Minimum kovaryans determinantına dayalı sağlam diskriminant analizi
Robust discriminant analysis based on minimum covariance determinant
- Tez No: 610880
- Danışmanlar: DOÇ. DR. NECLA GÜNDÜZ TEKİN
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 87
Özet
Sağlıklı tahminleme süreci (öngörü süreci) çeşitli araç ve yöntemlerle derlenmiş verinin, yığını temsil kabiliyetinin nitelikli olduğuna kanaat edilmesiyle başlamaktadır. Gerçek hayatta karşılaştığımız veriler her zaman bu ideali taşımayabilirler. Veride yer alan bazı gözlem ya da gözlem grupları verinin genelinin yoğunlaştığı bölgeden farklı bir noktada konumlanmış olabilir. Bu gözlem ya da gözlem gruplarına aykırı gözlem ya da başka bir dağılımdan karışan gözlem denilmektedir. Mevcut klasik metodlar veride aykırı gözlem ya da başka bir dağılımdan karışan gözlemlerin varlığından çok fazla etkilenebilirler. Bu durum tahmin edicilerin güvenilirliğinin düşmesine sebep olabilir. Sağlam istatistiklerle, (sağlam tahmin edicilerle) başka bir dağılımdan karışan gözlem ya da gözlem grubunu barındıran eldeki mevcut veri setinden hareketle, aykırı gözlemlerin bulunmadığı ya da etkisinin az tutulduğu duruma yakın tahmin ediciler elde edilebilir. Bu çalışmada, çok değişkenli gözlem birimlerinin sınıflandırılmasında kullanılan diskriminant analizinde, kırılma noktası yüksek ve sağlamlık özelliğine sahip tahmin edicilerden Minimum Kovaryans Determinantı (MCD) ve MCD temelli çeşitli algortimalara yer verilmiş olup, bu algoritmalar sonucunda elde edilen tahmin ediciler ile mevcut En Çok Olabilirlik (MLE) tahmin edicileri karşılaştırılmış ve diskriminant analizi sürecinde gözlemlerin hatalı sınıflandırma oranları (ARE) üzerindeki etkileri incelenmiştir.
Özet (Çeviri)
The healthy estimation process begins with the conviction that the data compiled by various tools and methods is qualified to represent the mass. The data we encounter in real life may not always carry this ideal. Some observations or observation groups in the data may be located at a different point from the region where the overall data is concentrated. These observations or observation groups are called outlier or contamination with another distribution. Existing classical methods may be greatly influenced by the presence of observations contamination with another distribution or outliers in the data. Hence, this situation may result in reduced reliability of the estimators. With robust statistics, estimators can be obtained for the original data set containing the observation or observation group contamination from another distribution, close to the situation where there are no or low affect for outlier or contamination with another distribution. In this study, Minimum Covariance Determinant (MCD) and based on other types of MCD algorithms are handled with high breakdown point and robustness for discriminant analysis used in the classification of multivariate observations. As a result of this situation, estimators obtained from these algorithms were compared with the existing Maximum Likelihood Estimators (MLE) and their effects on apparent rate error (ARE) for misclassification rates during discriminant analysis process.
Benzer Tezler
- Çok değişkenli veride aykırı gözlemlerin tespiti için en küçük kovaryans determinantına dayalı test istatistiğinin 1. tip hata bakımından sağlamlığının irdelenmesi
Investigation of the robustness in terms of type i error based on minimum covariance determinant for identify outliers in multivariate data
EREN GÜMÜŞ
- Sağlam kısmi en küçük kareler regresyon analizinde yeni yaklaşımlar
New approaches in robust partial least squares regression analysis
ESRA POLAT
- Simetrik çok değişkenli dağılımlarda aykırı değer belirleme yöntemlerinin performanslarının incelenmesi
Evaluation of outlier detection methods performance in symmetric multivariate distributions
ENDER UZABACI
Doktora
Türkçe
2017
BiyoistatistikUludağ ÜniversitesiBiyoistatistik Ana Bilim Dalı
PROF. DR. İLKER ERCAN
- Çok değişkenli veride aykırı değerlerin tespiti için MVV yöntemi ve diğer yöntemlerle karşılaştırılması
The MVV method for detecting outliers in multivariate data and a comparison with the other methods
KÜBRA TURGUT
- Application of robust statistics on a crude distillation unit
Ham petrol destilasyon ünitesinde sağlam istatistiklerin uygulanması
SİNEM NALBANT KURŞUN
Yüksek Lisans
İngilizce
2017
Kimya MühendisliğiBoğaziçi ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
DOÇ. DR. BURAK ALAKENT