Doğrusal olmayan regresyon modellerinde parametre tahmin yöntemleri, öneriler ve karşılaştırmaları
Parameter estimation methods, proposals and their comparisons in nonlinear regression models
- Tez No: 303555
- Danışmanlar: PROF. DR. HAMZA GAMGAM
- Tez Türü: Doktora
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2010
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 157
Özet
Bu çalışmada parametre tahmin yaklaşımlarında temel olan en küçük kareler yöntemine ve birçok başka parametre tahmin yöntemi için bir yol gösterici olan ağırlıklandırılmış en küçük kareler yöntemine değinilmiştir. Ayrıca en çok olabilirlik tahmini ve bunun bir modifikasyonu olan yarı olabilirlik yöntemi tanıtılmıştır. Sağlam tahmin ediciler ele alınarak bu yöntemlerin geliştirilme nedenlerine değinilmiştir. Sonra parametre tahmini amacıyla Tvrdik ve diğerlerinin geliştirmiş olduğu stokastik yöntem tanıtılmıştır. Diğer yandan yapılan çalışmalar doğrultusunda bazı noktalar farkedilmiş ve bunların üzerine fikir ve görüşler geliştirilerek önerilerde bulunulmuştur. Gauss-Newton temelli algoritmaların bir çatı altında toplanabildiği gösterilmiş ve sonuçlar genelleştirilerek bir öneride bulunulmuştur. Ayrıca Gauss-Newton tabanlı algoritmalardan farklı olarak stokastik araştırma stratejisine dayanan bir yöntem önerilmiştir. Birkaç süreç tasarlanıp simülasyon aracılığı ile veriler üretilmiş ve uygulama amacıyla bu çalışmada değinilen yöntemler ve yaklaşımlar kullanılarak parametre tahminleri yapılıp standart hataları bulunarak sonuçları karşılaştırılmıştır. Önerilen yöntemler ile bulunan parametre tahminlerinin oldukça az sapmalı ve küçük standart hatalı oldukları görülmüştür.
Özet (Çeviri)
In this study, the least squares method of the parameter estimation approaches and the weighted least squares method, which is a guiding method for many other parameter estimation methods, have been referred to. Moreover, the maximum likelihood estimation and the quasi likelihood method, which is a modified version of the maximum likelihood estimation has been introduced. By addressing robust estimators, the reasons for developing these methods have been mentioned in the study. Than, the stochastic method, which is developed by Tvrdik et al., has been introduced for parameter estimation. On the other hand, certain points have been realized, whereas some theories and opinions developed as well as some suggestions were made on the approaches. It was shown that algorithms based on Gauss-Newton can be grouped together and a suggestion was made via generalizing the results. Besides, a method based on stochastic search algorithm has been offered as distinct from Gauss-Newton based algorithms. A few processes have been designed and data has been gathered via simulation; moreover, the results of the parameter estimation and standard errors have been identified and were compared by using the methods and approaches mentioned in this study for application. It was found that the proposed methods and parameter estimations that were found were slightly biased and with small standard error.
Benzer Tezler
- Derin öğrenme ve büyük veri analitiği yöntemleriKullanarak Covid-19 yayılımının ileriye dönük tahmini
Forecasting the spread of covid-19 using deep learning and big data analytics methods
CYLAS KIGANDA
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. MUHAMMET ALİ AKCAYOL
- Design and deployment of deep learning based fuzzy logicsystems
Derin öğrenme tabanlı bulanık sistemlerin geliştirilmesi ve uygulanması
AYKUT BEKE
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
DOÇ. DR. TUFAN KUMBASAR
- Doğrusal olmayan regresyonda otokorelasyon ve aykırı değer varlığında sağlam kestirim yöntemleri
Robust estimation methods in nonlinear regression in presence of autocorrelation and outlier
SERENAY KÜÇÜK
Doktora
Türkçe
2020
İstatistikMimar Sinan Güzel Sanatlar Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. BARIŞ AŞIKGİL
- Logit türel dağılım modeli kalibrasyonu: İstanbul için bir değerlendirme
Logit modal-split model calibration: An evaluation for İstanbul
HİLMİ BERK ÇELİKOĞLU
Yüksek Lisans
Türkçe
2002
İnşaat Mühendisliğiİstanbul Teknik ÜniversitesiUlaştırma Ana Bilim Dalı
PROF. DR. HALUK GERÇEK
- Otoregresif hata terimli regresyon modellerinde robust parametre tahmini ve model seçimi
Robust parameter estimation and model selection in autoregressive error term regression models
YETKİN TUAÇ