İnsan kaynakları yönetiminin en önemli problemlerinden olan personel seçimi, işletmeler için verilmesi gereken kararlardan bir tanesidir. Personel seçimi, işin gerektirdiği çeşitli kriterleri içinde barındırması gereken çok ölçütlü bir karar problemidir. İşletmelerde personel seçiminde gerekli bütün kriterlerin ele alınması, aynı zamanda alternatiflerin arasında kıyaslama yapılarak doğru seçim kararının verilmesi gerekmektedir. Bu nedenle bu kitabın konusunu personel seçim problemi oluşturmuştur.

Kitap dört ana bölümden oluşmaktadır. Birinci bölümde hastane kavramı ve hastanelerin işlevleri konuları açıklanmıştır. Daha sonra kitabın uygulama konusu ile ilgili olan hastane yönetimi ve hastane personeli konularına değinilmiştir. İkinci bölümde, personel seçimi ile ilgili kavramlar açıklanmış ve personel seçim süreci üzerinde durulmuştur. Daha sonra personel seçiminde kullanılan yöntemler açıklanmış ve personel seçimi ile ilgili literatüre yer verilmiştir. Üçüncü bölümde, karar verme ve ÇKKV teknikleri konularına yer verilmiştir. Son bölüm olan uygulama kısmını, işletmeler için önemi büyük olan personel seçimi konusunun çok kriterli karar verme yöntemlerinden AHP ve GİA yöntemleri yardımı ile çözülmesi ve kullanılan yöntemlerin sonuçlarının karşılaştırılması oluşturmaktadır. Uygulama bölümü noktasında bu kitap faydalı bir örnek olarak hazırlanmıştır.

Financial time series including high frequency structures like jumps, spikes and stochastic volatility are usually modeled in an ad-hoc manner by stochastic differential equations together with Levy processes. Estimating the parameters and determining the jump size distributions do not have a precise and universally accepted method. Under these circumstances, complexities and confusions usually arise. This book, approaches to this issue from a very different angle through introducing an autocorrelation one process together with finite number of Fourier series terms. Introduction of Fourier series to estimate the dynamics of the process is not done in an ad-hoc manner or as done before in dealing with seasonality. Here the moving average is transformed to a “moving and fluctuating” average by the help of Fourier series. Instead of adding jump structures to the model which makes the parameter estimation quite cumbersome, our model in discrete time can easily be transformed to a well-known mean reverting continuous time process. Moreover, our alternative model turned out to be a quite powerful and accurate forecasting technique.