Geri Dön

Farklı algoritma yöntemleriyle tahmin edilen poisson regresyon model parametrelerinin karşılaştırılması

Comparison study of the poisson regression model parameters estimated with different algorithm methods

PDF İndir

  1. Tez No: 453313
  2. Yazar: WALEED AHMED HASSEN AL-NUAAMI
  3. Danışmanlar: PROF. DR. HİKMET ORHAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Ekonometri, Econometrics
  6. Anahtar Kelimeler: Geneleştirilmiş lineer model, Downhill Simplex, Gravita Search, Tahmin Algoritması, En Çok Olabilirlik yöntemi, Generalized linear model, Downhill Simplex, Gravitational Search Algorithm, Maximum Likelihood Method
  7. Yıl: 2016
  8. Dil: Türkçe
  9. Üniversite: Süleyman Demirel Üniversitesi
  10. Enstitü: Sosyal Bilimler Enstitüsü
  11. Ana Bilim Dalı: Ekonometri Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 65

Özet

Bu çalışmanın amacı, Poisson regresyon model parametrelerini tahmin etmek için kullanılan tahmin yöntemlerini karşılaştırılmalı olarak incelemektir. Herhangi bir olayın belirlenen bir süreç içerisinde yapılan denemeler sonucunda meydana gelme sayısı, sayma verileri olarak ifade edilebilir. Bu tarz sayma verilerini analiz etmede Poisson regresyon modeli önemli bir veri yorumlama aracı olarak kullanılır. Poisson regresyon modeli genelleştirilmiş lineer modellerin alt başlığı olarak incelenmektedir. Parametre tahminlerinde Gravitational Search Algoritması (GSA), En Çok Olabilirlik yöntemi (MLE), Downhill Simplex Algoritması (DS) olmak üzere üç metot kullanılmıştır. Simülasyon verilerinin üretimi ve parametre tahminleri için MATLAB paket programı kullanılmıştır. Poisson dağılımına uygun olarak 20, 50, 80 ve 100 örnek büyüklüklerinde Monte Carlo simülasyonu ile üretilen veriler kullanılarak Poisson regresyon model parametreleri tahmin edilmiş ve modeller oluşturulmuştur. Tahmin edilen parametrelerin etkinleri bakımından karşılaştırılmasında Hata Kareler Ortalaması (MSE) ve Mutlak Ortalama hata yüzdesi (MAPE) kriterleri kullanılmıştır. Karşılatırmalar sonucunda GSA metodunun diğer iki metoda göre daha iyi sonuç verdiği gösterilmiştir.

Özet (Çeviri)

The aim of this study is comparative examination of the estimation methods where can be employed to estimate Poisson regression model parameters. Occurrence number of any events that takes place within a specified time period as a result of conducted experiments can be expressed as count data. Poisson regression model is employed as an important data interpretation tool to analyze this kind of count data. Poisson regression models are regarded as a sub-branch of generalized linear models. The following three methods are used for parameters estimation: 1) Gravitational Search Algorithms (GSA), 2) Maximum Likelihood Estimation (MLE), and 3) Downhill Simplex Algorithm (DS). MATLAB packaged software is used for generation of simulation data and for parameter estimates. Poisson regression model parameters were estimated and models were generated by using of Monte Carlo simulation with sample sizes of 20, 50, 80 and 100 in accordance with Poisson distribution. Mean square error (MSE) and mean absolute percentage error (MAPE) criteria were used for comparison of estimated parameters in terms of their effectiveness. As a result of comparison, it was shown that GSA Algorithm gives better results than other two methods, MLE and DS Algorithms.

Benzer Tezler

  1. Tez No

    868895

    Konsol istinat duvarlarının dinamik davranışının yapay zeka yöntemleriyle belirlenmesi

    Determination of dynamic behaviour of cantilever retaining walls with artificial intelligence methods

    UTKU KÖKTAN

    Doktora

    Türkçe

    Türkçe

    2024

    İnşaat MühendisliğiOndokuz Mayıs Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DOÇ. DR. GÖKHAN DEMİR

  2. Tez No

    954777

    Predictive modeling of non-routine maintenance workload in aircraft operations: a task card-level approach using real mro data and machine learning

    Uçak bakım operasyonlarında non-routıne iş yükünün öngörüsel modellemesi: gerçek mro verileri ve makine öğrenmesi ile görev kartı düzeyinde bir yaklaşım

    TALHA GÜÇLÜ

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MEHMET ALİ ERGÜN

  3. Tez No

    861585

    Development of a nonlinear sonic boom propagation code

    Doğrusal olmayan sonik patlama yazılımı geliştirilmesi

    YUSUF DEMİROĞLU

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Havacılık ve Uzay Mühendisliğiİstanbul Teknik Üniversitesi

    Uçak ve Uzay Mühendisliği Ana Bilim Dalı

    PROF. DR. MELİKE NİKBAY

  4. Tez No

    962333

    Detection of human emotions under multiple olfactory stimuli using EEG signals and machine learning

    EEG sinyalleri ve makine öğrenimi kullanarak çoklu koku uyarıcıları altında insan duygularının tespiti

    ÖZGE ADA BOZBAŞ

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Elektrik ve Elektronik Mühendisliğiİzmir Ekonomi Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. AYDIN AKAN

  5. Tez No

    824269

    Makine öğrenme yöntemleriyle öğrencilerin akademik performanslarının farklı öznitelik seçim teknikleri uygulanarak sınıflandırılması

    Classification of students' academic performance by different feature selection techniques by machine learning methods

    SEMA KAYALI

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankırı Karatekin Üniversitesi

    Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SERKAN SAVAŞ

Geri Dön