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: 96
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
- Bütünleşik otoregresif hareketli ortalama (ARIMA) ve uyarlamalı ağ tabanlı bulanık çıkarım sistemi (ANFIS) yöntemleri kullanılarak enflasyon tahmini
Estimating inflation using autoregressive integrated moving average (ARIMA) and adaptive neuro fuzzy inference system (ANFIS) methods
YUNUS EMRE KUZU
Yüksek Lisans
Türkçe
2022
Endüstri ve Endüstri MühendisliğiYıldız Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. SELÇUK ALP
- NARMA-L2 controller design for nonlinear systems using online lssvr
Doğrusal olmayan sistemler için çevrimiçi en küçük kareler destek vektör regresyonu ile NARMA-L2 kontrolör tasarımı
GÖKÇEN DEVLET ŞEN
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜLAY ÖKE GÜNEL
- Zaman serisi öngörüsü için yeni bir melez yaklaşım: AR-ANFIS
A new hybrid method for time series forecasting: AR-ANFIS
BUSENUR SARICA
Yüksek Lisans
Türkçe
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMimar Sinan Güzel Sanatlar Üniversitesiİstatistik Ana Bilim Dalı
DOÇ. DR. BARIŞ AŞIKGİL
- 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