Geri Dön

Lojistik regresyonda robust tahmin yöntemlerinin kullanılması

Using robust estimation methods in logistic regression

  1. Tez No: 605406
  2. Yazar: TUĞÇE PARLAK
  3. Danışmanlar: PROF. DR. OLÇAY ARSLAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2019
  8. Dil: Türkçe
  9. Üniversite: Ankara Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 84

Özet

En çok olabilirlik tahmin edicisi (MLE), parametrik bir model altında etkinliği nedeniyle lojistik regresyon modellerinin parametre tahminleri için sıklıkla kullanılır. Fakat en çok olabilirlik yöntemi aykırı değerlerin varlığında parametrelerin tahminlerinde doğru olmayan sonuçlar verebilmektedir. Bu tezde, parametre tahmini yaparken aykırı değerlerin meydana getirdiği bozucu etkinin en aza indirilebilmesi için robust yöntemler araştırılmıştır. En çok olabilirlik tahmin edicisinin performansı ile alternatif olarak öne sürülen ağırlıklandırılmış Bianco-Yohai tahmin edicisi (WBYE), ağırlıklandırılmış Mallows tahmin edicisi ve ağırlıklandırılmış en çok olabilirlik tahmin edicisinin (WMLE) performanslarını karşılaştırmak için simülasyon çalışması ve gerçek veri üzerinde çalışmalar yapılmıştır.

Özet (Çeviri)

To estimate the parameters of logistic regression models are often used the maximum likelihood estimator (MLE) owing to its good property under a parametric model. However, the maximum likelihood method can give inefficient parameter estimations in the presence of outliers. In this thesis, robust methods are considered to estimate the parameters of a logistic regression model when there are outliers in data. A simulation study and a real data example are afforded to contrast the performance of the maximum likelihood estimator with the performances of the weighted Bianco-Yohai estimator, the weighted Mallows estimator and the weighted maximum likelihood estimator.

Benzer Tezler

  1. Trafik kazası yaralanma şiddeti tahmini için makine öğrenmesi yöntemlerinin karşılaştırılması

    Comparison of machine learning methods for traffic accident injury severity prediction

    AYMAN ALMADANI

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    TrafikBursa Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ NURTEN AKGÜN

  2. An intelligent system for ranking e-commerce customer reviews to boost engagement

    Müşteri etkileşimini artırmak için e-ticaret müşteri yorumlarını sıralayan akıllı sistem

    ERTUĞRUL YÜCEL

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Mühendislik Bilimleriİstanbul Teknik Üniversitesi

    İşletme Mühendisliği Ana Bilim Dalı

    PROF. DR. TOLGA KAYA

  3. A hybrid deep learning metaheuristic model for diagnosis of diabetic retinopathy

    Diyabetik retinopatinin tanısı için hibrit bir derin öğrenme meta-sezgisel modeli

    ÖMER FARUK GÜRCAN

    Doktora

    İngilizce

    İngilizce

    2022

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA

  4. Using machine learning techniques to enhance teaching and performance prediction of students with autism spectrum disorders

    Yapay öğrenme yöntemleri ile otizm spektrum bozukluğu olan öğrencilerin öğretiminin ve öğretim performansı tahmininin iyileştirilmesi

    AKRAM M.M. RADWAN

    Doktora

    İngilizce

    İngilizce

    2016

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ZEHRA ÇATALTEPE

  5. Prediction of COVID 19 disease using chest X-ray images based on deep learning

    Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini

    ISMAEL ABDULLAH MOHAMMED AL-RAWE

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ADEM TEKEREK