Yazar "Kaya, Mutlu" seçeneğine göre listele

Listeleniyor 1 - 3 / 3
  • Küçük Resim
    Öğe
    0-14 Yaş Arası Çocuklarda Önlenebilir Nitelikteki Kazaların Belirlenmesi ve İlişkili Tedbirlerin Alınması
    (Smyrna Tıp Dergisi, 2013) Altuntaş, Murat; Kaya, Mutlu; Demir, Şenay; Oyman, Gülşah; Metecan, Asiye; Rastgel, Hacer; Öngel, Kurtuluş
    Amaç:Bu çalışmada, 0-14 yaş arası çocukların maruz kaldıkları kazaların araştırılması amaçlanmıştır. Ayrıca risk etmenleri ile ilişkili veriler elde edilmeye çalışılarak, alınabilecek tedbirler hakkında değerlendirmelerde bulunulmuştur. Gereç ve Yöntem: Çalışma Ocak-Haziran 2011 tarihleri arasında yapılmıştır. Tepecik Eğitim ve Araştırma Hastanesi Çocuk Acil Servisi’ne kaza öyküsü ile başvuran 0-14 yaş arası 143 olgu için ilişkili anket formu uygulanmıştır. Sonuçlar ortalama değerler yüzde oranları ile ki-kare testi uygulanarak elde edilmiştir. Tüm istatistiklerde SPSS bilgisayar istatistik programı versiyon 16.0 analizleri kullanılarak, p<0.05 değeri anlamlı kabul edilmiştir. Bulgular:Çalışmaya 0-14 yaş aralığında 143 hasta dahil edilmiş olup, hastaların %60,1’i (n:86) kızlardan %39,9’u (n:57) ise erkeklerden oluşmaktadır. Hastaların %42,7 ile çoğunluğunu 7-14 yaş aralığındaki çocuklar oluşturmaktadır. Kardeşsayısına göre hastalar değerlendirildiğinde; %44,1 ile çoğunluğunun 2 kardeşe sahip olduğu tespit edilmiştir. Hastaların baba ve anne yaşaralığı incelendiğinde en fazla sırasıyla %69,9 ve %77,6 ile 25-40 yaş aralığı bireylerden oluştuğu görülmüştür. Hastaların babaları mesleklerine göre incelendiğinde en fazla %73,4 ile hasta babasının serbest meslekle uğraştığı görülmüştür. Bu oran anneler için ise %87,4 ile ev hanımı olarak tespit edilmiştir. Hastaneye başvuru nedenlerine göre hastalar incelendiğinde; %52,4 ile en fazla düşme/yüksekten düşme, ikinci sıklıkla %21,6 ile kesici-delici alet yaralanması, üçüncü sıklıkla %11,8 ile travmatik kaza/trafik kazası, dördüncü sıklıkla ise %4,9 ile de oyuncak/TV kaynaklı yaralanmalar sebebiyle başvuru yapıldığı görülmüştür. Sonuç: Çocukluk dönemindeki önlenebilir kazalara karşı bilgilendirmeler ile bu kazaların sayısıen aza indirilebilecektir.
  • [ X ]
    Öğe
    An Application of the Bayesian Model Selection By Using Bayes Factor, Bayesian Information Criterion And Deviance Information Criterion
    (TÜIK, 2013) Kaya, Mutlu; Çankaya, Emel
    In statistical modelling studies, due to the advanced technology and methodological developments, it is possible to construct alternative models assumed to generate the data. Therefore, the process of choosing “the best model” among available competing models appears to be one of the crucial steps that has to be included in the modelling process. In this study, Bayes factor, which is a preferred Bayesian approach to the solution of statistical model selection problem, is introduced. For the cases when analytical computation of Bayes factor is not possible, in addition to Bayesian Information Criterion (BIC), Carlin and Chib method based on Markov Chain Monte Carlo (MCMC) simulation is explained. Besides, a frequently used criteria in the recent years of model selection applications, namely Deviance Information Criterion (DIC), which has a completely different working principle than Bayes factor, is described in detail. Two models appeared in the literature as a result of an application of quantal modelling, which is an example of a semi-parametric modelling, are compared by means of Bayes factor, BIC and DIC.
  • [ X ]
    Öğe
    ROBUST BAYESIAN REGRESSION ANALYSIS USING RAMSAY-NOVICK DISTRIBUTED ERRORS WITH STUDENT-T PRIOR
    (Ankara Univ, Fac Sci, 2019) Kaya, Mutlu; Cankaya, Emel; Arslan, Olcay
    This paper investigates bayesian treatment of regression modelling with Ramsay-Novick (RN) distribution specifically developed for robust inferential procedures. It falls into the category of the so-called heavy-tailed distributions generally accepted as outlier resistant densities. RN is obtained by coverting the usual form of a non-robust density to a robust likelihood through the modification of its unbounded influence function. The resulting distributional form is quite complicated which is the reason for its limited applications in bayesian analyses of real problems. With the help of innovative Markov Chain Monte Carlo (MCMC) methods and softwares currently available, here we first suggested a random number generator for RN distribution. Then, we developed a robust bayesian modelling with RN distributed errors and Student-t prior. The prior with heavy-tailed properties is here chosen to provide a built-in protection against the misspecification of conflicting expert knowledge (i.e. prior robustness). This is particularly useful to avoid accusations of too much subjective bias in the prior specification. A simulation study conducted for performance assessment and a real-data application on the famously known stack loss data demonstrated that robust bayesian estimates with RN likelihood and heavy-tailed prior are robust against outliers in all directions and inaccurately specified priors.