Farklı algoritma yöntemleriyle tahmin edilen poisson regresyon model parametrelerinin karşılaştırılması
Comparison study of the poisson regression model parameters estimated with different algorithm methods
- Tez No: 453313
- Danışmanlar: PROF. DR. HİKMET ORHAN
- Tez Türü: Yüksek Lisans
- Konular: Ekonometri, Econometrics
- 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
- Yıl: 2016
- Dil: Türkçe
- Üniversite: Süleyman Demirel Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Ekonometri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- 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
- 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
2024
İnşaat MühendisliğiOndokuz Mayıs Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÖKHAN DEMİR
- Development of a nonlinear sonic boom propagation code
Doğrusal olmayan sonik patlama yazılımı geliştirilmesi
YUSUF DEMİROĞLU
Yüksek Lisans
İngilizce
2023
Havacılık ve Uzay Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
PROF. DR. MELİKE NİKBAY
- 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
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankırı Karatekin ÜniversitesiElektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. SERKAN SAVAŞ
- Yapay zeka yaklaşımı ile son yıllarda ve geleceğe yönelik mesleki değişimler ve eğilimlerin analizi
Professional changes and trends in recent years and for the future
EBRU KARAAHMETOĞLU
Doktora
Türkçe
2023
Endüstri ve Endüstri MühendisliğiKırıkkale ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. SÜLEYMAN ERSÖZ
DOÇ. DR. ADNAN AKTEPE
- Residual strength estimation and imperfection modelling for plastically deformed stiffeners
Plastik şekil değiştirmeye maruz kalmış stifnerlerin mukavemet kapasitesinin ve kalıcı şekil değiştirmelerinin tayini
İSMAİL KAHRAMAN
Yüksek Lisans
İngilizce
2017
Gemi Mühendisliğiİstanbul Teknik ÜniversitesiGemi İnşaatı ve Gemi Makineleri Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. GÖKHAN TANSEL TAYYAR