Geri Dön

Adaptive inference of autoregressive models under nonnormality

Normal olmayan durumda otoregresif modellerin uyarlamalı çıkarsaması

  1. Tez No: 596733
  2. Yazar: BEGÜM YENTÜR
  3. Danışmanlar: PROF. DR. AYŞEN AKKAYA, DOÇ. DR. ÖZLEM TÜRKER BAYRAK
  4. Tez Türü: Yüksek Lisans
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2019
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. 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

    Türkçe

    2017

    BiyoistatistikGazi Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. HÜLYA BAYRAK

    DOÇ. DR. FİKRİ GÖKPINAR

  2. 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

    Türkçe

    2022

    Endüstri ve Endüstri MühendisliğiYıldız Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SELÇUK ALP

  3. 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

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    DOÇ. DR. GÜLAY ÖKE GÜNEL

  4. 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

    Türkçe

    2015

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMimar Sinan Güzel Sanatlar Üniversitesi

    İstatistik Ana Bilim Dalı

    DOÇ. DR. BARIŞ AŞIKGİL

  5. Forecasting toursim income of Türkiye

    Başlık çevirisi yok

    SURA FAEZ ALI AL-HADHARIN

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    İstatistikOndokuz Mayıs Üniversitesi

    İstatistik Teorisi Ana Bilim Dalı

    PROF. DR. VEDİDE REZAN USLU