Regresyon çözümlemesinde sağlam konum kestiricilerinin karşılaştırılması
A comparison between some robust location estimators in regression analysis
- Tez No: 182409
- Danışmanlar: PROF.DR. SÜLEYMAN GÜNAY
- Tez Türü: Yüksek Lisans
- Konular: Ekonometri, İstatistik, Econometrics, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2006
- Dil: Türkçe
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 99
Özet
Çalışmada aykırı değerlerin ve uç gözlemlerin etkilerini ortadan kaldırmak içingeliştirilen sağlam regresyon kestiricilerinin incelenmesi ve bu kestiricileri hesaplamakiçin geliştirilen algoritmaların tanıtılması amaçlanmıştır. Geliştirilen bu sağlamkestiriciler içerisinde en çok ilgi görenler M kestiricileri, `Least Median of Squares /LMS' ve S kestiricileri olmuştur. Son zamanlarda M kestiricilerinin yerel sağlamlık veS kestiricilerinin global sağlamlık özelliklerine sahip `Kısıtlı M kestiricileri / ConstrainedM estimators / CM-estimators' ailesi geliştirilmiştir. Ancak M, LMS ve S kestiricilerindeolduğu gibi bu kestiricilerin de açık bir formda hesaplanmaları gerçekleştirileme-diğinden, sağlam kestiricileri sayısal olarak hesaplamaya yarayan birçok algoritmatüretilmiştir. Çalışma kapsamında, özellikle çok boyutlu regresyon çözümlemesindekestirimleri hesaplamak için kullanılan algoritmalar tanıtılmıştır. Ayrıca bualgoritmalardan M kestiricilerini hesaplamada kullanılanılanlar yeniden güncellenmiş,LMS için ise mevcut olanlar ise biraz daha geliştirilmiştir. Son olarak uygun verikümesi üzerinde geliştirilen ve güncellenen algoritmalarla birlikte S ve CMkestirimlerini hesaplamada kullanılan algoritmaların uygulaması sunulmuştur.
Özet (Çeviri)
To aim of this study is to consider the robust regression estimators which have beendeveloped for removing the effects of outliers and leverage points, and to introducethe algorithms which compute these estimates. Within enhanced robust estimators,there are three important approaches such as M-estimators, Least Median of Squaresand S-estimators. A more recent proposal is Constrained M-estimators or CM-estimators rather short. CM estimators have good local robustness properties of theM-estimators and good global robustness properties of the S estimators. However,CM estimators as M, LMS and S-estimators cannot be expressed explicitly so thatmany algorithms have been developed. Within the context of this study, algorithmswhich are used in M estimators are updated and the algorithms which are used inLMS are enhanced. At the end, the applications of these updated and enhancedalgorithms are presented. Besides, the use of the CMregr algorithm that evaluates theS and CM estimates is explained.
Benzer Tezler
- Sağlam regresyonda değişken seçim ölçütleri
Variable selection criteria in robust regression
MERAL ÇETİN (CANDAN)
- Doğrusal regresyonda sağlam kestirim yöntemleri ve karşılaştırılmaları
Robust estimation techniques in linear regression and their comparisons
LATİF ÖZTÜRK
Doktora
Türkçe
2003
İstatistikMimar Sinan Güzel Sanatlar Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. GÜLAY BAŞARIR KIROĞLU
- Beyin ventriküler sisteminin boyutlarının bilgisayarlı tomografi ile ölçülmesi
Başlık çevirisi yok
H. HAMDİ ÇELİK
Doktora
Türkçe
1992
MorfolojiHacettepe ÜniversitesiMorfoloji (Anatomi) Ana Bilim Dalı
PROF. DR. BEDİA SANCAK
- Ridge regresyonda sağlam parametre bulma
Robust parameter find in ridge regression
AYKUT KUVAT
Yüksek Lisans
Türkçe
2018
İstatistikMuğla Sıtkı Koçman Üniversitesiİstatistik Ana Bilim Dalı
DOÇ. DR. ATİLA GÖKTAŞ