Adaptive inference of autoregressive models under nonnormality
Normal olmayan durumda otoregresif modellerin uyarlamalı çıkarsaması
- Tez No: 596733
- Danışmanlar: PROF. DR. AYŞEN AKKAYA, DOÇ. DR. ÖZLEM TÜRKER BAYRAK
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Son zamanlarda otoregresif modellerde normal olmayan hatalara birçok uygulamada rastlanmaya başlanmıştır. Bu durumda en küçük kareler tahmin edicilerinin etkin ve sağlam olmadıkları bilinmektedir. Ayrıca, en çok olabilirlik tahmin edicilerini elde etmek sayısal çözüm teknikleriyle mümkündür ancak bu da zordur. Bu zorlukların üstesinden gelmek için uyarlanmış en çok olabilirlik tahmin yöntemi geliştirilmiştir. Bu yöntemde, açık bir çözüm bulunabilse de şekil parametresinin biliniyor olma gerekliliği makine veri işleme sürecinde dezavantaj oluşturmaktadır. Bu nedenden dolayı, bu tezde şekil parametresinin de tahmin edilebilmesi için Huber'ın M-tahmin yöntemi ile uyarlanmış en çok olabilirlik (EÇO) tahmin tekniğini birleştiren adaptif uyarlanmış en çok olabilirlik metodolojisi kullanılmıştır. Ayrıca, en çok olabilirlik tahmin edicilerini numerik olarak elde etmek için koşullu beklenti maksimizasyonu algoritması kullanılmıştır. Daha sonra simülasyon çalışmasıyla tüm tahmin edicilerin etkinlik ve sağlamlık özellikleri tartışılmış ve tahmin ediciler birbirleriyle karşılaştırılmıştır. Son olarak modelin kritik parametreleri için test istatistikleri önerilmiştir. Her bir tahmin yöntemi altında test istatistiklerinin güç karşılaştırmaları sunulmuştur.
Özet (Çeviri)
Recently, non-normal innovations in autoregressive models have become prevalent in many applications. In this case, it is known that the least squares (LS) estimators are neither efficient nor robust. Also, obtaining maximum likelihood (ML) estimators requires numerical solution which is a formidable task. To overcome these difficulties modified maximum likelihood (MML) estimation technique is used to obtain the estimators of the model parameters. In this method, although explicit solution can be found, the necessity of knowing the shape parameter becomes a drawback especially in machine data processing. That is why, in this thesis adaptive modified maximum likelihood (AMML) methodology which combines MML estimation technique with Huber's M-estimation procedure is used so that the shape parameter can also be estimated. Expectation Maximization (EM) algorithm is also used in order to obtain Maximum Likelihood Estimators (MLEs) numerically. Then, through a simulation study, efficiency and robustness properties of the estimators are discussed and compared with each other. Finally, test statistics are proposed for the crucial parameters of the model. The power comparisons of the test statistics under each estimation technique are presented.
Benzer Tezler
- Doğrusal karışık modellerde parametreler için güven aralıklarına yeni yaklaşımlar
New approaches to confidence intervals for parameters in linear mixed models
HATİCE TÜL KÜBRA AKDUR
Doktora
Türkçe
2017
BiyoistatistikGazi Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. HÜLYA BAYRAK
DOÇ. DR. FİKRİ GÖKPINAR
- Yenilenebilir enerji sistemleri ile entegre iki alanlı güç sisteminde yük frekans kontrolü için optimizasyon yöntemleri kıyaslaması
Comparison of optimization methods for load frequency control in a two-area power system integrated with renewable energy systems
FATİH DEMİRCAN
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. AYŞEN DEMİRÖREN
- Integration of spatial procedures to combat the desertification in Nineveh governorate, Iraq
Irak'ın Nineveh vilayetinde çölleşme ile mücadele için mekansal yöntemlerin entegrasyonu
BASHAR MUNEER YAHYA YAHYA
Doktora
İngilizce
2019
İnşaat Mühendisliğiİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. DURSUN ZAFER ŞEKER
- Forecasting toursim income of Türkiye
Başlık çevirisi yok
SURA FAEZ ALI AL-HADHARIN
Yüksek Lisans
İngilizce
2023
İstatistikOndokuz Mayıs Üniversitesiİstatistik Teorisi Ana Bilim Dalı
PROF. DR. VEDİDE REZAN USLU
- Ekstrem rüzgarların yapay sinir ağları ve çoklu lineer regresyon kullanılarak kısa süreli tahmini
Short term prediction of extreme winds using artificial neural network and multiple lineer regression
MELEK AKIN
Yüksek Lisans
Türkçe
2018
Meteorolojiİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
DOÇ. AHMET ÖZTOPAL