Çok değişkenli istatistiksel analizde robust istatistiklerin kullanımı
The using of robust statistics in multivariate statistical analysis
- Tez No: 377455
- Danışmanlar: DOÇ. DR. YÜKSEL ÖNER
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2014
- Dil: Türkçe
- Üniversite: Ondokuz Mayıs Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışmada, bölgeler arasındaki gelişmişlik farklarının azaltılması amacıyla hizmet veren kalkınma ajansları kapsamındaki illerin sosyo-ekonomik gelişmişliklerinin değerlendirilmesi amacıyla klasik ve robust temel bileşenler analizi yöntemleri kullanılmıştır. Robust yöntemlerin kullanılma nedeni, bölgeler arasındaki gelişmişlik farklarının büyük olmasından dolayı ortaya çıkan aykırı değer sorunudur. Veri setinde aykırı değer olup olmadığı da yine klasik ve robust istatistiksel yaklaşımlarla incelenmiştir. Klasik temel bileşenler analizinde değişken sayısı gözlem sayısından daha az olmalıdır. Aksi takdirde kovaryans matrisinin determinantı sıfır olacaktır. Bu durumda klasik yaklaşımda değişken sayısı en fazla gözlem sayısının bir eksiği olabilir. Yeni bir yaklaşım olan Robust Temel Bileşenler Analizi (ROBPCA) yöntemi ile değişken sayısı gözlem sayısından fazla olsa da temel bileşenler analizi uygulanabilmektedir. Yapılan uygulamada 26 kalkınma ajansı bölgesi öncelikle 19 değişken bakımından klasik ve robust korelasyon matrislerine dayanan temel bileşenler analizi ile, daha sonra da 46 değişken bakımından ROBPCA yöntemi ile değerlendirilmiştir.
Özet (Çeviri)
In this study, classic and robust principal component analyses are used to evaluate socioeconomic development of regions of development agencies that give service on the purpose of decreasing development difference among regions. Because development differences among regions are high, outlier problem is discussed. For this reason, robust statistical methods are used. Whether there is any outlier in the data set is also investigated by robust statistical methods. In the classic principal component analysis, the number of observation should be higher than the number of variable. Otherwise, determinant of covariance matrix is zero. In the ROBPCA that is a new approach, even if the number of variable is higher than the number of variable, principal component analysis is applied. In this thesis, firstly 26 development agencies are evaluated with 19 variables by using principal component analysis based on classical and robust scatter matrices. Secondly, they are evaluated with 46 variables by using ROBPCA method.
Benzer Tezler
- Yetişkin Türk popülasyonu örneğinde cinsiyet tayininde bilgisayarlı tomografi kullanılarak frontal, maksiller ve sfenoid sinüs boyutlarının değerlendirilmesi
Evaluation of frontal, maxillary, and sphenoid sinus dimensions using computed tomography for sex estimation in adult Turkish population sample
BUĞRA KAAN YAZGI
Tıpta Uzmanlık
Türkçe
2023
Adli TıpBolu Abant İzzet Baysal ÜniversitesiAdli Tıp Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ERDEM HÖSÜKLER
- Genelleştırilmiş toplamsal modeller ile Bitcoin için yön analizi
Directional analysis of Bitcoin using generalized additive models
İLAYDA ARIKAN
Yüksek Lisans
Türkçe
2024
İstatistikHacettepe Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. SERPİL AKTAŞ ALTUNAY
- Prediction of COVID 19 disease using chest X-ray images based on deep learning
Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini
ISMAEL ABDULLAH MOHAMMED AL-RAWE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- Catchment scaled drought analysis: Integrated climate and hydrological perspectives
Havza ölçeğinde kuraklık analizi: Entegre iklim ve hidrolojik perspektifleri
SAEED VAZIFEHKHAH
Doktora
İngilizce
2018
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ERCAN KAHYA
- Test verilerine dayalı, makine öğrenmesi ve derin öğrenme yöntemleri ile batarya sağlık durumu tahmini
Battery state of health estimation based on test data using machine learning and deep learning methods
MEHMET ALİ ARSLANTAŞ
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. FİKRET ÇALIŞKAN