaplhr. (Hruschka vd., 2004, Sun ve
Shenoy, 2007, Cinicioglu ve Shenoy, 2012, Cinicioglu ve Buyukugur, 2014).
Tum bunlara ek olarak; Nedensel Bayes Aglan olui?turulurken goz ontinde
bulundurulmasl gereken bir bai?ka olc;Ut, uzman olarak kimlerin adlandmlabi
lecegi ve uzmanlarm degii?kenler araSl belirlemede bai?vuracai?;! yon
ili~kileri
temlerin neler olacai?;!du (Brooker, 2011)
Literarurde uzman gorui?tine bai?vurularak kurulan NBA ile veriden ag
yaplsmm ogrenildigi BA'nm kari?llai?tlnlmasmm yaplldlgl detayh bir c;ahi?ma
bulurunamaktadu. Oysa her iki yontemin usttin ve zaYlf yonlerinin bilinmesi
ve bunlar dikkate almarak agm yaplsmm ic;in dogru yontem
olu~turulmasl
sec;iminin yapllmasl buyuk onem tai?lmaktadlr. Bu c;ahi?ma ile bu bOi?lugun
doidurulmasl ve arai?tumaCllar ic;in referans niteligi tai?lyacak bir analizin ya
pllmasl amac;lanmaktadu. Her iki yontem ile olu~turulacak aglar ic;in Rekabet
270
Forumu Kimya Sektoru Raporu'nda kullamlan CUlengin vd, 2012) veri seti
kullamlacaktu.
1. Bayes Aglarmm Kimya SektorLi'nde Bir Analizi
Kar~lla~tlrmah
Kimya Sektoru, saYIslZ kimyasal uretim sure<;leri ve fui.inleriyle, beslenme,
bannma ve saghk gibi temel gereksinim alanlarma oldugu kadar, bilgisayar,
telekomUnikasyon ve biyoteknoloji gibi yiiksek teknoloji gerektiren alanlara da
girdi saglayan bir sanayi koludur CUlengin vd, 2012). Sektor en genel anlaml ile
laboratuarlarda uretilen kimyasallarm en ekonomik bi<;imde tUketiciye sunul
maSI i<;in genel teknolojiler butiinu olarak tarumlanabilir.
olu~turulan
Kimya sanayi tarafmdan uretilen (plastikten kozmetige, ila<;lardan boya
lara) urUnlerin % 30'u dogrudan hlketiciye ula~uken % 70'i ise diger sektor
lerde (tekstil, elektrikli e~ya, metal, madeni urUnler, ~aat, otomotiv, kaglt,
hizmet sektoru),ara mal veya hammadde olarak kullanllmaktadu. Bu ozelligi
nedeniyle kimya sektoru hem hem de diger sektorler i<;in vazge
ya~affilmlz
<;ilmez oneme sahi ptir.
Kimya Sektoru dunyada oldugu gibi Turkiye'de de olduk<;a bir
geni~
uriin yelpazesine sahiptir. Sektor, temizlik urUnleri, boya, kozmetik urUnleri,
ila<;lar gibi tUketim mallarmm yanl sua, tanm sektoru i<;in giibreler ve tanm
ila<;lan, kimya sanayinin de dahil oldugu imalat sanayinin ihtiya<; duydugu
organik ve inorganik kimyasallar, boyalar, laboratuvar kimyasallan,
termoplastikler ve benzeri uriinleri uretmektedir. Bu uriinlerin % 83'u KO
Bi'ler tarafmdan uretilmektedir. Geriye kalan firmalar Turkiye standartlarma
gore buyiik firmalar olarak kabul edilebilir.
Kimya Sektoru Strateji Belgesi ve Eylem Plam (2011), Turkiye Kimya sek
toriinu temsil eden ozel sektor kamu ve iiniversite
kurulu~lan, kurulu~lan
temsilcilerinin katkllan ile Soz konusu
hazulanml~hr. <;ah~manm olu~turul­
maSI suasmda; diinyada ve Ulkemizde ekonomik ve sosyal
degi~en ko~ullar,
Dokuzuncu Kalklnma Plam Stratejisi (2007-2013), Orta Vadeli Program (2010-
2012), 2010 yIlI programl, Bilim, Sanayi ve Teknoloji Bakanllgl 2010-2014 Stra
tejik Plam ve Turkiye Sanayi Stratejisi Belgesi (2011-2014) yer alan temel ilke
ler, vizyonlar, ama<;lar ve hedefler dikkate almffil~hr. Bunun yanlsua Ulengin
vd. (2012) tarafmdan Turkiye'de Kimya Sektoru'niin rekabet<;ilik duzeyini
yonelik bir yol haritasl mere Ulkeler araSI
iyile~tirmeye olu~turmak kar~lla~­
tumaYI ve degerlendirmeleri temel alan bir model onerilmi~tir. Bu <;ah~mada
soz konusu modelin verilerinden
yararlamlml~hr.
271
2. Nedensel Bayes Aglan'nm Olu~turulma Sureci:
Kimya Sektoru Veri Seti
Ulengin vd.'lerinin (2012) yaptl~ c;alI~mada kimya sektoriiniin rekabet
giiciinii analiz etmeye yardlmcl olaccik Bayes modelinde kullarulacak
bile~en­
leri belirlemek iizere once web iizerinden bir anket
c;ah~masl gerc;ekle~tirilmi~
ve kahhmcIlardan Diinya Ekonomik Forumu'nun raporunda yer alan ·111
kavramm kimya sektorii ile olan ilgilerinin derecelendirilmesi
(degi~kenin),
Ankete toplam 34 KahhmCllar ozel sektor, STK,
istenmi~tir. ki~i kahlml~hr.
Kamu olmak iizere bir yelpazeye Kavramlar degerlendirilir
geni~ yayIlml~hr.
ken kahhmCllardan her bir kavraml 10 iizerinden onem derecesi vererek de
gerlendirmeleri Daha soma mm kavramlar kahhmCllardan aldIk
istenmi~tir.
Ian ortalama puana gore slralanlp kmlma noktasl olan 8,l'in iizerinde puan
alarak modelde yer almasl uygun bulunan kavramlar ve bu kav
belirlenmi~
ramlara kimya sektoriiniin rekabet diizeyini belirleyen degi~kenler de eklene
rek liste son halini (Tablo 1).
alml~hr
Tablo 1: Modelde Kullarulan Degi~kenler
Ustiinliikler Goreli ihracat Av antaji Endeksi
AC;lklanml~ Kar~Illkh
Endeksi
Ar-Ge Universite-Sanayi i~birligi Inovasyon Kapasitesi
Bilim insani ve Miihendis Mevcudi- Son Teknolojilerin Yaygmhgl
yeti
Bilimsel Kurumlarmm $irket Ar-Ge Harcamalan
Ara~tuma
Kalitesi
Faydali Model Patentler Teknolojinin Firma Diizeyinde Be-
nimsenmesi
Fikri Miilkiyetin Korunmasl Yerel Tedarikc;i Kalitesi
Genel Altyapmm niteligi
<;:ah~mada kullarulacak degi~kenler belirlendikten soma NBA'da kullam
lacak ag yaplsmm belirlenmesi aslmda hangi degi~kenler arasmda nedensellik
ili~kisinin oldugu soruslmun cevabma dayanu. Bu yiizden Kimya sektoriiniin
rekabet giiciinii iilkesel rekabet diizeyi temelinde degerlendirilmesini sagla
yabilecek kavramlarm( degi~kenlerin) belirlenmesi saglandIktan soma belirle
nen degi~kenlerin arasmda var olan nedensel ili~kileri belirlemek iC;in Ulengin
vd (2012) tarafmdan bir c;ah~tay gerc;ekle~tirilmi~tir. Sozkonusu c;ah~taya kah
lanlar, akademisyenler, sanayi temsilcileri, federasyon ve dernek temsilcileri
ile bakanlIk temsilcilerinden olu~mu~tur. KahhmCllardan ancak iki degi~ken
272
arasl dogrudan bir nedensel varsa bunu belirtmeleri aksi hali yani dolay
ili~ki
h ili~kileri aga yansltmamalan istenmi~tir. Bunun yanl Slra, kahhmcllara belir
lenecek olan agda ayru zaman dilimi goz oniinde bulundurularak ili~kilerin
belirlenmesi gerektigi bilgisi de verilmi~tir. Delfi teknigi kullarulan ve 4 evre
de ger~ekle~tirilen ~all~tay sonunda kahhmcIlar degi~kenler araSl var olan
nedensel
ili~kileri belirlemi~lerdir.
NBA'da kullanIlan ag yaplsmda; bir diger bir se
degi~kenin degi~kenin
bebi digerinin de sonucu olarak goriilmesi durumunda neden, ebeveyn degi~­
ken; sonu~ ise ~ocuk degi~ken olarak adlandmhr. Boylece bir olaym birden
sonucunun olabilecegi, bir sonucun da birden nedenin olabilecegi
~ok ~ok
ayru NBA'da yanslhlabilmektedir. Agda yer alan
ger~egi ~ekilde degi~kenlerin
~ocuk ve ebeveyn smlrlarmda bir klsltlama yoktur ve bu ozelligi ile de hiye
bir yapl sergilemez, ancak burada dikkat edilmesi gereken husus; Bayes
rar~ik
Aglan'nm, dolaYlslyla NBA'nm dongiisiiz grafiksel modeller olmalandu.
Dongiisiiz herhangi bir oklar araClhglyla
degi~kenden ba~lanarak 0 degi~kenin
izledigi yolu takip ettiginizde yeniden ayru donemeyeceginiz anla
degi~kene
mma gelmektedir ki bu, Bayes Aglal'l'nda agda yer alan
degi~kenlerin ko~ullu
olasIllk daglhmlarmm agm olaslilk dagIllmlID
~arplmlrun birle~ik olu~turmasl
ozelliginin dogal bir sonucudur.
Bu Kimya Sektorii Rekabet Raporu sonucu belirlen
~ah~mada; ~ah~tayl
olan NBA ag yaplsl NBA agda yer alan
mi~ kullarulml~hr. olu~turulurken,
olaslhk bilinmesi veya kullanIlacak olasl
degi~kenlerin ko~ullu da~hmlarlIDn
llklara yonelik bir ongoriiniin bulunmasl halinde agm hem grafiksel hem de
olasIllksal yaplsl kullaruCl tarafmdan ag kullaruCl tarafmdan
olu~turularak,
nihai haline getirilebilinir ve agda gozlem ve siireci
~lkanm ba~lahlabilir.
NBA'da agm olaslhksal yaplsmm belirlenmesi diger bir ag yapl
i~in se~enek
smm belirlenmesinden soma olaslilk daglhmlarmm ilgili veri
degi~kenlerin
setinden ogrenilmesidir. Bayes Aglan'nda siirekli ya da siirek
degi~kenlerin
siz olmasma dair bir klsltlama bulunmamaktadu. Ancak mevcut algoritmala
rm biiyiik bir sadece siireksiz veri setlerinden ogrenme yapabil
~ogunIugu
mektedir. Son yIllarda Bayes Agl ogrenmek i~in geli~tirilen ~e~itli algoritmala
rm ile sfuekli bir Bayes Agl'nm ogrenilmesi
geli~imi degi~kenlerden olu~an
olsa da siirekli bir agda siireci so
saglanml~ degi~kenlerden olu~an ~lkanm
runlar yaratmaktadu. Bu noktada Lauritzen-Jensen algoritmasmda (1992)
~lkanm siireci, gozlemler sonucu agm yenilenmesi a~lsmdan sorun ya~anma­
"naktadu. Lauritzen-Jensen algoritmasmm uygulanabilmesi agda yer alan
i~in
degi~kenlerin ko~ullu normal da~hml izlemeleri ve siireksiz degi~kenlerin
siirekli ebeveynlere sahip olmamasl gerektirmektedir. Agda
ko~ullarlID
Lauritzen-Jensen algoritmasmm kullarulabilmesi i<;in izledikleri
degi~kenlerin
273
daglllmiann normal da~hm kan~)lmlan ile yakla~lmlanrun bultmmasl ve boy
lelikle normal daglhml izlemelerinin saglanmasl miim
degi~kenlerin ko~ullu
kiindiir (Shenoy, 2006 ) Btmtm yamsrra Lauritzen-Jensen algoritmasl iC;in ikin
ci olan siireksiz siirekli ebeveynlere sahip olmasl
ko~ul degi~kenlerin ~arh
agda yapllan ok yonii ile saglanabilir (Cinicioglu ve Shenoy,
degi~imleri
2009). Ancak bir Bayes Ag/nda ok yonii yapIlmasl oktm aralarm-
degi~iminin
. da yer aldlgl ebeveyn ve c;ocuk birbirlerinin ebeveynlerini miras
degi~kenlerin,
olarak almalarma ve dolaylslyla agm ek ile biiyiiyerek C;lkanmm
ili~kiler
komplike ve uygulanamaz bir hale gelmesine neden olmaktadrr (Cinicioglu ve
Shenoy, 2006).
Yukanda belirtilen noktalar dikkate almarak agda yer alan
degi~kenlerin
kesikli karar Bu yaplsl kul
degi~kenlerden olu~masma verilmi~tir. c;ah~mada
larulacak olan tnengin vd.(2012) olu~turduklan NBA' da, degi~kenlerin alabi
lecekleri degerler olarak 3 diizeye Bu
dii~iik-orta-yiiksek boliinmii~tiir. C;all~­
mada ise analizlerin daha detayh ve dolaYlslyla gerc;ekc;i bir yapllabil
~ekilde
mesi iC;in diizeye boliinmesine karar
degi~kenlerin be~ e~it verilmi~tir.
kesikli amaclyla veri seti in
Degi~kenlerin degi~kenlere donii~tiiriilmesi
celendiginde, "Faydah Model Patentler" "Ac;Iklanml~ Kar~lhkh Ustiinliikler
Endeksi" ve "Goreli ihracat Avantajl Endeksi" degi~kenlerinde, ilgili iilkelerin
veri setinde yer alan diger iilkelere klyasla c;ok daha yiiksek bir performans
sergiledigi Bu durum slraslyla $ekil 2, 3 ve 4'te olan
goriilmii~tiir. verilmi~
grafikler araclhglyla sergilenmektedir. Boyle bir veri setinde
degi~kenlerin
hic;bir miidahale olmadan direkt olarak kesikli
degi~kenlere donii~tiiriilmesi;
degi~kenlerin verilerinin alt ve iist smrrlan arasmdaki farkm oranhslZ bir bi
c;imde yiiksek olmasma neden olur. Btmu takiben siirec;te, degi~kenlerin du
rumlarma referans olan deger arahklan biiyiir ve degi~kenlerin durum fre
kanslan, dolaylslyla goriilme olaslllklan arasmda bir uc;urum sonu
olu~masl
CtmU dogurur. Boyle bir tablo agda yapllan C;lkanmlarm ve
anlamslzla~masma
yapIlan incelemelerin veri davram~l hakkmda kaba ili~kilendirmeler haline
donii~mesine neden olur. Boyle bir durumtm onlenmesi amaClyla bu c;ah~ma­
da dl~a dii~en verilerin (outlier) bultmdugu sahrlar veri setinden C;Ikanlml~ ve
ardmdan veri seti her bir degi~keni be~ durumdan olu~an kesikli NBA biC;imi
ne donii~tiiriilmii~tiir. Sonuc; olarak c;ah~mada kullarulan veri seti 13 farkh
kesikli degi~ken iC;in olan 102 iilkenin1 verisini ic;ermektedir. <;ah~mada kuru
lacak olan her iki Bayes Agl'nda, NBA ve BA, bu veri seti kullarulml~hr.
Orjinal veri seti 111 iilkenin verisinden olu~maktadlr.
274
$ekil 2: "Faydah Model Patentler" Azalan Grafigi
Degi~keninin
Faydali Model Patenller
__ F,yd,1i Model p,tentler
350.00 ._. .... --.-.--.---.-.. -.---.---.---.---.--.--....- .. -.-.--.-.---------------.---
~--.---
300.00
250.00
200.00 .,. ..... -'!I'!III. .
150.00
lW.UU +--.-.--------"I. ....~ ---.-------
50.00 .!.-.-.- .. -....... -...... -...................:' 4: ..,
1 5 9 13 17 21 25 29 33 37 41 45 49 53 57 61 65 69 73 77 81 85 89 93 97101105109
$ekil 3: "A~J.klarum~ Kar~llJ.kh Ds tiinlUkler Endeksi" Degi~keninin Azalan
Grafigi
A~iklaDmis Karsilikli -ostiinliikler Endeksi
6.00
5.00
-+-A-;:iklanmis Karsilikli
4.00
Ustlinlukler Endeksi
3.00
2.00 . __. _- _.-._. ._ . ....._ ._ ....... _._ _ .. _.. .... _... . _... _--_ •...... _.. ............. _. __. _ _ .. _----_._._--
1.00
0.00
275
~ekil 4: "G6reli ihracat A vantajl Endeksi" Degi~keninin Azalan Grafigi
Giireli lbracat AV2Dtajl Eudeku
12.00 ~------.-------------.----------------
10.00
8.00 . - .. ------
__ Giircli Ihracat Avantaji Endcksi
._-----------
b.UU
4.00
------_ _ _.-
2.00 .. ..
0.00 rTTTTTT1TTTTTlTITTn-TT--n-nnnTTTTTTTTTTITrrrTTTT, , ; 1 ...... , , , ,
1 5 9 13 17 21 25 29 33 37 41 45 49 53 57 61 65 69 73 77 81 85 89 93 97101105109
__________. _ ___- -J
izlenen surer; sonucu elde edilen NBA $ekil S'te verilmektedir. G6riildu
gu
uzere, olu~turulan ag 13 kesikli degi~ken ve degi~kenler araSl toplam 49
adet baglanhyl (oku) ir;ermekte ve bu yapl topl am 1335685 adet ko~ullu olasl-
11k durumunun ortaya r;lkmasma neden olmaktadlT. Bir sonraki b61umde aym
veri seti kullamlarak ag yaplsl veriden 6grenilecek ve BA
olu~turulacakhr.
Nedensel Bayes Ag Yaplsl
~ekil5:
II ia a!oC' 3C ,
0361<1012 271
On,,,IO? UI..ft
HI7 tc 1 fa 14.9
1~t,;-'.7$ !IN
O.ege.tO.47
~e:.o3J
33 \0)11'
3S, 1. .. !12.
"'~to".'l o (cO.,
!.lHo$.;4 0<11:00.'
081<>1,19
j,l!hal.M
1M1<>199
Y.~ T"rilr.~ IUllln; (Y~Jedanll_._
25ia3.51
3ello .. 2"
.. 241r>4.U
32103.'1
31110" !-I
41}4;11:>lS.2
tl2lC5Al
:2 3tG' ur 11.11 1111 tQ IS.~) 1.7~2:e:. 10~
l,17io •.{ )1 347 2.Nifl> .... t(I ~,.
'4t.l,801&11 1t1o01 a4&.1~7 5 21'e:5S)A8. l.5. ~.3zI~, I1!>DQ~'e23w'3 ~1II3.T''
.. 3e t I • 313 i 1.1
276