Geri Dön

Logaritmik doğrusal modellerde parametrelerin ve beklenen göze sıklıklarının Bayesci kestirimi

Bayesian estimation of the parameters and expected cell counts in logarithmic linear models

  1. Tez No: 155348
  2. Yazar: HAYDAR DEMİRHAN
  3. Danışmanlar: Y.DOÇ.DR. CANAN HAMURKAROĞLU
  4. Tez Türü: Yüksek Lisans
  5. Konular: İstatistik, Statistics
  6. 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
  7. Yıl: 2004
  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: 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

  1. Tez No

    244970

    Karma logaritmik doğrusal modellere Bayesci yaklaşımlar

    Bayesian approaches to the mixed logarithmic linear models

    HAYDAR DEMİRHAN

    Doktora

    Türkçe

    Türkçe

    2009

    MatematikHacettepe Üniversitesi

    İstatistik Ana Bilim Dalı

    YRD. DOÇ. DR. CANAN HAMURKAROĞLU

  2. Tez No

    827867

    Classification of abnormal respiratory sounds using deep learning techniques

    Solunum seslerinin derin öğrenme yöntemleri ile sınıflandırılması

    AHAMADI ABDALLAH IDRISSE

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    DOÇ. DR. OKTAY YILDIZ

  3. Tez No

    827860

    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

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    PROF. DR. MUHAMMET ALİ AKCAYOL

  4. Tez No

    444261

    Modeling and implementation of biological neural systems

    Biyolojik sinir sistemlerinin modellenmesi ve gerçeklenmesi

    ÖZGÜR ERDENER

    Doktora

    İngilizce

    İngilizce

    2016

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. İSMAİL SERDAR ÖZOĞUZ

  5. Tez No

    55509

    Speech recognition based on pattern comparison techniques

    Başlık çevirisi yok

    OSMAN MERAL

    Yüksek Lisans

    İngilizce

    İngilizce

    1996

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    DOÇ.DR. BÜLENT ÖRENCİK

Geri Dön