Geri Dön

Diagnostic methods for outlier detection in time series

Zaman serilerinde sapan değer tespiti için tanılama metotları

PDF İndir

  1. Tez No: 625526
  2. Yazar: SERKAN ÖCAL
  3. Danışmanlar: PROF. DR. MAHMUDE REVAN ÖZKALE ATICIOĞLU
  4. Tez Türü: Yüksek Lisans
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2020
  8. Dil: İngilizce
  9. Üniversite: Çukurova Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 110

Özet

Gözlemlenen zaman serilerinde tipik olmayan, verinin genelinden uzak duran gözlemlerle karşılaşılması muhtemeldir. Bu tür gözlemler sapan değer olarak adlandırılır ve genellikle beklenmedik olayların neticesinde ortaya çıkarlar. Zaman serilerinde sapan değer varlığının parametre tahminini etkilediği ve serinin varyansını artırdığı, böylelikle modelin yanlış belirlenmesine ve güvenilir olmayan öngörüye neden olduğu bilinmektedir. Bu nedenle zaman serisinde sapan değer tespiti önemli bir yer tutmaktadır. Bu çalışmada, ARIMA zaman serisi modellerinde görülen sapan değerler incelenmiştir. Sapan değerin seri içerisinde meydana geldiği noktayı ve türünü doğru bir şekilde tespit etmek için iteratif tanımlama yöntemleri gözden geçirilerek derlendi. RStudio programı kullanılarak yöntemin gücünü incelemek için simülasyondan üretilen zaman serisi üzerinde çalışıldı. Sapan değer tanılama prosedürünün artı ve eksileri için bazı önerilerde bulunuldu.

Özet (Çeviri)

It is likely to encounter anomaly observation, which stays significantly away from the rest of the data, in observed time series. This kind of observation is called as outlier and it usually occurs as a result of unpredictable events. It is known that the existence of outlier in time series effects the parameter estimation and inflates the variance according to the outlier's type, thus causes misidentification of the model and poor forecasting. Because of these reasons, it is important to detect, if any, the outliers in time series. In this study, detection of outlier in ARIMA time series models is considered. Iterative identification procedure is revised to correctly determine the time and the type of outlier. A simulation study is carried to investigate the power of the procedure by using RStudio. It is offered some suggestions for the pros and cons of the procedure.

Benzer Tezler

  1. Tez No

    793568

    Kemoradyoterapi alan akciğer kanseri hastalarında pet/btile bt desen analizi karşılaştırılması: tümörün tedaviyeyanıtını öngörebilir miyiz?

    Comparison of pet/ct and ct texture analysis in patients withstage iii-iv lung cancer receiving chemoradiotherapy: can wepredict the treatment response of the tumor?

    NILUFAR GASIMLI

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2023

    Radyoloji ve Nükleer Tıpİstanbul Üniversitesi

    Radyoloji Ana Bilim Dalı

    PROF. ŞÜKRÜ MEHMET ERTÜRK

  2. Tez No

    731393

    Driver behavior analysis based on vehicle diagnostic data

    Araç tanı verilerinden sürücü davranış analizi

    CANER ASLAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGebze Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ YAKUP GENÇ

  3. Tez No

    842068

    Yapay zekâ-tabanlı hibrit anomali tespit ve klinik karar destek teknikleri ile kardiyovasküler hastalıkların ve COVİD-19'un otomatik tespiti

    Artificial intelligence-based hybrid anomaly detection and clinical decision support techniques for automated detection of cardiovascular diseases and COVİD-19

    MERVE BEGÜM TERZİ

    Doktora

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ORHAN ARIKAN

  4. Tez No

    835145

    A benchmark study for RNA-seq based splicing analysis tools: Detection of aberrant splicing events for rare diseases

    RNA-seq tabanlı uç birleştirme analizi araçları için bir performans çalışması: Nadir hastalıklar için anormal uç birleştirme olaylarının tespiti

    CANAN KOLAKOĞLU

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    BiyomühendislikGebze Teknik Üniversitesi

    Biyomühendislik Ana Bilim Dalı

    PROF. DR. TUNAHAN ÇAKIR

  5. Tez No

    513796

    Hafif evre alzheimer tipi demans hastalarında kendi yüzünü tanımanın morf yüz yöntemi ile değerlendirilmesi

    Evaluation of self face recognition in patients with mild stage alzheimer's disease BY morphed face method

    SABİHA TEZCAN AYDEMİR

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2018

    NörolojiAnkara Üniversitesi

    Nöroloji Ana Bilim Dalı

    DOÇ. DR. AYŞE PETEK BİNGÖL

Geri Dön