Geri Dön

Genel lineer istatistiksel modelde yanlı tahmin ediciler ve tanılama metotları

Biased estimators and diagnostic methods in general linear statistical model

PDF İndir

  1. Tez No: 444681
  2. Yazar: TUĞBA SÖKÜT AÇAR
  3. Danışmanlar: PROF. DR. MAHMUDE REVAN ÖZKALE
  4. Tez Türü: Doktora
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2016
  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: Belirtilmemiş.

Özet

Regresyon tanılama metotları, kaldıraç/etkin gözlemlerin belirlenmesine yönelik ilişkisiz ve sabit varyanslı lineer istatistiksel model altında sıklıkla ele alınmıştır. Ancak, gerçek uygulamalarda modele ait hata terimleri her zaman ilişkisiz ve sabit varyanslı olmayabilir. Bu araştırma otokorelasyon ve çoklu iç ilişki problemine sahip lineer istatistiksel modelde regresyon tanılama metotlarını içermektedir. Hatalar arasındaki ilişki, birinci dereceden otoregresif süreç ile modellenmiştir. İlişkili hataya sahip lineer istatistiksel modelde genelleştirilmiş en küçük kareler tahmin edici ve ridge regresyon tahmin edici kullanarak etki tanılama yöntemleri teorik olarak incelenmiştir. Teorik incelemelerde kaldıraç gözlem izdüşüm/yarı izdüşüm matrisinin köşegen elemanları ile, regresyon parametresi üzerindeki etkin gözlem DFBETA ile, yanıt değişken üzerindeki etkin gözlem DFFITS ile, regresyon eğrisi üzerindeki etkin gözlem COOK uzaklığı ile, güven elipsoidi üzerindeki etkin gözlem Cook-Weisberg ve Andrews-Predigon ile, regresyon parametresinin varyans-kovaryans matrisi üzerindeki etkin gözlem COVRATIO ile belirlenmiştir. Model geçerliliği OCV, GCV ve Cp istatistikleri ile incelenmiştir. Teorik incelemelere ek olarak ortak bir nümerik örnek ve her bir başlık için Monte Carlo simülasyon çalışması gerçekleştirilmiştir.

Özet (Çeviri)

Regression diagnostics methods have been often studied for determination of leverage/influential observations under the linear statistical model with uncorrelated and homoscedastic errors. However, the errors of the model may not be always uncorrelated and homoscedastic in real applications. This research includes regression diagnostics methods in the linear statistical model with correlated errors and correlated regressors. The correlation between the error terms is modeled by first order autoregressive process. Regression diagnostics methods have been studied theoretically by using generalized least square and ridge regression estimators. Leverage observation is determined by projection/quasi-projection matrix, influential observation on the regression coefficients is determined by DFBETA, on the response vector is determined by DFFITS, on the regression curve is determined by Cook distance, on the confidence ellipsoid is determined by Cook-Weisberg and Andrews-Pregibon, on the variance-covariance matrix of the regression parameters are determined by COVRATIO. Model validation is examined by OCV, GCV and Cp statistics. In addition to the theoretical investigations, a common numerical example and Monte Carlo simulation study for each topic have been performed.

Benzer Tezler

  1. Tez No

    950068

    Efficient estimation of Shrinkage parameters in fuzzy Ridge and fuzzy Liu regression models using α-cut-based methods under multicollinearity

    Çoklu bağıntı durumunda bulanık Ridge ve bulanık Liu regresyon modellerinde α-kesim tabanlı yöntemler kullanılarak Shrinkage parametrelerinin etkin tahmini

    AMMAR HOMAIDA

    Doktora

    İngilizce

    İngilizce

    2025

    İstatistikGazi Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. MERAL EBEGİL

  2. Tez No

    692447

    Particulate matter 2.5 – PM2.5 mapping using MODIS satellite data and multivariate non-linear regression analysis over Marmara Region – Turkey

    MODIS uydu verileri ve çok değişkenli doğrusal olmayan regresyon analizi ile partiküler madde 2.5-PM2.5 haritasının Marmara Bölgesi-Türkiye için üretilmesi

    MIDYAN ALDABASH

    Doktora

    İngilizce

    İngilizce

    2021

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. FİLİZ BEKTAŞ BALÇIK

  3. Tez No

    827867

    Classification of abnormal respiratory sounds using deep learning techniques

    Solunum seslerinin derin öğrenme yöntemleri ile sınıflandırılması

    AHAMADI ABDALLAH IDRISSE

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    DOÇ. DR. OKTAY YILDIZ

  4. Tez No

    847190

    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

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ADEM TEKEREK

  5. Tez No

    106309

    Modeling statistical variations in MOS transistors

    MOS transistörlerde istatistiksel değişimlerin modellenmesi

    GÜLİN TULUNAY

    Yüksek Lisans

    İngilizce

    İngilizce

    2001

    Elektrik ve Elektronik MühendisliğiYıldız Teknik Üniversitesi

    PROF. DR. ATİLLA ATAMAN

Geri Dön