Logaritmik doğrusal modellerde parametrelerin ve beklenen göze sıklıklarının Bayesci kestirimi
Bayesian estimation of the parameters and expected cell counts in logarithmic linear models
- Tez No: 155348
- Danışmanlar: Y.DOÇ.DR. CANAN HAMURKAROĞLU
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Kategorik veri çözümlemesi, Log-doğrusal modeller, Bayesci kestirim, Newton-Raphson yöntemi, Adımsal orantılı uyum yöntemi, Gibbs örneklemesi algoritması, Metropolis-Hastings algoritması, Log-normal dağılım, Geweke'nin değiştirilmiş z-testi, Categorical data analysis, Log-linear models, Bayesian estimation, Newton-Raphson method, Iterative proportional fitting, Gibbs sampling algorithm, Metropolis-Hastings algorithm, Log-normal distribution, Geweke's modified z-test
- Yıl: 2004
- Dil: Türkçe
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 89
Özet
LOGARİTMIK DOĞRUSAL MODELLERDE PARAMETRELERİN VE BEKLENEN GÖZE SIKLIKLARININ BAYESCİ KESTİRİMİ Haydar Demirhan ÖZ Kategorik verilerin çözümlenmesinde sık kullanılan modelleme yöntemlerinden biri logaritmik doğrusal modellerdir. Araştırmacılar, bazı durumlarda deneyimlerinden elde ettikleri bilgilerini de yapacakları çözümlemeye dahil etmek isterler. Bu durumda Bayesci yöntemler kullanılır. Bu çalışmanın amacı, logaritmik doğrusal modeller için Bayesci parametre kestirimlerini incelemektir. Çalışmanın ikinci bölümünde, olumsallık çizelgeleri üzerinde durulmuş, daha sonra iki, üç ve dört boyutlu olumsallık çizelgeleri için logaritmik doğrusal modeller verilmiştir. Sınırsız boyut için logaritmik doğrusal modellere ilişkin gösterimler verilerek, logaritmik doğrusal model parametrelerinin en çok olabilirlik kestirimleri ve bu kestirimlerin elde edilişine ilişkin adımsal yöntemlerden bazıları verilmiştir. Üçüncü bölümde ise, Bayesci istatistiğin temel kavramları verilerek, sınırsız boyutlu logaritmik doğrusal modellerin parametrelerine ilişkin Bayesci kestirimler ve log-doğrusal parametreler üzerinden gidilerek, ilgili olumsallık çizelgesinin gözeleri için beklenen sıklıkların Bayesci kestirimi verilmiştir. Son bölümde, çalışmada incelenmiş olan yöntemler gerçek bir veri kümesi üzerinden çözümlenmiştir.
Özet (Çeviri)
BAYESIAN ESTIMATION OF THE PARAMETERS AND EXPECTED CELL COUNTS IN LOGARITHMIC LINEAR MODELS Haydar Demirhan ABSTRACT Logarithmic linear (log-linear) models are one of the frequently used modeling techniques for modeling categorical data. Sometimes researchers want to include their subjective information from the relevant field. On this point Bayesian methods take place. So, the aim of this study is to introduce Bayesian estimation of the parametrers of the log-linear models and expected cell counts. First, contingency table concept introduced and then log-linear models for two, three, four and mode dimensions are given. After introducing notations for log- linear models for unlimited dimensions, maximum likelihood estimation (MLE) and some of the iterative methods to obtain MLEs are given. In the Bayesian part of the study, basics of Bayesian inference are given and then Bayesian inferences for the log-linear models are studied. By using the information on parameters, Bayesian estimation of the expected cell frequnecies is introduced. Finally, a numerical example solved to clarify methods, given in the second and the third part of the study.
Benzer Tezler
- Karma logaritmik doğrusal modellere Bayesci yaklaşımlar
Bayesian approaches to the mixed logarithmic linear models
HAYDAR DEMİRHAN
Doktora
Türkçe
2009
MatematikHacettepe Üniversitesiİstatistik Ana Bilim Dalı
YRD. DOÇ. DR. CANAN HAMURKAROĞLU
- Classification of abnormal respiratory sounds using deep learning techniques
Solunum seslerinin derin öğrenme yöntemleri ile sınıflandırılması
AHAMADI ABDALLAH IDRISSE
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
DOÇ. DR. OKTAY YILDIZ
- Derin öğrenme ve büyük veri analitiği yöntemleriKullanarak Covid-19 yayılımının ileriye dönük tahmini
Forecasting the spread of covid-19 using deep learning and big data analytics methods
CYLAS KIGANDA
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. MUHAMMET ALİ AKCAYOL
- Modeling and implementation of biological neural systems
Biyolojik sinir sistemlerinin modellenmesi ve gerçeklenmesi
ÖZGÜR ERDENER
Doktora
İngilizce
2016
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. İSMAİL SERDAR ÖZOĞUZ
- Speech recognition based on pattern comparison techniques
Başlık çevirisi yok
OSMAN MERAL
Yüksek Lisans
İngilizce
1996
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiDOÇ.DR. BÜLENT ÖRENCİK