Çoklu doğrusal regresyon modeli için bulanık üyelik fonksiyonuna dayalı parametre tahmini
Parameters estimation for multiple linear regression model based on fuzzy membership functions
- Tez No: 360856
- Danışmanlar: DOÇ. DR. TÜRKAN ERBAY DALKILIÇ
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2014
- Dil: Türkçe
- Üniversite: Karadeniz Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik ve Bilgisayar Bilimleri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 61
Özet
Basit ve çoklu doğrusal regresyon çözümlemesinde klasik metotlardan yararlanılıyorsa, modele ilişkin parametrelerin tahmini bazı varsayımlara dayanır. Doğrusal regresyon modellerinin bilinmeyen parametrelerinin tahmininde verilerin normal dağılım dışında bir dağılıma sahip olması durumu tahmin sürecinde klasik çözümlemelerin dışına çıkılmasını gerektirir. Ayrıca veri setinde aykırı gözlemlerin varlığı da kullanılacak yöntemin önemini artırmaktadır. Böyle durumlarda bulanık mantığa dayalı çözümleme yöntemleri alternatif yöntemler olarak kendini göstermektedir. Bu çalışmada, bağımsız değişkenlerden herhangi birinin Pareto dağılımına sahip olması ve veri setinde aykırı gözlemlerin mevcut olması durumunda, kurulacak çoklu doğrusal regresyon modelinin bilinmeyen parametrelerini tahmin etmek için bir algoritma önerilerek, algoritmadan elde edilen tahminler literatürde yer alan mevcut yöntemlerden elde edilen tahminler ile karşılaştırılmıştır.
Özet (Çeviri)
In simple and multiple linear regression analysis, if conventional methods are using, parameter estimation for linear regression model is based on some assumptions. In the process of the estimation unknown parameters for linear regression models, if the data have different structure from normal distribution, it is requires to go beyond the classical resolution in the estimation process. In addition, the existence of contradictory observations in the data set in crease the importance of the method used in the process. In such cases, analysis methods based on fuzzy logic are known as alternative methods. In this study, in the case of any of independent variables have Pareto distribution and there were outlier observations in data set an algorithm has been suggested to define the unknown parameters of multiple linear regression model. The estimates obtained from this algorithm are compared with estimates obtained from existing methods.
Benzer Tezler
- Enjeksiyon uygulanmış kum zeminlerde permeabilite katsayısının esnek hesaplama yöntemleri ile tahmin edilmesi
Estimation of permeability coefficient values by using flexible calculation methods in sandy soil which was injected
ASLIHAN DİLEK
Yüksek Lisans
Türkçe
2022
İnşaat MühendisliğiBursa Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ERAY YILDIRIM
- Süt sığırcılığında bulanık regresyon modellerinin kullanımı
Use of fuzzy regression models in dairy cattle
DERVİŞ TOPUZ
- Referans buharlaşma miktarının bulanık SMRGT, ANFİS ve çoklu doğrusal regresyon yöntemleri ile tahmini
Estimation of reference evaporation amount with fuzzy SMRGT, ANFİS and multiple linear regression methods
SERKAN DEMİREL
Yüksek Lisans
Türkçe
2023
İnşaat Mühendisliğiİskenderun Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA DEMİRCİ
- Bulanık küme ve derin sinir ağlarına dayalı zaman serisi öngörüsü: Bulanık uzun-kısa vadeli bellek fonksiyonları
Time series prediction based on fuzzy set and deep neural networks: Fuzzy long-short term memory functions
NUREFŞAN KALENDER
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÜsküdar ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ÖZGE CAĞCAĞ YOLCU
- Alibey Barajı hacminin ve su seviyesinin klasik ve yapay zekâ yöntemleri ile tahmini
Estimation of the volume and water level of Alibey Dam using classical and artificial intelligence methods
ENES ERKAN ER
Yüksek Lisans
Türkçe
2022
İnşaat Mühendisliğiİskenderun Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. FATİH ÜNEŞ