Geri Dön

Lineer tahmin edicilerin kabul edilebilirliği

Admissibility of the linear estimators

PDF İndir

  1. Tez No: 287218
  2. Yazar: GÜLESEN ÜSTÜNDAĞ ŞİRAY
  3. Danışmanlar: PROF. DR. SADULLAH SAKALLIOĞLU
  4. Tez Türü: Doktora
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2011
  8. Dil: Türkçe
  9. Üniversite: Çukurova Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 82

Özet

Çoklu lineer regresyon modelinde iç ilişki olması durumunda en küçük kareler (EKK) tahmin edici zayıf yönleri olan bir tahmin edicidir. Çoklu iç ilişki probleminin olumsuzluklarını ortadan kaldırmak için EKK tahmin ediciye alternatif olarak yanlı tahmin ediciler tanımlanmıştır. Pek çok yanlı tahmin edici olması nedeni ile tahmin edicilerin birbirine göre kabul edilebilirliği incelenmektedir.Bu çalışmada, r-k sınıf tahmin edici, ridge regresyon tahmin edici, temel bileşenler tahmin edici ve EKK tahmin edici Mahalanobis kayıp fonksiyonu altında birbirleriyle karşılaştırılmıştır. Ardından genelleştirilmiş Liu tahmin edici ve Liu tahmin edici Mahalanobis kayıp fonksiyonu ve Fisherian kayıp fonksiyonu altında EKK tahmin edici ile karşılaştırılmıştır.

Özet (Çeviri)

The least squares estimator to be a poor estimator when the presence of multicollinearity in the multiple linear regression model. To overcome the problem of multicollinearity, new biased estimators have been proposed alternatively to the ordinary least squares estimator. Since there are many biased estimator, the admissibility of these estimators is examined.In this study, the r-k class, the ridge regression, the principal components and the ordinary least squares estimators are compared with each other under the Mahalanobis loss function. Then the generalized Liu and the Liu estimators compared to the ordinary least squares estimator under the Mahalanobis loss and Fisherian loss functions.

Benzer Tezler

  1. Tez No

    793576

    Admissibility in linear models

    Lineer modellerde kabul edilebilirlik

    BUATIKAN MIREZI

    Doktora

    İngilizce

    İngilizce

    2023

    İstatistikÇukurova Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. SELAHATTİN KAÇIRANLAR

  2. Tez No

    824796

    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

  3. Tez No

    641732

    Yarı geometrik süreçlerde parametre tahmini

    Parameter estimation in semi-geometric processes

    BURAK KARACA

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    İstatistikAnkara Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. HALİL AYDOĞDU

  4. Tez No

    833215

    A hybrid prediction approach using multiple linear regression and decision tree

    Çoklu doğrusal regresyon ve karar ağacı kullanarak hibrit tahmin yaklaşım

    MARYAM ARIF AZEEZ AZEEZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Üniversitesi

    Bilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ KAYHAN AYAR

  5. Tez No

    75053

    An Investigation on the selection of the fine tuning parameters of STC

    Özayarlamalı kontrol edicilerin hassas ayar parametrelerinin seçimi üzerine bir çalışma

    HİKMET İSKENDER

    Doktora

    İngilizce

    İngilizce

    1998

    Kimya Mühendisliğiİstanbul Teknik Üniversitesi

    Kimya Mühendisliği Ana Bilim Dalı

    PROF. DR. DURSUN ALİ ŞAŞMAZ

Geri Dön