Geri Dön

Comparison of regression techniques via Monte Carlo simulation

Regresyon tekniklerinin Monte Carlo simülasyonu aracılığıyla karşılaştırılması

  1. Tez No: 153155
  2. Yazar: OYA CAN MUTAN
  3. Danışmanlar: PROF. DR. ÖZTAŞ AYHAN, YRD. DOÇ. DR. BİRDAL ŞENOĞLU
  4. Tez Türü: Yüksek Lisans
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: En küçük kareler yöntemi (OLS), uyarlanmış en çok olabilirlik (MML), en küçük mutlak sapmalar (LAD), Winsorize edilmiş en küçük kareler, budanmış (trimmed) en küçük kareler (LTS), Theil ve ağırlıklı Theil regresyonu, sağlam (robust) ve parametrik olmayan tahmin yöntemleri, Genelleştirilmiş Lojistik. vıı, Ordinary least squares (OLS), modified maximum likelihood (MML), least absolute deviation (LAD), Winsorized least squares, least trimmed ivsquares (LTS), Theil and weighted Theil regression, robust and nonparametric estimation, Generalised Logistic
  7. Yıl: 2004
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 103

Özet

oz REGRESYON TEKNİKLERİNİN MONTE CARLO SİMULASYONU ARACILIĞIYLA KARŞILAŞTIRILMASI CAN MUTAN, Oya Yüksek Lisans, İstatistik Bölümü Tez Yöneticisi: Prof. Dr. H. Öztaş AYHAN Ortak Tez Yöneticisi: Yrd. Doç. Dr. Birdal ŞENOĞLU Haziran 2004, 88 sayfa En küçük kareler yöntemi, değişkenler arasındaki fonksiyonel ilşkiyi modellemede en çok kullanılan yöntemlerden biridir. Ancak, bu tahmin yöntemi bazı varsayımlara dayanır ve bu varsayımların ihlali sağlam (robust), olmayan tahminlere yol açabilir. Bu çalışmada, hata terimlerinin dağılımının Genelleştirilmiş Lojistik olduğu durumda, basit linear regresyon modeli incelenmiştir. Uyarlanmış en çok olabilirlik (MML), en küçük mutlak sapmalar (LAD), Winsorize edilmiş en küçük kareler, budanmış (trimmed) en küçük kareler, Theil ve ağırlıklı Theil gibi bazı sağlam ve parametrik olmayan yöntemler bilgisayar simulasyonu yardımıyla karşılaştırılmıştır. Tahmin edicilerin başarımlarmı değerlendirmek için ortalama, varyans, yanlılık derecesi, ortalama karesel hata (mean square error) ve göreli ortalama karesel hata (relative mean square error) hesaplanmıştır. vı

Özet (Çeviri)

ABSTRACT COMPARISON OF REGRESSION TECHNIQUES VIA MONTE CARLO SIMULATION CAN MUTAN, Oya M.S., Department of Statistics Supervisor: Prof. Dr. H. Öztaş AYHAN Co-Supervisor: Asst. Prof. Dr. Birdal ŞENO?LU June 2004, 88 pages The ordinary least squares (OLS) is one of the most widely used methods for modelling the functional relationship between variables. However, this estimation procedure counts on some assumptions and the violation of these assumptions may lead to nonrobust estimates. In this study, the simple linear regression model is investigated for conditions in which the distribution of the error terms is Generalised Logistic. Some robust and nonparametric methods such as modified maximum likelihood (MML), least absolute deviations (LAD), Winsorized least squares, least trimmed squares (LTS), Theil and weighted Theil are compared via computer simulation. In order to evaluate the estimator performance, mean, variance, bias, mean square error (MSE) and relative mean square error (RMSE) are computed.

Benzer Tezler

  1. Doğrusal tip ıı regresyon tekniklerinin monte-carlo benzetim çalışması ile karşılaştırılması: sağlam, bulanık ve sağlam bulanık teknikler

    Comparison of linear type ii regression tecniques via monte-carlo simulation study: robust, fuzzy and robust fuzzy techniques

    CENGİZ GAZELOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2012

    İstatistikAfyon Kocatepe Üniversitesi

    İstatistik Ana Bilim Dalı

    YRD. DOÇ. DR. SİNAN SARAÇLI

  2. Ölçüm hatalı modellerde doğrusal regresyon tekniklerinin karşılaştırılması- Monte Carlo simülasyon çalışması-

    Comparison of linear regression techniques in measurement error models- Monte Carlo simulation study-

    SİNAN SARAÇLI

    Doktora

    Türkçe

    Türkçe

    2008

    İstatistikEskişehir Osmangazi Üniversitesi

    İstatistik Ana Bilim Dalı

    DOÇ. DR. VEYSEL YILMAZ

  3. Variable selection and classification for longitudinal binary data through three-step sparse boosting

    Üç aşamalı seyrek yükseltme metodu ile ikili sonucu olan uzunlamasına verilerin değişken seçimi ve sınıflandırılması

    DENİZ ESİN EMER

    Doktora

    İngilizce

    İngilizce

    2022

    İstatistikOrta Doğu Teknik Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. ÖZLEM İLK DAĞ

  4. Modelling stock market via fuzzy rule based systems

    Hisse senedi piyasasının bulanık kurala dayalı sistemler ile modellenmesi

    HAKAN AKSOY

    Doktora

    İngilizce

    İngilizce

    2004

    İşletmeBoğaziçi Üniversitesi

    İşletme Ana Bilim Dalı

    PROF. DR. AHMET VEDAT AKGİRAY

  5. Regresyon analizi ve yapay sinir ağı yöntemleri ile uzun dönem yük tahmini

    Long term load forecasting using multiple regression analysis and artificial neural network

    FATİH AKSEL

    Yüksek Lisans

    Türkçe

    Türkçe

    2000

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    DOÇ.DR. BELGİN EMRE TÜRKAY