Geri Dön

Bayesyen regresyon ve winbugs ile bir uygulama

Bayesian regrassion and an application with winbugs

  1. Tez No: 217581
  2. Yazar: OYA EKİCİ
  3. Danışmanlar: DOÇ. DR. KARUN NEMLİOĞLU
  4. Tez Türü: Yüksek Lisans
  5. Konular: Ekonometri, Econometrics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2005
  8. Dil: Türkçe
  9. Üniversite: İstanbul Üniversitesi
  10. Enstitü: Sosyal Bilimler Enstitüsü
  11. Ana Bilim Dalı: Ekonometri Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 115

Özet

Bu çalışmanın amacı Bayesyen yaklaşımın temel özelliklerine işaret ederek,regresyon analizini Bayesyen ilkelere göre gerçekleştirmektir. Bayesyen yaklaşımınön bilginin kullanılmasına olanak vermesi sayesinde regresyon analizinde çok dahaetkin parametre tahmini yapılabilmektedir. Parametrelere ilişkin çıkarsama, hipoteztesti veya güven aralıkları hesabı ön bilgi ve örneklem bilgisine dayandırılarakyapılır. Tekrarlanan davranışları göz önünde bulundurarak çıkarsama sürecinegitmeye gerek duyulmaz. Bayesyen yaklaşım özellikle ekonometrik modellerdekarşılaşılan sorunlarda çözüm olabilmektedir. Örneklem ister büyük ister küçükolsun, yöntem çalışmaktadır. Bilgisayarların gelişmesi ve yazılımdaki ilerlemelerleBayesyen yaklaşımın uygulanmasında artık (nümerik integral) hesaplamaya ilişkinhiç bir sorunla karşılaşılmamaktadır

Özet (Çeviri)

The purpose of this study is to carry out regression analysis in the line withBayesian principles by pointing out the main features of Bayesian approach. Inregression analysis, Bayesian approach can realize more effective parameterestimation by means of providing the opportunity to use prior information. Theinference about parameters, hypothesis testing or confidence interval are performedon the basis of the both prior information and sampling information we have. Thereis no need to apply the inference procedure in terms of their behavior in repeated.Bayesian approach especially provides solutions to the problems that are met ineconometric models. Bayesian approach works well both in small and large samplesize. Any longer, there is no difficulty to compute numerical integration of theapplications within the Bayesian context as the technical impovements of computereffort and software products are increased.

Benzer Tezler

  1. Bayesyen Kantil Yapısal Eşitlik Modellemesi

    Bayesian Quantile Structural Equation Modeling

    ZÜBEYDE ÇİÇEK

    Doktora

    Türkçe

    Türkçe

    2022

    EkonometriBursa Uludağ Üniversitesi

    Ekonometri Ana Bilim Dalı

    PROF. DR. NURAN BAYRAM ARLI

  2. Türkiye gayri safi yurt içi hasılasının teknolojik gelişim parametreleri yoluyla analizi

    Analysis of Turkey's gross domestic product through technological development parameters

    MULLA VELİ ABLAY

    Doktora

    Türkçe

    Türkçe

    2023

    MatematikOsmaniye Korkut Ata Üniversitesi

    İşletme Ana Bilim Dalı

    DOÇ. DR. AHMET DOĞAN

  3. Atıksu arıtma tesislerinde biyolojik oksijen ihtiyacının (BOİ5) kaba kümeleme ve makine öğrenmesi hibrit yaklaşımı ile tahmini

    Prediction of biochemical oxygen demand (BOD5) in wastewater treatment plant with rough set and machine learning hybrid approach

    MUHAMMED ALPEREN ŞERİFOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Endüstri ve Endüstri MühendisliğiSakarya Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. ORHAN TORKUL

  4. Robust bayesyen regresyon analizi

    Robust bayesian regression analysis

    MUTLU KAYA

    Doktora

    Türkçe

    Türkçe

    2020

    İstatistikAnkara Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. OLÇAY ARSLAN

  5. Bayesyen model ile doğrusal regresyon modellerinin karşılaştırılması üzerine bir uygulama

    An application on comparison of bayesian model with linear regression models

    NİCAT GASIM

    Yüksek Lisans

    Türkçe

    Türkçe

    2013

    EkonometriDokuz Eylül Üniversitesi

    PROF. DR. MEHMET VEDAT PAZARLIOĞLU

    PROF. DR. BÜLENT MİRAN

    DOÇ. DR. KADİR ERTAŞ