Geri Dön

Pearson korelasyon katsayısının tahmin edicilerinin ve bu tahmin edicilere dayanan test istatistiklerinin karşılaştırılması

The comparison of the estimators of the pearson correlation coefficient and the test statistics based on these estimators

  1. Tez No: 256868
  2. Yazar: AHMET CAN DİKER
  3. Danışmanlar: YRD. DOÇ. DR. HAKAN SAVAŞ SAZAK
  4. Tez Türü: Yüksek Lisans
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2009
  8. Dil: Türkçe
  9. Üniversite: Ege Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Uygulamalı İstatistik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 75

Özet

Korelasyon katsayısını tahmin ederken verinin genellikle iki değişkenli normal dağılıma uyduğu varsayılır; ancak birçok gerçek yaşam verisi Uzun Kuyruklu Simetrik (LTS) dağılım ile modellenebilir. Bu tür dağılımlarda En Çok Olabilirlik (ML) denklemlerinin çözümü çok problemlidir. ML yönteminin yerine, tahmin edicileri asimptotik olarak ML tahmin edicilerine eşit olan Uyarlanmış En Çok Olabilirlik (MML) Metodu kullanılır. MML tahmin edicileri, normal dağılım varsayımı geçerli olduğunda da neredeyse, normal dağılımda en çok etkinliğe sahip olan ve bu dağılımda ML tahmin edicilerine eşit olan En Küçük Kareler (LS) tahmin edicileri kadar etkindir. Çalışmada ayrıca değişik dağılım ve modeller altında MML korelasyon katsayısı tahmin edicisinin etkinliği ve buna dayalı güç değerleri, diğer tahmin ediciler ve test istatistikleri ile karşılaştırılmıştır. Sonuçlar MML tahmin edici ve test istatistiğinin üstünlüğünü göstermektedir. MML tahmin edicisi ayrıca belli ölçülerde sapmalara da dayanıklıdır.

Özet (Çeviri)

It is generally assumed that the underlying bivariate distribution is normal for estimating correlation coefficient but numerous real life data can be modelled by Long-Tailed Symmetric (LTS) distribution. Solving maximum likelihood (ML) equations may be problematic for this type of distribution. Instead of ML methodology, the Modified Maximum Likelihood (MML) method is used which produces estimators that are asymptotically equivalent to ML estimators. Moreover, even for an underlying bivariate normal distribution, MML estimators are almost as efficient as LS estimators which are the most efficient estimators and equivalent to ML estimators under bivariate normality. In this study, we also compared the efficiency and power of the MML correlation coefficient estimator and the test statistic based on it with other estimators and test statistics. Results show the superiority of the MML correlation coefficient estimator and the test statistic. Besides, the MML correlation coefficient estimator and the test statistic based on it are robust to plausible deviations from the assumed model.

Benzer Tezler

  1. Forecasting the performance of shale gas wells using machine learning

    Makine öğrenmesi kullanarak şeyl gaz kuyularının performansının tahmin edilmesi

    MOHAMMED SHEDAIVA

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Petrol ve Doğal Gaz Mühendisliğiİstanbul Teknik Üniversitesi

    Petrol ve Doğal Gaz Mühendisliği Ana Bilim Dalı

    DOÇ. DR. FAZIL EMRE ARTUN

  2. Three essays on macroeconometrics

    Makroekonometri üzerine üç çalışma

    YUSUF VARLI

    Doktora

    İngilizce

    İngilizce

    2013

    Ekonometriİstanbul Bilgi Üniversitesi

    İktisat Ana Bilim Dalı

    DR. ORHAN ERDEM

  3. Kanonik korelasyon analizi ve hayvancılıkta kullanımı

    Canonical correlation analysis and its application on animal science

    SONER ÇANKAYA

    Doktora

    Türkçe

    Türkçe

    2005

    ZiraatÇukurova Üniversitesi

    Zootekni Ana Bilim Dalı

    PROF.DR. TAMER KAYAALP

  4. Exploring consumers' virtual garment fit satisfactions to predict their actual satisfactions

    Sanal giysi duruşu memnuniyetinin gerçek giysi duruşu memnuniyetini tahmin etmek için kullanılması

    EVRİM BÜYÜKASLAN

    Doktora

    İngilizce

    İngilizce

    2018

    Tekstil ve Tekstil Mühendisliğiİstanbul Teknik Üniversitesi

    Tekstil Teknolojisi Ana Bilim Dalı

    PROF. DR. FATMA KALAOĞLU