Geri Dön

Markov zinciri Monte Carlo yöntemleri

Markov chain Monte Carlo methods

  1. Tez No: 130988
  2. Yazar: ÖZLEM KUMRU
  3. Danışmanlar: DOÇ. DR. GÜL ERGÜN
  4. Tez Türü: Yüksek Lisans
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Bayesci Yaklaşım, BUGS, Dinamik Doğrusal Modeller, Dinamik Regresyon Modeli, Durgun Model, Gibbs örneklemesi, Kalman Filtresi, Markov Zincirleri, Metropolis-Hastings Algoritması, Monte Carlo Integrasyonu, Bayes yaklaşımı, Kalman filtre, Markov zinciri, Monte Carlo Yöntemi, Bayesian Approach, BUGS, Dynamic Linear Models, Dynamic Regression Model, Gibbs Sampling, Kalman Filters, Markov Chains, Metropolis- Hastings Algorithm, Monte Carlo Integration, Steady Model, Bayes approach, Kalman filter, Markov chain, Monte Carlo Method
  7. Yıl: 2003
  8. Dil: Türkçe
  9. Üniversite: Hacettepe Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

MARKOV ZİNCİRİ MONTE CARLO YÖNTEMLERİ Özlem Kumru ÖZ Tez çalışmasının amacı, karmaşık modellerin analizinde son yıllarda yoğun olarak ele alınan Markov Zinciri Monte Carlo yöntemlerinden Metropolis-Hastings algoritmasının ve Gibbs örneklemesinin incelenmesi ve dinamik doğrusal modeller için Markov Zinciri Monte Carlo yönteminin uygulanabilirliğinin araştırılmasıdır. Çalışmada durum-konum (state-space) yapıda tanımlı durgun model ve dinamik regresyon modeli örnek modeller olarak ele alınmış ve Gibbs örneklemesi, BUGS paket programı kullanılarak bu modellere uygulanmıştır. Farklı veri setleri, farklı başlangıç değerleri ve farklı iterasyon sayıları altında her iki modelden parametre tahminleri elde edilmiştir. Başlangıç değerlerinin etkileri, belirli bir genişlikteki ilk örneklem değerleri göz ardı edilerek azaltılmıştır. Çalışmada ayrıca stokastik simülasyon yönteminin güvenilirliği, ele alınan her iki model için tahmin edilen Kalman filtresi ile Gibbs örneklemesi sonuçları karşılaştırılarak araştırılmış ve her iki sonucun da benzer olduğu görülmüştür. Çalışmada gözlenen bu benzerlik, analitik olarak çözümlenemeyen karmaşık yapıda dinamik modeller için, stokastik simülasyon yöntemlerinin uygun bir alternatif olabileceğini vurgulamıştır.

Özet (Çeviri)

MARKOV CHAIN MONTE CARLO METHODS Özlem Kumru ABSTRACT The aim of the study is to investigate Metropolis-Hastings algorithm and Gibbs sampling which are the members of Markov Chain Monte Carlo techniques for analyzing complex models and to examine the tractability of the Gibbs sampling on dynamic linear models. The steady model and the dynamic regression model which are in state-space form are taken as examples for implementing Gibbs sampling by the computer packages, BUGS. The models under different initial values and iteration numbers for various data sets have been examined and the posterior moments of the two models parameters have been estimated. The potential effects of initial values for the models parameters have been reduced by ignoring the earliest Gibbs sampling values. The estimators obtained from Gibbs sampling and the results of Kalman filters have also been compared and the estimators found to be closed. Those similarities in the results proved the stochastic simulation results. Therefore Gibbs sampling has been proposed as an alternative to overcome the analytic problems for high dimensional dynamic linear models.

Benzer Tezler

  1. Tez No

    199377

    Bayesian EEG source reconstruction using Markov chain Monte Carlo methods

    EEG dipol kaynaklarının Markov zinciri Monte Carlo yöntemleri kullanılarak Bayesçi yerelleştirilmesi

    GÖKÇEN YILDIZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2007

    BiyomühendislikBoğaziçi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. AHMET ADEMOĞLU

  2. Tez No

    680404

    Predicting supply curve of electricity in an intra-day market using state-space models and sequential Markov chain Monte Carlo methods

    Durum-uzay modelleri ve sıralı Markov zinciri Monte Carlo yöntemleri kullanılarak bir gün içi piyasada elektrik arzeğrisinin tahmin edilmesi

    MOHAMMAD KHALAFI

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Endüstri ve Endüstri MühendisliğiSabancı Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SİNAN YILDIRIM

  3. Tez No

    753518

    Markov zinciri Monte Carlo yaklaşımları kullanarak kategorik ve sürekli tekrarlı ölçümler için Bayesçi hiyerarşik modeller

    Bayesian hierarchical models for categorical and continuous repeated measures data using Markov chain Monte Carlo approaches

    ENDRIS ASSEN EBRAHIM

    Doktora

    Türkçe

    Türkçe

    2022

    İstatistikOndokuz Mayıs Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. MEHMET ALİ CENGİZ

  4. Tez No

    563516

    Markov chain Monte Carlo Algorithm for Bayesian Policy Search

    Bayes Politika Arama için Markov Zinciri Monte Carlo Algoritması

    VAHID TAVAKOL AGHAEI

    Doktora

    İngilizce

    İngilizce

    2019

    Mekatronik MühendisliğiSabancı Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    Assoc. Prof. Dr. AHMET ONAT

    DR. SİNAN YILDIRIM

  5. Tez No

    409132

    Particle MCMC for a time changed levy process

    Zaman değiştirilmiş bir levy süreci için parçacık Markov Zinciri Monte Carlo yaklaşımı

    AYHAN YÜKSEL

    Doktora

    İngilizce

    İngilizce

    2015

    MaliyeOrta Doğu Teknik Üniversitesi

    Finansal Matematik Ana Bilim Dalı (disiplinlerarası)

    DOÇ. DR. AZİZE HAYFAVİ

    DOÇ. DR. COŞKUN KÜÇÜKÜÖZMEN

Geri Dön