Kış programı hafta içi antreman genel topiği

@Kudret Kurtcebe
Uyku konusunda haklısın Kudret Abi. Biliyorsun akademik dünyaya girmek isteyen bir öğrencinin ne kadar çok araştırma yapması, hatta en azından 1 makale yazması gerektiğini. Bu nedenle makul bir ücret karşılığında kaynak sıkıntısı çeken ve işletmede lisans hatta yüksek lisans okuyan arkadaşlara yardımcı olabilirim. Ayrıca yüksek lisans tezimde zaman serisi analizi yaptığımı düşünürseniz istatistikte canavar gibi olduğumu tahmin edebilirsiniz. Şu anda kavramlar arası ilişkileri ölçmekte ve bir ölçeğin anket yoluyla toplanan veri tarafından doğrulanıp doğrulanmadığını belirlemekte kullanılan yapısal eşitlik modelleme (İngilizcesi structural equation modeling) ve yardımcı olduğum tez bağlamında ülkemizde henüz yeni bir kavram olan kümelenmeyle (cluster) ilgili araştırmalar yapmaktayım.

@Cem Şentin


hocam harbiden sen bence dahisin yalan yok ben anlarım bu satırları yazan adam öyle böyle değil bayağı kafa patlaşmış bir insan hissediyorum bu zaman serisi analizi nedir bunu açabilirmisin tam konuya vakıf olma açısından istatistik dediğimiz veriler nedir örnek verebilirmisin.. bir ölçek nedir....
bu yapısal eşitlik modelleme nerelerde kullanılmakta seçim anketleri buna göremi belirlenmekte örneğin türkiyenin kalkınmışlık veri tabanı nedir bunu nasıl anlarız ...........bu kümelenme nedir ve nerelerde daha çok işimize yarayabilir amma soru sordum ha.............
beni şimdi merak saldı iyimi.............

:in: :in: :in:

Veri dediğin, sayısal veya sözel bir değişken adı altında saklanan ve değişik yöntemlerle analizi yapılabilen bilgidir. İstatistikte 7 tür veri vardır:

1) Tek örneklem veri: Örneklem hacmi n olan bir tesadüfi örneklemden oluşur. Burada sayısal bir değişken sözkonusudur. Bunla verilerin olası dağılımı, hipotez testi ve güven aralığı gibi analizler yapılabilir.

2) 2 örneklem veri: 2 tane birbirinden bağımsız sayısal değişkene ait bilgilerden oluşan örneklemlere denir. Bu verilerle hipotez testleri ve güven aralığı analizleri yapılır.

3) K örneklem veri: Birbirinden bağımsız ölçülen nesnelerin özelliklerini gösteren koşulların yani etkenlerin farklı durumlarını yani etken düzeylerinin karşılaştırılmasına yarayan örneklem türüdür. Mesela 4 marka otomobile ait üçer gözlem buna örnektir. Bu verilere ANOVA yani varyans analizi uygulanarak ortalamalarının birbirinden farklı olup olmadığı test edilir.

4) Eşlenik veri. Birbirine bağımlı 2 sayısal değişkenden yani etken düzeyinden oluşan örneklemdir. önce ve sonra verileri buna girer. Böyle verilere t testi kullanılarak hipotez testi ve güven aralığı analizleri uygulanır.

5) Rassal Blok Veri: Birbirine bağımlı ve ikiden fazla etken düzeyinin olduğu sayısal veridir. Örneğin bir atletin dopingsiz, placebolu ve dopingli olduklarında performans düzeylerini bu veriyle karşılaştırabiliriz. Bu veriye ANOVA uygulanabilir.

6) Regresyon Veri: Sayısal ve birimleri birbirinden farklı 2 değişkenin oluşturduğu veridir. Burada amaç 2 değişken arasındaki ilişkiyi ölçmektir. Bu veriye korelasyon ve regresyon analizleri uygulanır.

7) Kategorik Veri: 2 veya daha fazla sayısal olmayan (niteliksel) değişkenin oluşturduğu veridir. Sigorta şirketinin elinde olan doktorların uzmanlık alanları ve yanlış tedavi sonucu açılan davalar arasındaki ilişkiyi inceleyen veri buna örnektir. Bu veriye, 2 değişkenin birbirinden bağımsızlığını test etmek için Ki-Kare (Chi-Square) testi uygulanır.

Zaman serisi, en az bir sayısal değişkenin zamana göre sıralı değişimini gösteren gözlemlerinden oluşur. Zaman serisi, bu değişkenin değişen zamanlarda gözlenen değerlerini bildirirler. Örneğin enflasyon verileri bir zaman serisidir. Bu seriler genel olarak 4 bileşenden oluşur:

1) Genel Eğilim (Trend): Zaman serilerinin uzun sürede gösterdiği düşme ve yükselme süreçlerinden sonra oluşan kararlı durumdur. Zaman serileri uzun dönem açısından kararlı alçalma ya da yükselme şeklinde bir eğilime sahiptir.

2) Mevsimsellik (Seasonality): Zaman serilerinde mevsimlere göre değişmeyi ifade eder. Zaman serileri açısından kullanılan verilerin kimi dönemleri diğer dönemlere göre farklılık gösterir ve bu farklılık o dönem aralığında benzer örgü (pattern) biçiminde tekrarlanır.

3) Döngüsel Bileşen (Cyclic): Ekonomide, mevsimsel değişmeler ile ilgili olmayan dönemsel değişmelerdir. Örneğin, ekonomide genel eğilimden bağımsız kısa süreli genişleme ya da daralma durumu döngüsel süreci tarif eder.

4) Düzensiz Bileşen (Irregular): Diğer unsurlar gibi belirli olmayan, hata terimi ile ifade edilebilecek değişmelerdir.

Zaman serileri bileşenleri toplamsal (additive) veya çarpımsal (multiplicative) biçimde hesaplanabilir. Onu bileşenlerine ayırmak için genellikle hareketli ortalama (moving average), üstel düzeltme (exponential smoothing) gibi yöntemler kullanılır. Bu yöntemler aynı zamanda gelecekteki verinin değişimini tahmin etmekte de kullanılır. Regresyon bu veriler için sağlıklı tahmin vermez. Bana göre en iyi zaman serisi analizi yöntemi ARIMA'dır (Autoregressive Integrated Moving Average). Ancak zaman serisi analizinden önce veriyi kararlı hale getirmek yani değişimi azaltmak için üstel, logaritmik ve bire göre tersinin ters işaretlisi (reciprocal) gibi dönüşümler yapılabilir ve doğrusal olmayan veriler için son zamanlarda ARCH (Autoregressive Conditional Heteroskedasticity) gibi yöntemler geliştirilmiştir.

Büyük bir zaman serisi kütüphanesi için: (link)

Türkiye'nin kalkınmışlık veri tabanı da bu bağlamda birbiriyle ilişkili birkaç değişkenden oluşan ve zamana göre değişen verileri barındıran bir rassal bloktur. Genelde diğer ülkelerle birlikte daha büyük bir veri tabanına bağlıdır ve bana göre ülke kodu da vardır işin içinde. Bu sayede ilgili veriye hem ortalamaların birbirinden farklı olup olmadığını araştıran ANOVA, hem de ilgili değişkenin zamana göre değişimini bulup gelecekte nasıl değişim göstereceğini belirleyen zaman serisi analizi uygulanabilir.

Anket, ölçek, kümelenme ve yapısal eşitlik modellemeyle ilgili sorunuza birazdan yanıt vereceğim.

cem dostum çok teşekkür ederim bu topik artık beyin antremanı oldu evet hep pedal antremanı yapacak değiliz ya beyin antremanıda şart bunlar önemli bilgiler...

@Kudret Kurtcebe
Estağfurullah Kudret Abi. Siz de bisiklet ve müzik konusunda önde gelen insanlardan birisiniz. Eskiden bildiğiniz istiatistikle ilgili ortalama, standart sapma, hipotez testleri, indeksler gibi basit konuları lisansta; ANOVA ve deneysel tasarım (design of experiements) ve zaman serileri gibi orta zorluktaki konuları yüksek lisansta ve anketleri çözümlemeye yarayan açıklayıcı etken analizi (exploratory factor analysis) ve yapısal eşitlik modelleme gibi ileri konuları da doktorada öğrendim. Şimdi söz verdiğim gibi sıra, kalan konuları açıklamaya geldi.

Anket (İngilizcede survey, questionnaire, inquiry ve poll biçiminde geçmekte), genelde birbiriyle ilişkili bir kaç kavramla (Yapısal eşitlikte gizil değişken denmekte) ilgili bilgi alıp analiz yapmaya yönelik bir araçtır. Ankette hem kişiyle ilgili demografik bilgi, hem de kavramlarla ilgili görüşleri toplanır. Anketler, doğrudan ölçülemeyen kavramları ölçmek için yapılır.

Buna karşın literatürde ölçek denilince 2 durum anlaşılır. Birincisi nesne, süreç ve olgulardaki çeşitli özelliklerin sayısal değerlendirmesidir. İkincisi de bir kavramı ölçmek için geliştirilen, ölçeklendirilmiş sorulardan oluşan ve genelde en az 2 alt boyuta sahip olan soru bankasıdır. Örneğin duygusal bağlılık (İngilizcede genelde affective commitment, bazen de affirmative commitment biçiminde geçer), devamlılık bağlılığı (continuance commitment) ve zorunlu bağımlılık (normative commitment) boyutlarından oluşan örgütsel bağlılık (organizational commitment) ölçeği gibi.

Seçim anketi gbi bazı anketler genelde birbiriyle ilişkili bazı kavramlar hakkında bilgi almak için yapılır. Anketlerdeki sorular aslen ilgili kavramın bir özelliğini yansıtır. O özellik, ankette soruya dönüştürülerek sorulur. Unutulmamalıdır ki bir kavram veya onun boyutları tek soruyla ölçülemez. İlgili kavram veya onun boyutlarının geçerliliğini artırmak için bunları açıklayabilen mümkün olduğu kadar çok (anket uygulanacak kişiyi sıkmayacak kadar) soru sorulmalıdır.

Anketlerdeki sorular, demografik ve kavramlarla ilgili sorulardan oluşur. Bu sorular farklı ölçeklere göre oluşturulur ve değerlendirilir. Demografik bilgiler sınıflandırma ölçeğine (nominal scale), kavram soruları bir tür eşit aralıklar ölçeği (interval scale) olan Likert ölçeğine dayanır.

Sınıflandırma ölçeği nitelikseldir ve araştırmacıya nesneleri belirli gruplara atamasına izin veren bir ölçektir. Bu ölçekle ankete katılan kişinin cinsiyeti, mesleği, uyruğu gibi kişisel bilgiler elde edilir.

Eşit aralıklar ölçeği mutlak sıfırı (arbitrary zero) olmayan ama ölçüler değerler arasındaki aralıkların belli olduğu ölçeklerdir. Veriler üzerinde belirli aritmetik işlemler yapılmasına izin veren bu ölçekle bir kavramla ilgili sorular sorulur ve değerlendirilir. En ünlü eşit aralık ölçeği ABD'li psikolog Rensis Likert (1903-1981) tarafından geliştirilen Likert ölçeğidir. Bu ölçek, genellikle beşli veya yedili, çok az da olsa üçlü ve dokuzlu kabul etme derecelerini barındıran ve ankete katılanın bir kavramla ilgili değerlendirme yapmasına olanak verir. Bu ölçeğin "hiç katılmıyorum"dan (strongly disagree) "tamamen katılıyorum"a (strongly agree) kadar skalaları vardır.

Ankette veriler toplandıktan sonra önce demografik verilerin istatistik özetleri (hangi gruba kaç kişi giriyor, kaç kişi erkek veya kadın vb.) verilir. Sonra kavramlar için toplanan veriye açıklayıcı etken analizi (exploratory factor analysis) uygulanarak ilgili kavramların gerçekten ölçülüp ölçülmediği görülebilir. Bu analizde ilgili kavramları ölçen ölçeğin örnekleme yeterliliğini (sampling adequacy) ölçen KMO (Kaiser Meyer Okin) istatistiğinin ve güvenilirliğini (reliability) ölçen Cronbach Alpha katsayısının en az 0.70 (% 70) olması gerekir. Açıklayıcı faktör analizi için genellikle SPSS, Minitab, Matlab, Eviews, SAS, Mathematica vb. istatistik programları kullanılır. Temel bileşenler analizine dayanan bu yöntemde soruları etkenlere ayırmak için genellikle Varimax (en çok kullanılan döndürme türüdür), quartimax ve equimax gibi dikey (orthogonal) ve direct oblimin ve promax gibi yatık (oblique) döndürmeler kullanılır. İlgili analizde döndürülmüş bileşen matrisi (rotated component matrix) yoluyla etkenleri belirlerken, soru değerleri 0.50'nin aşağısında olan korelasyonların gösterilmesi, yorumu zorlaştırdığından pek istenmez. Bu matriste bir soru 2 farklı etkene düşüyorsa ve o sorunun 2 farklı etkenin açıklayıcı olduğu literatürce desteklenmiyorsa, o soru etken analizinden çıkarılır ve etken analizi tekrar yapılır. Sonra bir etkene bir soru düşüp düşmediğine bakılır. Eğer bu durum varsa o soru analizden çıkarılır. Çünkü bir etken bir soruyla ölçülemez. En sonunda hiç bir etkene düşmeyen soru var mı diye bakılır. Eğer böyle bir soru varsa o soru analiz dışı kalır. Örnek bir etken analizi döndürülmüş bileşen matrisi şöyle olsun:

http://faculty.chass.ncsu.edu/garson/PA765/factor3.jpg


Bu matriste 2 farklı etkene düşen "Highest year of school completed" sorusu analiz dışı bırakılmalıdır. Elbette bir faktöre bir sorunun korelasyon katsayısı negatifse ,o soru ters sorudur. Örneğin o soru, beşli Likert ölçekteyse o soruya verieln puanlar 1-> 5, 2-> 4, 4-> 2 ve 5-> 1 olacak şekilde düzeltilmelidir. Aksi halde bu analiz sonrası yapılması gereken güvenilirlik (reliability) analizinde ilgili etkenin güvenilirlik katsayısının beklenenden düşük olmasına neden olacaktır.

Eğer amaç, bir ölçeği doğrulamak veya birbiriyle ilişkili kavramların birbirlerini nasıl etkilediği bulmaksa doğrulayıcı etken analizi (confirmatory factor analysis) yani yapısal eşitlik modelleme kullanılır. Onu en son anlatacağım.

Kümelenme, bir sektörde birbiriyle bağlantılı işletmeler, tedarikçiler ve ortaklık kurumlarının bir coğrafyada yoğunlaşmasıdır. Kümelenmenin içine aynı ürünü veya hizmeti üreten ve birbirine rakip olan firmaların yanında, bunların tüm tedarikçileri, dağıtım kanalları, hizmet ve destek sağlayan tüm firmalar, aynı zamanda altyapı hizmetleri, işgücü yetiştirme ve bilgi üretme işlevini yerini getiren kurumlar da girer. Silikon Vadisi önemli bir kümelenme örneğidir. Değişik bakış açılarına göre birçok kümelenme çeşidi vadır. Ama daha o kavramla ilgili araştırılacak çok şey var.

Birazdan anlatacağım yapısal eşitlik eşitlikle istatistik konusunu kapatıyorum.

Yapısal eşitlik modelleme (YEM, İnglizcesi structural equation modeling) gözlenen (içsel, endogeneous) ve gözlenemeyen (dışsal, latent, exogeneous) değişkenler arasındaki nedensel ilişkilerin sınanmasında kullanılan kapsamlı bir istatistiksel tekniktir. Özellikle ekonometri, psikoloji, sosyoloji, pazarlama ve eğitim bilimlerinde değişkenler arasındaki ilişkilerin değerlendirilmesinde ve kuramsal modellerin sınanmasında kullanılan sistemli bir araçtır. YEM gizil (gözlenemeyen, kavram) değişkenler seti arasında bir nedensellik yapısının var olduğunu ve gizil değişkenlerin gözlenen değişkenler aracılığıyla ölçülebildiğini varsayar.

Gizil değişkenler YEM’in en önemli kavramlarından biridir ve araştırmacıların gerçekte ilgilendikleri zeka, güdü, duygu, tutum gibi soyut kavramlara ya da psikolojik yapılara karşılık gelir. Bu yapılara ancak dolaylı olarak belirli davranışlar ya da göstergeler temelinde ölçülen değişkenler yardımıyla gözlenebilir. Psikoloji, sosyoloji, eğitim, ekonomi ve pazarlama gibi çoğu alanda asıl ilgilenilen kavramların doğrudan ölçülmesi bazen mümkün
olmaz. Psikolojide, kişinin kendine bakış açısı ve motivasyon; sosyolojide, çaresizlik ve huzursuzluk; eğitimde sözlü yetenek ve eğiticinin beklentisi; ekonomi de ise davranışlar, müşteri memnuniyeti, kalitenin algılanışı gibi kavramlar gizil değişkenlere örnek olarak
verilebilir. Sözü edilen gizil değişkenler gözlenemediği için doğrudan ölçülemezler. Bu yüzden, araştırmacı, gizil değişkeni işlemsel olarak tanımlamak için varsayılan yapı açısından gizil değişkeni gözlenebilir değişkenlerle ilişkilendirmek zorundadır. YEM, içsel (bağımlı, endogenous) yapıların dışsal (bağımsız, exogenous) yapılara nasıl bağlı olduğunu betimleyen bir ya da daha fazla doğrusal regresyon eşitliklerini içerir. Bu eşitliklerin çözümlenmesi sonucu bulunan bu katsayılara, path (ölçüm modeli) katsayıları ya da çoğu zaman regresyon tartıları denir. Unutulmaması gereken bir husus, YEM'de bir değişkenin regresyondan farklı olarak hem bağımsız, hem de bağımlı değişken olabilmesidir. Bu nedenle sadece bir değişkenin bağımlı olabildiği regresyon analizi YEM'in özel bir durumudur.

YEM'de model 2 parçalıdır. İlki gözlenmeyen değişkenler arasındaki potansiyel nedensel ilişkileri gösteren yapısal model (structural model), diğeri de gözlenen ve gözlenmeyen değişkenler arasındaki ilişkileri gösteren ölçüm modelidir (measurement model). Açıklayıcı ve doğrulayıcı faktör analizi YEM'in yalnız ölçüm modeli kısmını kapsarken, kavramların birbirini nasıl etkilediğini araştıran path analiziyse yalnız yapısal modele sahip bir YEM olarak görülebilir. Bu nedenle bu yöntemler de YEM'in özel durumlarıdır.

YEM analizi yapılırken ölçüm modelindeki regresyon katsayılarından bazıları modeldeki katsayıların doğru ölçeklenmesi adına bire sabitlenirken, diğerleri serbestçe tahmin edilir. YEM'de asıl önemli olan standartlaştırılmış ölçüm modeli katsayılarının birden küçük olmasıdır. Eğer bir standartlaştırılmış regresyon katsayısı birden büyükse, ilgili gözlenen değişkenin hata varsansı sıfırdan küçük olur. Literatürde Heywood durumu denen bu istenmeyen olay veride uçdeğerin (outlier) varlığı, modelin bir çözüme yakınsayamaması (nonconvergence), modelin eksik tanımlanması (underidentification), modelin yanlış tanımlanması (structurally misspecified model) veya örneklemedeki değişimler (sampling fluctuations) gibi olası hatalardan kaynaklanır. Bunu çözmek için verideki uçdeğerlerin silinmesi, modelde tahmin edilecek parametre sayısının artırılması, modellemede düzeltmeye gitme, katsayıları 0, artı sonsuz aralığında sınırlama ve önyüklemeyle (bootstrapping) veriden belirlenen bir sayıda örneklem alarak YEM yapma gibi çözümlere başvurulur.

Genellikle LISREL (Lineer Structural Equations), eskiden Smallwaters ve SPSS'e aitken 2009'da IBM'ce satın alınan AMOS (Analysis of Moment Structures), EQS ve Mplus gibi programlarla yapılabilen YEM'de parametre tahmini değişkenler arasındaki ilişkileri temsil eden mevcut kovaryans matrisiyle en iyi uyuma sahip modelin kovaryans matrisinin karşılaştırılmasına dayanır. Parametre tahmininde genellikle en çok olabilirlik (ML, Maximum likelihood) kullanılır. Ancak verinin büyüklüğüne, kullanılan yazılıma ve verinin çoklu normal dağılıma (Multivariate normal distribution) uyup uymadığına göre ağırlıklı en küçük kareler (WLS, Weighted least squares), genelleştirilmiş en küçük kareler (GLS, Generalized least squares), ağırlıksız en küçük kareler (ULS, Unweighted least squares), çaprazlama ağırlıklı en küçük kareler (DWLS, Diagonally weighted least squares), sağlam (Robust), asimptotik olarak dağılımdan bağımsız (ADF, Asymptotically distribution-free) gibi tahmin yöntemleri de kullanılabilir.

YEM modellerini değerlendirmek için birçok ölçü vardır. Bunlar Ki-Kare, Akaike bilgi ölçütü (AIC, Akaike information criterion), yaklaşık hataların ortalama karekökü (RMSEA, Root Mean Square Error of Approximation), ortalama hataların karekökü (RMR, Root mean square residuals), standartlaştırılmış ortalama hataların karekökü (SRMR, Standardized root mean square residuals), göreli uyum indeksi (CFI, Comparative fit index), iyilik uyum indeksi (GFI, Goodness of fit index) gibi uyum ölçüleri kullanılır.

Ki-Kare/Modelin serbestlik derecesi (df)< 3 Model veriye çok iyi uyum gösteriyor anlamına gelir. Üçle beş arası iyi uyum anlamına gelir. Beşten yukarısı modelin veriye uyumu kötüdür.

RMSEA 0.05'ten küçükse çok iyi model uyumu vardır. 0.05-0.08 arasında iyi model uyumu vadır. 0.08'den büyükse modelin uyumu kötüdür.

CFI ve GFI 0.90'dan küçükse model uyumu kötüdür. 0.09-0.95 arasında iyi model uyumu vardır. Bu indeksler 0.95'ten büyükse çok iyi model uyumu vardır.

AIC, olası modeller karşılaştırılırken kullanılır. En küçük AIC'ye sahip model, en uygun model olarak seçilir.

YEM'in basitten karmaşığa başlıca uygulama alanları şöyledir:

1) Basit ve çoklu regresyon
2) Açıklayıcı etken analizi
3) Doğrulayıcı etken analizi
4) Path analizi
5) Çoklu grup karşılaştırması (Multiple group comparison)
6) Değişmezlik (Invariance) analizi (Gruplar arasında)
7) Gelişim eğrisi analizi (Growth curve analysis, bu konu literatürde ayrıca örtük gelişim modeleleme anlamında latent growth modeling olarak ta geçmekte)
8) Çoklu özellik çoklu-grup analizi (Multi-trait multi-method analysis)
9) Sağlam sonuç çıkarımı (Robust inference, burada kategorik ve sürekli değişkenlere WLS yoluyla YEM uygulanıyor)
10) Hiyerarşik yani çok aşamalı modeller ve madde yanıt kuramı (item response theory) modellerle ilişkiler
11) Örtük sınıf analizi (LCA, Latent class analysis): Bu analize literatürde karışım modeli (mixture model) de denmekte.
12) Bayesgil (Bayesian) YEM

Oh ! Nihayet ileri istatistik konularını (zaman serisi analizi ve yapısal eşitlik modelleme) bitirdim.

Not: Yukarıdaki başlıca YEM kullanım alanlarından ilk dördünü biliyorum. Daha sonra gruplar arası yapılan çoklu grup karşılaştırması ve değişmezlik analizlerini de öğrenmeyi planlıyorum.

çok teşekkürler herkes bu bilgileri bu topikten okumalı bence....
evet bütün bilgileri printledim tekrar teşekkür ederim....

Teşekkürler Kudret Abi. Yapısal eşitlik modellemede kullanılan ve açılımı Moment Yapıları Analizi (Analysis of Moment Structures) anlamına gelen AMOS'ı anlatan bir e-kitapla bu yöntemi daha iyi anlayacağınıza inanıyorum. Kanada'lı psikoloji profesörü Barbara Byrne'nın yazdığı "Structural Equation Modeling With AMOS: Basic Concepts, Applications, and Programming" bu kitap genel olarak basit ve orta zorluktaki yapısal eşitlik konularını anlatıyor ve eksik bilgiye (missing data) sahip ve çoklu normal dağılıma uymayan verilerle nasıl başa çıkılabileceğini gösteriyor.

(link)

iki gün bisiklet üstünde kanlıca muhabbetleri....
dönüşte barışa rasladım bu havalar tam bisiklet havası...yazın böyle olsada binsek...
cuma gene hava böyle olursa bi kanlıca daha ....

@Kudret Kurtcebe

Kudret Abi. Genel olarak hava 10 gün daha güzel olacak. Sadece haftaya Perşembe kısa süreli yağış olasılığı var. Az önce hava tahminine baktım da.

(link)

@Cem Şentin

eyvallah cem dostum..................

kudu selam, yarin kanlica ya gelirsen goruselim, hatta bir tur yapabiliriz uzun olmayan, anadolu feneri gibi.. polonez bana uzun olur, bostancidan donesim yok

@saint poussin

barış ben saat 11.00 de çıkarım görüşürüz...şöyle yapalım derim yuşa tepesine gidelim .....mesafe kısa olmakta...

kudu selam, eger yarin kanlica ya gelirsen goruselim, soyle ufak bir tur olur bana

iki kere mesaj atmisim, bof.. neyse, tamam, o zaman saat 12:15 gibi kanlica sahildeki banklarda olucam, vapur iskelesinin oralarda. hem bir mola vermis olursun. sonra gideriz oraya..

@saint poussin

o.k olur orayı biliyorum....

barış teşekkürler....
o 45 eğimli rampa neydi ...........
yarın ben git gel konya altı turunu yapacağım .............

selam, sen de saol.. ne mahallelerden gectik.. ama zevkliydi. feci biseydi o rampa, cennet o rampanin sonunda olmali. sonra yine deneriz belki, akacak kan damarda durmuyor, biliyorsun

yarin katilamayacagim cunku yarin baska isler var gozukuyor.. yarin basarilar, ruzgar arkanda olsun..

yaşamını bisiklete endekslemiş bir insan nasıl beslenecek''
evet bu forumda bazen görüyorum mangal partileri .....
mangalı seven arkadaşları tenzih ederim ama beslenme şekli önemlidir.....
iyi bisiklete binmek kondüsyonlu olmak yetmez tekniğide bilmek lazım artı beslenmeyide ve uzun yorucu turlarda beslenme çok önemlidir...malesef türkiyede spor akademilerinde bisiklet bölümü varmı .........
bu konuda kaç adet eğitimli hocamız var ve yeterlimi.............
aşağıda çok önemli kaynak bilgileri sizlerle paylaştım bunlar benim için önemli olduğu kadar siz değerli bisiklet sevenler içinde önemlidir diye düşünmekteyim ...........




<B>Bisiklet Sporu ve Beslenme Beslenmenin Matematiği
Sağlıkla ilgili bu bölümümüzde, bisikleti bir yaşam tarzı olarak kabul eden, bisiklet sürerken kendini güçlü hissetmekten hoşlanan, sürüş süresi ve kalitesini arttırmak için çaba gösteren, bisikletli bir hayatı destekleyen sağlıklı bir yaşam tarzına kavuşmanın öneminin bilincinde olan herkesin ilgisini çekeceğine ve faydalı olacağına inandığımız konuları siz okurlarımıza ulaştırmayı hedefliyoruz.



Bu bağlamda ilk yazı olarak sağlıklı bir yaşam için doğru beslenmenin nasıl olması gerektiği konusunda ipuçları vermeye çalışırken, konuyu rakamlarla netleştirmeye ve örnekler ile gerçek hayatta verilen bilgilerin uygulanabilmesi için neler yapılması gerektiğini dile getirmeye çalışacağız.Genelde yılın ilk aylarına denk gelen ve antrenman metodolojisinde “Temel Oluşturma” evresi olarak adlandırılan dönemde, yaklaşan yarış sezonuna vücudun hazırlanması için “aerobik dayanıklılığın” ve “kas gücünün” yükseltilmesi amaçlanır.
Yıllık antrenman programlarını oluşturan her bir antrenman evresi, kendine özgü çalışma yoğunluk ve miktarına sahiptir. Vücudun farklı antrenman evrelerine uyum sağlamada başarılı olabilmesi için besin tüketiminin sözkonusu çalışmalar için gerekli olacak enerji tüketim seviyesi ile uyumlaştırılması hayati öneme sahiptir:
Hedeflenen fiziksel aktivitenin gerçekleştirilebilmesi, antrenman ve sonrasındaki dinlenme – toparlanma döneminde gerek duyulacak enerji ve sıvının iyi bir zamanlama ile vücuda sunulabilmesine bağlıdır.
Çalışma miktarı arttıkça, enerji ve karbonhidrata duyulan ihtiyaç da yükselir. “Temel Oluşturma” döneminde güç kazanmanın yanısıra kilo kaybı da hedefler arasında bulundurulabilir. Bu yüzden yılın bu dönemi, yeme alışkanlıklarının değiştirilerek bu değişimlerin, performans üzerindeki nihai etkilerinin de izlenebileceği bir süreç olarak değerlendirilmelidir. Antrenman evrelerinin gerektirdiği uygun enerji miktarının elde edilmesi, karbonhidrat, protein, yağ ve sıvı tüketimi ihtiyacının belirlenmesine bağlıdır.
Enerji
Enerji ihtiyacının tahmini günümüzde adeta bir bilim ve hatta sanat dalı halini almış olsa da enerji ihtiyacının tahmininde bazı genellemelere gidilebilir. Kilo kaybetmek isteyen bir sporcu, belirlenen günlük kalori ihtiyacından yapacağı 300 kalorilik bir kısıtlama ile haftada 250 gr. kadar zayıflama imkanına sahiptir. Kalori kısıtlaması 500 kalori seviyelerine çıkarıldığında, zayıflama miktarı haftalık yarım kiloya ulaşmaktadır.
Alınacak kalori oranında bu seviyelerin üzerindeki bir kısıtlama daha fazla kilo kaybına neden olabilse de antrenmanlarda gerek duyulacak enerji ve antrenman sonrası dinlenme evrelerinde sıkıntılara neden olabileceği için tercih edilmemelidir.
“Temel Oluşturma” dönemi içerisinde yapılan hafta içi ve haftasonlarındaki çalışmalar farklı özelliklere sahiptir. Sözkonusu çalışmalarda mevcut fiziksel durumu korumak ve vücut için en iyi çalışma ortamının devam ettirilebilmesi için gerek duyulan kalori ihtiyacı, “çalışma süresi” temelinde değerlendirilebilir.
Farklı yoğunluk ve sürelerdeki çalışmalar için kalori ihtiyaçları şu şekilde özetlenebilir:
Kilo başına 24 – 28 kalori: Egzersiz ve antrenmanın yapılmadığı sıradan bir dinlenme günü.
Kilo başına 30 – 34 kalori: 1 saatlik antrenman (Orta yoğunlukta)
Kilo başına 36 – 48 kalori: 1 – 2 saat arası antrenman (Orta yoğunlukta)
Kilo başına 50 – 60 kalori: 2 saat ve daha uzun süren günlük antrenmanlar.
Karbonhidrat
Düşük ve orta seviye yoğunluktaki tüm aktivitelerde vücudun gereksinim duyduğu düzenli ve sürekli enerji, karbonhidratlardan ve yağlardan sağlanır. Vücut enerji üretebilmek için öncelikle kaslardaki glikojen depolarını kullanır: Glikojen depolarının oluşturulabilmesi ise karbonhidrat tüketimine bağlıdır.
Yapılan antrenman sonucunda tükenmeye yüz tutan glikojen depolarının yeniden doldurulabilmesi için gerekli karbonhidrat kullanımı miktarı şöyledir:
Kilo başına 4.5 – 6 gr: Çok düşük seviyede birkaç saat ya da orta seviyede yapılan 1 saatlik antrenman.
Kilo başına 6 – 9 gr: 90 dakika ve üzerinde orta seviyede yapılan antrenman. Eğer bu yoğunlukta çalışma 2 saatin üzerinde devam etmişse, sınırın üst seviyesinde tüketimin gerçekleştirilmesi yerinde olacaktır.
Sözü geçen “karbonhidrat gereksinimleri” antrenman esnasında tüketilen enerji içeceği ve jelleri ile birlikte sağlıklı bir günlük diyette bulunması gereken rafine edilmemiş (işlemden geçmemiş) tahıl ürünleri, meyvalar ve sebzelerden sağlanmalıdır. Antrenmanlarda gösterilecek performans üzerinde “zamanlı yapılan” karbonhidrat tüketiminin önemli etkisi bulunmaktadır.
Uzun antrenman günlerinde, çalışmanın iki saat öncesinde 50-75 gr civarında karbonhidrat tüketilmelidir.
Uzun antrenmanlar sonrasında dinlenme evresinde ise kilo başına 1 gr kadar karbonhidrat tüketilmesine dikkat edilmelidir. Dinlenirken alacağınız yiyeceklerin içerisinde 10-15 gr kadar protein bulunması yerinde olacaktır.
Aynı miktardaki protein antrenman bitiminden 2 saat sonra yeniden alınmalıdır.
Protein
Çalışma miktarında ve bununla bağlantılı olarak kas dayanıklılığını arttırma amaçlı çalışmalar, tüketilmesi gereken protein seviyesini belirleyecektir. Sağlıklı bir beslenme rejiminde günlük olarak kilo başına 1 – 1.4 gr seviyesinde protein tüketimi hedeflenmelidir.
Yağ
Yağ kullanımında sağlıklı yağ türleri tüketiminin, kilo başına 1 gramı geçmemesi tavsiye edilir.
Sıvı
Antrenmanlar esnasında gereksinim duyulacak sıvı tüketimini vücuda sağlamak çok önemlidir. “Temel Oluşturma” çalışmalarının yapıldığı dönemde hava sıcaklıklarının yüksek olmaması, terleme ile kaybedilecek sıvı miktarını ilkbahar – yaz aylarında yaşanan kayıplara nazaran düşük seviyelerde tutsa da gerekli sıvının az da olsa eksik alınması durumunda ciddi performans kayıpları kaçınılmaz hale gelmektedir.
Günlük sıvı tüketiminin yeterli miktarda olmasına özen gösterilmelidir:
İdrarın açık sarı renkte olması sıvı tüketiminde başarılı olunduğunun en pratik göstergesidir. İdrar sabah kalkıldığında, gün içine nazaran bir miktar daha koyu olabilir. Mültivitamin kullanımlarında da koyu renk idrarın oluşması mümkündür.
Hazırlık döneminde farklı çalışmalara bağlı olarak vücudun terleme oranını takip ederek terlemeden doğan sıvı kayıpları önceden tespit edilebilir ve antrenman ve yarışlar esnasında vücudun talep edeceği sıvı miktarı böylece sağlıklı şekilde hesaplanabilir.
Kısa bir bilgi olarak bir insanın günlük sodyum ihtiyacı 1500 mg civarındadır. Bu sodyum tüketimi seviyesinin belirlenmesinde, potasyum tüketiminin yaşlanmayla gelecek yüksek tansiyon riski üzerindeki etkisi gözönüne alınmıştır.
Normal bir günde, idrar yoluyla oluşan sodyum kayıpları 25 gr gibi düşük bir seviyede gerçekleşirken, deri yoluyla oluşan su kaybında bu miktar 100 gr seviyesinde oluşur.
Ancak sportif faaliyetler sözkonusu olduğunda, 1 saatlik bir çalışmada, terleme yoluyla oluşacak sodyum kaybının 460 ila 1800 mg seviyelerinde oluşması muhtemeldir. Yüksek sıcaklıklarda yapılan çalışmalarda ise bir saatte gerçekleşen sıvı kayıpları 2-3 litre seviyelerini bulabilmektedir.
Örneğin bir sporcunun saatte 1.5 lt terlemekte olduğunu ve litre başına sodyum kaybının da 750 mg. seviyelerinde olduğunu varsayalım. 1 saatlik bir çalışmada sodyum kaybı 1125 gr’ı 3 saatlik bir çalışmada ise 3375 mg’ı rahatlıkla bulabilecektir. Bu kayıpları telafi etmek için ise çalışma dönemlerinde sodyum (tuz) kullanımını az da olsa arttırmak, yemeklerde tuzlu yiyeceklere yönelmek yerindedir. Ayrıca enerji içeceklerinin içerisindeki sodyum oranlarını kontrol ederek, sıvı kaybını yerine koyma esnasında sodyum ihtiyacı da karşılanabilir.
Antrenmanların sonunda 1 kg ve üzerinde kilo azalışı ile eve dönülüyorsa, ciddi anlamda yetersiz su kullanımından bahsedilebilir. Çözüm için antrenmanın 2 saat öncesinde yarım litre ve çalışmanın ilk 20 dakikasında 250 – 300 cl civarı sıvı tüketilmelidir. Bu noktada önceden ölçülmüş olunan terleme esnasındaki sıvı kaybı seviyeleri gözönünde bulundurularak sıvı tüketimi seviyesi netleştirilebilir.
Unutulmamalıdır ki soğuk havalarda yapılan çalışmalarda da ciddi su kayıpları oluşmaktadır. Kısa antrenmanlar esnasında enerji sıvısı kullanımı yararlıdır zira bu tür ürünler tadlarının güzel olması nedeniyle aktivite esnasında daha fazla sıvı tüketimine yöneltmektedir.
Antrenman sonrasında ise su kaybı oranına bağlı olarak kaybedilen her yarım litrelik sıvı için 500 cl civarında sıvı alınmasına dikkat edilmelidir.
Şimdi bu noktaya kadar bahsi geçen rakamları uygulamaya koyarak, verilen teorik bilgilerin gerçek hayatta nasıl uygulanabileceğini bir örnek ile anlatalım.
Bir Bisikletçinin gün boyu tüketmesi gereken besin miktarına bir örnek:
Günlük Çalışma: 90 dakikalık kapalı alanda bisiklet sürüşü saat 18.00.
80kg’lık bir erkek, 3300 kalori harcayacağı bir günde, 500 gr karbonhidrat (61%), 115 gr protein (14%), 92 gr yağ (25%) tüketmelidir.
Sabah Kahvaltısı (saat 07.00)
Pişmiş yulaf ezmesi, 1 kase
Kuru üzüm, 2 Çorba Kaşığı.
Süt ürünü veya soya sütü, 250 gr
Muz, 1 küçük meyva, 300 gr
Ara Yemek (saat 10:00)
Yoğurt, 150 gr
Elma, 1 adet orta boy
Badem, 12 adet
Öğle Yemeği (saat 13:00)
Hindi, 100 gr
Tam buğday ekmeği (rafine edilmemiş), 2 dilim
Avokado, 2 dilim
Portakal, 1 orta boy
Fasulye ve pirinç karışımı, 1 kase
Çiğ sebze, 1 kase
Ara Yemek (saat 15:00)
Tam buğday krakeri, 10 adet
Humus, 4 çorba kaşığı.
Armut, 1 büyük boy
Orta yoğunlukta 90 dakikalık bir bisiklet sürüşü (18:00)
Spor içeceği, Saatte 750 cl olmak üzere toplamda 1 litre civarı.
Akşam Yemeği (saat 20:00)
Balık, 100 gr
Patates, 1 büyük
Brokoli, buharda pişmiş, 1 kase
Salata, 2 kase
Salata sosu, hafif, 4 çorba kaşığı.
Ara Yemek (21:30)
Donmuş yoğurt (yağsız) 2/3 kase
Donmuş böğürtlen, 1 kase
Yapılan antrenmanlar ile uyumlaştırılmış sağlıklı bir diyetin yararları saymakla bitmez. Ancak zaman zaman düzenli olarak tüketilen besinleri çeşitlendirmek hem zevkli hem de yararlı olacaktır.
Besinlerin yanısıra, bağışıklık sisteminin güçlü tutulması, kazanılan performansın korunması ve antrenmanlardan </B>

Makara Cevırme ve Yol Konsantrasyonu
--------------------------------------------------------------------------------
TURUMUZA KATILAN VE KATILACAK OLAN ARKADAŞLARIN DİKKATİNE!
Konu:Makara Cevırme ve Yol Konsantrasyonu

1)Esas olan belirlenen tempoda bireylerın gücünden istifade ederek daha uzun ve daha rahat bırsekılde mesafeyı katedmektir
2)Teklı yada ıkılı dızılımde önde olan sürücü yada sürücüler km. saatınde belırlı olan tempo hızını sabıt tutmalıdırlar.(Örnk:30km tempoyu fazla yukarı yada asağı düsürmemek sartıyla sabıt tutma gıbı)
3)Öndekı sürücü yada sürücüler yolun durumunu gruba ısaretlerle yada pozısyona gore seslı uyarı olarak her hangı bır kazaya mahal vermemek ıcın önceden belırtmelıdır.(Örnek:Çukurlar,mazgallar,kırık cam parçaları, yol calısmaları,yol kenarına parketmıs araclar vs. vs. vs.)
NOT:5-6mt KALA BUNLARI GÖSTERMENİN HİÇ BİR ANLAMI OLAMAYACAKTIR.
4)Özellıkle ıkılı dızılımde yol calısması(Beledıye,İgdas,Tck,vs. kamu kurulusları)olan yerlerde veya sağ serıtte ağır ılerleyen tasıtları gecerken fermuar(koprü yolu katılımlarında polıs ekıplerının uyguladıgı gıbı)sıstemı uygulanarak teklı sıraya gecıp,bölgeden gecıldıkten sonra tekrar ıkılı dızılıme gecılmelıdır.

5)Seyir esnasında tekli yada ikili dizilimde arkadan gelen sürücüler, önünde giden sürücünün lastiğinin yarım boy gerisinde(bu önde gidenin riskli hareketleri olursa durum dahilinde değişebilir) ve aynı hizada elleri frende olarak dikkatli bir şekilde takip etmelidir.
6) İkili dizilimde önde grup liderliği yapan sürücüler değişim vakti geldiğinde (değişim olayında süre yoktur sürücülerin mukavemetine göre değişkenlik gösterebilir) sürücüler kendi tempolarını çok az bir değerde yükselterek sağ taraftaki sağa soldaki de sola açılarak arkadan gelenlerin yolunu açacak şekilde ve işaret doğrultusunda ayrılır.Ayrılma işlemi bittikten sonra pedal çevirmeyi ta ki arkadan gelen gurubu ortalayıncaya kadar bırakır ve tekrar pedal çevirmeye başlayarak gurubun temposuna ayak uydurarak gurubun en arkasına yerleşirler. Bu olayın genel tabirde bilinen ismi MAKARA ÇEVİRME’dir

İkili Dizilimde Değişim
7) Değişim bittikten sonra arkadan gelen sürücüler biraz önce değişim yapan sürücülerin bıraktığı tempoyu yükseltmeden devam eder.(Örnek; 30km/h hızla ilerlerken değişim oluyorsa arkadan gelen sürücüler bu tempoyu düşürmeden ya da yükseltmeden devam ederler Aksi durumda gurup bölünebileceği gibi anlaşmazsızlıklarda ortaya çıkacaktır.)
8) Tekli dizilimde de önde giden lider sürücü değişim vakti geldiğinde gurubun temposunun üstüne kısa bir süreliğine çıkarak(işaretle birlikte) sol tarafa çapraz bir yönde sürüş yaparak pedal çevirmeyi bırakır. Ayrılma işlemi bittikten sonra pedal çevirmeyi ta ki arkadan gelen gurubu ortalayıncaya kadar bırakır ve tekrar pedal çevirmeye başlayarak gurubun temposuna ayak uydurarak gurubun en arkasına yerleşir.

Tekli Dizilim Değişimi
9) DERYER (Hava Koridoru) ; Yukarıdaki kombinasyonlar uygulanırken rüzgarın durumuna göre pozisyonlar değişir.Eğer rüzgar ön cepheden esiyorsa deryer bölgesi kişinin arkasına doğru hizalıdır.Bu pozisyonda altta çizili şekle göre değişim yapılır.
10) Eğer rüzgar sağ çaprazdan esiyorsa gurup liderinin sol arka çaprazında yarım teker mesafe yakınlıkta bir dizilim uygulanır. Riskli olabilecek haraketler doğrultusunda bu mesafe değişkenlik gösterebilir.

Sağdan Esen Rüzgarda Değişim
11) Eğer rüzgar sol çaprazdan esiyorsa gurup liderinin sağ arka çaprazında yarım teker mesafe yakınlıkta bir dizilim uygulanır. Riskli olabilecek haraketler doğrultusunda bu mesafe değişkenlik gösterebilir.

Soldan EsenRüzgarda Değişim
12) Yukarıda yazılı maddelerdeki sürüş pozisyonları yapılırken ve seyir esnasında sürücüler şunlara özellikle dikkat etmek zorundadırlar.
a) Makara esnasında yapılan değişimlerde olabildiğince düz çizgi üzerinde hareket edilmelidir. Buna kendinizi tek olarak yapacağınız antrenmanlarda emniyet şeridi çizgisi üzerinde devamlı gitmeye çalışarak yapabilirsiniz.
b) Genelde yapılan antrenmanlar otoban türü yollarda yapıldığı için değişim yapılmadan önce değişim yapacak olan sürücülerin sola çıkış yapmadan önce ARKADAN GELEN ARAÇLARA DİKKAT EDEREK değişim yapmaları gerekmektedir.
c) Gurup olarak çıkılan antrenmanlarda gurup ortasında giden sürücülerin fevkalade bir durum olmaması halinde işaretsiz bir şekilde GURUP ORTASINDAN AYRILMAMASI gerekmektedir.
d) Gurup liderliğini devralan sürücülerin yaşanabilecek herhangi bir acil durumda frenlemeyi değişim esnasında olduğu gibi sağa ve sola açılarak yapmaları ve frenlemeye geçmeden önce arka gurubu sesli ve herkesin duyabileceği makul bir şekilde uyarması gerekmektedir ve bunu yoldaki sağ şerit çizgisinin dışına taşmadan gerçekleştirmesi gerekmektedir ve bu da TÜM GURUP İÇİN GEÇERLİDİR aksi hallerde çok ama çok ciddi sebeplerin oluşmasına mahal verilebileceği gibi bu ölümle bile sonuçlanabilir.
Daha fazla detaya girmeden yeterli olacak şekilde kesin uyulması ve uygulanması gereken kurallarımız bunlardır bu uygulamalara uymayan ve de uygulamak istemeyen arkadaşlar gurup tarafından ciddi şekilde uyarılacaktır.Bu hepimizin sağlığı emniyeti ve can güvenliği için en önemli gerekliliklerden biridir.
Saygılar.