Lojistik regresyonda robust tahmin yöntemlerinin kullanılması
Using robust estimation methods in logistic regression
- Tez No: 605406
- Danışmanlar: PROF. DR. OLÇAY ARSLAN
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Ankara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- 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
- 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
2024
TrafikBursa Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ NURTEN AKGÜN
- 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
2024
Mühendislik Bilimleriİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
PROF. DR. TOLGA KAYA
- 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
2022
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA
- 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
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ZEHRA ÇATALTEPE
- 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
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK