Geri Dön

Doğrusal olmayan Bayesçi regresyon ve yüksek frekanslı ses sistemlerinde bir uygulama

Bayesian analysis of nonlinear regression and its applications (ultrasonic calibration of nonlinear regression and its applications)

  1. Tez No: 243730
  2. Yazar: MERAL ÇEVİK
  3. Danışmanlar: YRD. DOÇ. DR. AHMET ATIF EVREN
  4. Tez Türü: Yüksek Lisans
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Bayesçi istatistik, regresyon, doğrusal olmayan regresyon, bayesçi doğrusal regresyon, doğrusal olmayan bayesçi regresyon, metropolis-hastings algoritması, Bayesian statistics, regression, nonlinear regression, bayesian linear regression, nonlinear bayesian regression, Metropolis-Hastings Algoritms
  7. Yıl: 2009
  8. Dil: Türkçe
  9. Üniversite: Yıldız Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 106

Özet

Bayesçi Yaklaşım uygulamaları son yıllarda risk ve klinik çalışmalarında yoğun olarak kullanılmaya ve yeterli bilgi bulunmadığı durumlar için tercih edilebilir bir yöntem halini almıştır. Bayesçi yaklaşımda da klasik yöntemlerde olduğu gibi, görsel açıdan doğrusal ve doğrusal olmayan yapı olmak üzere, tahmin geliştirme için iki genel regresyon türü mevcuttur. Son yıllarda Türkiye' de yoğun olarak Doğrusal Bayesçi Regresyon uygulamaları gerçekleştirilmektedir.Bu tezin amacı ise, henüz uygulaması nadir olan Doğrusal Olmayan Bayesçi Regresyonu bir uygulama ile açıklayarak, bu konudaki çalışmalara katkı sağlamaktır. Doğrusal Olmayan Bayesçi Regresyona giriş yapılmadan önce Bayesçi İstatistik ve regresyon analizi kısaca anlatılmış, Doğrusal ve Doğrusal Olmayan Bayesçi Regresyon bu kapsamda değerlendirilmiştir. Son olarak, konunun iyi anlaşılması için Yüksek Frekanslı Seslere dair verilerle doğrusal olmayan Bayesçi regresyon analizi uygulaması yapılmıştır.

Özet (Çeviri)

Bayesian Approch applications have begun to be used for risk and clinical studies in recent years. It has become a preferable method in case insufficent information exists. Similar to classical methods, there exist two basic regression types in Bayesian approach which are visually linear and nonlinear structures. In Turkey, linear Bayesian regressions applications are mostly practiced.The aim of this research is to contribute to the studies about this subject by explaining nonlinear Bayesian regression with an application. Prior to introducing Nonlinear Bayesian regression, estimation methods are emphasized and basic information about regression is given. Afterwards, Bayesian Statistics is explained and linear and nonlinear Bayesian regression are evaluated in this content. Finally, a nonlinear Bayesian regression application regarding to ultrasonic calibration is given in order to make the subject more understandable.

Benzer Tezler

  1. Multitemporal co-polar x-band sar data classification as a tool for paddy-rice phenology estimation

    Çeltik tarlası fenoloji kestirimi için çok zamanlı co-polar x-bant sar verisi üzerinde sınıflandırma yöntemi

    ÇAĞLAR KÜÇÜK

    Yüksek Lisans

    İngilizce

    İngilizce

    2016

    Mühendislik Bilimleriİstanbul Teknik Üniversitesi

    Bilişim Uygulamaları Ana Bilim Dalı

    YRD. DOÇ. DR. GÜLŞEN TAŞKIN KAYA

    YRD. DOÇ. DR. ESRA ERTEN

  2. Bayesian semiparametric models for nonignorable missing data mechanisms in logistic regression

    Lojistik regresyonda ihmal edilemeyen kayıp veri mekanizmaları için Bayesci yarı-parametrik modeller

    OLCAY ÖZTÜRK

    Yüksek Lisans

    İngilizce

    İngilizce

    2011

    İstatistikOrta Doğu Teknik Üniversitesi

    İstatistik Bölümü

    YRD. DOÇ. DR. ZEYNEP IŞIL KALAYLIOĞLU

  3. Performance comparison of machine learning methods and traditional time series methods for forecasting

    Geleneksel zaman serisi yöntemleri ve makine öğrenmesi yöntemlerinin öngörü performans karşılaştırması

    OZANCAN ÖZDEMİR

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    İstatistikOrta Doğu Teknik Üniversitesi

    İstatistik Ana Bilim Dalı

    DOÇ. DR. CEYLAN YOZGATLIGİL

  4. Bayesci doğrusal olmayan yapısal eşitlik modeli

    Bayesian non linear structural equation model

    İLKAY ALTINDAĞ

    Doktora

    Türkçe

    Türkçe

    2015

    İstatistikSelçuk Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. AŞIR GENÇ

  5. Randomize olmayan klinik çalışmalarda en uygun eşleştirme analizi için makine öğrenme algoritmaları ile yeni propensity skor tahmin modellerinin geliştirilmesi

    Development of new propensity score estimation models with machine learning algorithms for optimal matching analysis in non-randomized clinical trials

    EMRE DEMİR

    Doktora

    Türkçe

    Türkçe

    2019

    BiyoistatistikAnkara Üniversitesi

    Biyoistatistik Ana Bilim Dalı

    DOÇ. DR. SERDAL KENAN KÖSE