Geri Dön

Doğrusal regresyon modellerinde aykırı gözlemlerin tespiti için sağlam tahmin edicilere dayalı etkili uzaklığın performansının incelenmesi

Performance analysis of the influence distance based on robust estimators for the identification of outliers in linear regression models

  1. Tez No: 626164
  2. Yazar: FULYA KARAKOCA
  3. Danışmanlar: DOÇ. DR. MELTEM EKİZ
  4. Tez Türü: Yüksek Lisans
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2020
  8. Dil: Türkçe
  9. Üniversite: Gazi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 71

Özet

Çoklu doğrusal regresyon analizinde verinin bütününden farklılık gösteren ve literatürde düzgün olmayan gözlemler olarak adlandırılan gözlemlerle karşılaşılabilir. Aykırı gözlem, etkili gözlem ve kaldıraç noktaları olarak sınıflandırılan bu gözlemlerin tespit edilmesi doğru istatistiksel çıkarsamaların yapılabilmesi bakımından önemlidir. Nurunnabi ve arkadaşları (2016) düzgün olmayan gözlemlerin belirlenmesinde etkili uzaklık (EU) ölçüsünü önermiştir. Bu çalışmada, en çok olabilirlik, en küçük medyan kareler, yeniden ağırlıklandırılmış en küçük kareler, M ve S tahmin edicilerine dayalı EU'ın kullanılması ile düzgün olmayan gözlemlerin tespit edilmesi amaçlanmıştır. Gerçekleştirilen simülasyon çalışması ile bu yöntemlerin performansları karşılaştırılmıştır.

Özet (Çeviri)

In multiple linear regression analysis, it could be possible to encounter with observations that differ from the bulk of the data and are named as unusual observations in the literature. It is important to identify these observations, which are classified as outliers, influential and leverage points, in order to make accurate statistical inferences. Nurunnabi et al. (2016) suggested influence distance (ID) used to create suspicious observations. In this study, it is intended to determine unusual observations by using ID based on maximum likelihood, least median of squares, re-weighted least squares, M and S estimators. A comparison of performance was performed with a simulation study.

Benzer Tezler

  1. Fake news classification using machine learning and deep learning approaches

    Makine öğrenimi ve derin öğrenme yaklaşımlarını kullanarak sahte haber sınıflandırması

    SAJA ABDULHALEEM MAHMOOD AL-OBAIDI

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR

  2. Genetic algorithm based outlier detection using information criterion

    Bilgi kriterleri kullanarak genetik algoritma tabanlı aykırı değer tespiti

    ÖZLEM GÜRÜNLÜ ALMA

    Doktora

    İngilizce

    İngilizce

    2009

    İstatistikDokuz Eylül Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. SERDAR KURT

  3. Dağılımı belli olmayan dairesel verilerde aykırı değer tespiti için bir yöntem önerisi

    A proposal method for detection of outliers in circular data with unknown distribution

    SÜMEYRA SERT

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    İstatistikGazi Üniversitesi

    İstatistik Ana Bilim Dalı

    DOÇ. DR. FİLİZ KARDİYEN

  4. A hybrid prediction approach using multiple linear regression and decision tree

    Çoklu doğrusal regresyon ve karar ağacı kullanarak hibrit tahmin yaklaşım

    MARYAM ARIF AZEEZ AZEEZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Üniversitesi

    Bilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ KAYHAN AYAR

  5. GNSS gözlemlerindeki troposferik gecikmenin destek vektör makineleri algoritması ile kestirimi

    Estimation of tropospheric delay in GNSS observations using support vector machines algorithm

    ALİ UTKU AKAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKonya Teknik Üniversitesi

    Harita Mühendisliği Ana Bilim Dalı

    PROF. DR. CEVAT İNAL