Geri Dön

Basit doğrusal regresyon modeli için bazı sağlam tahmin edicilerin karşılaştırılması

Comparison of some robust estimators for simple linear regression analysis

  1. Tez No: 452655
  2. Yazar: EMEL TİRYAKİ
  3. Danışmanlar: YRD. DOÇ. DR. FİLİZ KARDİYEN
  4. Tez Türü: Yüksek Lisans
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2010
  8. Dil: Türkçe
  9. Üniversite: Gazi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 81

Özet

Aralarında sebep sonuç ilişkisi bulunan bir bağımlı nicel değişkenle, bir veya birden fazla bağımsız nicel değişken arasında ilişki biçimine regresyon, ilişki biçimini gösteren matematiksel ifadeye regresyon modeli denir.Doğrusal regresyon modellerinin çözümü için kullanılabilecek bir çok alternatif yöntem vardır. Bu yöntemler arasında en çok tanınan ve kullanılan yöntem En Küçük Kareler (EKK) dir. Yöntemin dayandığı önemli birçok varsayım vardır. Bu varsayımların sağlandığı durumda En Küçük Kareler tahmin edicisi modelin bilinmeyen parametrelerinin tahmini için optimal sonuçlar vermektedir. Ancak, uygulamada özellikle hata teriminin normal dağılıma uymadığı veya aykırı gözlemler olduğu durumlarda bu yöntem optimallikten çok uzaklaşmaktadır. Böyle durumlarda, tahminler yanlı ve büyük varyanslı olacağı için tahminlerdeki sapmayı en aza indirgemek amacıyla aykırı gözlemlere ve varsayımlardan sapmalara karşı duyarsız olan sağlam tahmin ediciler geliştirilmiştir.Bu çalışmada, basit doğrusal regresyon analizinde En Küçük Kareler yöntemin varsayımlarının sağlanmaması ve aykırı gözlemlerin varlığı durumunda alternatif olarak sunulan bazı sağlam regresyon yöntemleri farklı örnek çapları (n=10, 20, 30), farklı hata terimi dağılımları ( standart normal, %10 kirlenmiş normal dağılım, %30 kirlenmiş normal dağılım, lognormal dağılım) için karşılaştırmalı olarak incelenmiştir.

Özet (Çeviri)

The relationship based on a cause and effect relation between a dependent quantitative variable and one/or more independent quantitative variable is called regression and the mathematical expression that shows this relationship is called regression model.There are many alternative methods which can be used for the solution of linear regression models. Among these methods, Least Squares (LS) is the best known and the most commonly used method. There are many important assumptions on which the method is based. When the assumptions are proved, Least Squares method gives optimal results for the model?s unknown parameter estimation. However, in practice, this method departs from the optimality when some situations that do not fit the normallity assumptions and outliers exist. In these cases, the estimations, based on the least squares, will be biased and have large variance. For this reason, robust estimators which are insensitive to outliers and deviations from the assumptions are developed.In this study, some robust regression techniques as an alternative method to Least Squares are examined comparatively for different sample sizes (n=10, 20, 30) and different error distributions ( standart normal, 10% contaminated normal, 30% contaminated normal, lognormal) .

Benzer Tezler

  1. Kararlı regresyon analizinde sağlam tahmin yöntemlerinin performanslarının incelenmesi

    Performance evaluation of robust estimators under the stable regression model

    ENİSE KORALTAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    İstatistikGazi Üniversitesi

    İstatistik Ana Bilim Dalı

    YRD. DOÇ. DR. FİLİZ KARDİYEN

  2. 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

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    PROF. DR. MUHAMMET ALİ AKCAYOL

  3. Fake news classification using machine learning and deep learning approaches

    Makine öğrenimi ve derin öğrenme yaklaşımlarını kullanarak sahte haber sınıflandırması

    SAJA ABDULHALEEM MAHMOOD AL-OBAIDI

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR

  4. Regresyonda kalıntı (residual) analizi

    Başlık çevirisi yok

    SUAT ŞAHİNLER

    Yüksek Lisans

    Türkçe

    Türkçe

    1993

    ZiraatÇukurova Üniversitesi

    Zootekni Ana Bilim Dalı

    DOÇ. DR. MUSTAFA AKAR

  5. Effect of lignin, extractive matter, holocellulose, and alpha cellulose of biomass on calorific value

    Biyokütlenin içeriğindeki lignin, ekstraktif madde, holoselüloz ve alfa selülozun kalorifik değer üzerindeki etkisi

    ÖZLEM ECEM KAYNAR

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Kimya Mühendisliğiİstanbul Teknik Üniversitesi

    Kimya Mühendisliği Ana Bilim Dalı

    PROF. DR. SERDAR YAMAN