Geri Dön

Type-based robust Bayesian hypothesis testing

Tipler metoduna dayalı kararlı Bayes hipotez testi

PDF İndir

  1. Tez No: 679454
  2. Yazar: UĞUR YILDIRIM
  3. Danışmanlar: DR. ÖĞR. ÜYESİ HÜSEYİN AFŞER
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Bayes hipotez testi, tipler metodu, kararlı hipotez testi, çoklu hipotez testi, Chernoff uzaklığı, Bayesian hypothesis testing, method of types, robust hypothesis testing, multiple hypothesis testing, Chernoff distance
  7. Yıl: 2021
  8. Dil: İngilizce
  9. Üniversite: Adana Alparslan Türkeş Bilim Ve Teknoloji Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 52

Özet

Bayes hipotez testinde olasılık dağılımlarının bilindiği durumlar için optimum yöntemler bulunmasına karşın, bu yöntemler dağılımlardaki sapmalara duyarlıdır. Pratik uygulamalarda olasılık dağılımları bilinemediği için, bu belirsizliğe kararlı algoritmalar kullanılmak zorunludur. Bu çalışmada pratik uygulamalarda kullanılabilecek kararlı Bayes hipotez testleri sunulmuştur. Gerçek dağılımların bilinmediği fakat bu dağılımlara l_1 uzaklığında \epsilon kadar yakın nominal dağılımların bilindiği varsayılmıştır. İkilik ve çoklu alfabeler için sunulan yöntemler tipler metoduna dayanmaktadır. Ayrıca testlerin hata olasılık üst sınırları gösterilmiştir. Çoklu Bayes hipotez testinden önce ikilik durum; dağılımlarından birinin kısmen, diğerinin gerçek dağılımının bilindiği ve ikisininde kısmen bilindiği durumlar olarak incelendi. Sunulan kararlı Bayes hipotez testlerinde, dağılımların yuvarlanmasına dayalı bir yöntem ileri sürüldü. Ayrıca, literatürde çoklu hipotez testi için kullanılan DGL (Devroye, Gyorfi, ve Lugasi) metodu ile kıyaslama yapıldı ve sunulan metodun \epsilon\rightarrow0 durumlarında daha iyi performans sağladığı Monte Carlo simülasyonlarıyla gösterildi.

Özet (Çeviri)

There are optimum methods in Bayesian hypothesis testing for cases where probability distributions are known, but these methods are sensitive to deviations in distributions. Since probability distributions cannot be known in practical applications, it is imperative to use robust algorithms to this uncertainty. In this thesis, robust Bayesian hypothesis tests that can be used in practical applications are presented. We consider the case where the true distributions of the hypothesis are not known, but nominal distributions as close as \epsilon at the l_1 distance to these distributions are known. The type-based methods are presented for binary and multiple alphabets. In addition, the error probability upper bounds of the tests are shown. Binary hypothesis testing is introduced in two cases: one of the distributions is partially known when the true distribution of the other one is known, and both distributions are partially known. In the presented robust Bayesian hypothesis tests, the rounding operation of distributions is proposed. Also, DGL method which is the only method for multiple hypothesis testing in literature is compared with the proposed method, and it was shown by Monte Carlo simulations that the presented method provided better performance in \epsilon\rightarrow0 cases.

Benzer Tezler

  1. Tez No

    66689

    Menzil profili modunda çalışan radarla otomatik hedef sınıflama

    automatic target classification with radars operating in range profilling

    CENK GÖKBERK

    Yüksek Lisans

    Türkçe

    Türkçe

    1997

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. ERCAN TOPUZ

  2. Tez No

    309206

    Optimal stochastic approaches for signal detection and estimation under inequality constraints

    Eşitsizlik kısıtları altında işaret sezimi ve kestirimi için optimal stokastik yaklaşımlar

    BERKAN DÜLEK

    Doktora

    İngilizce

    İngilizce

    2012

    Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. AHMET ENİS ÇETİN

    YRD. DOÇ. DR. SİNAN GEZİCİ

  3. Tez No

    762139

    Makine öğrenimi tabanlı fotovoltaik çıkış gücü tahminlemesi

    Machine learning based photovoltaic output power forecasting

    BERRİN ERYILMAZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    EnerjiDicle Üniversitesi

    Yenilenebilir Enerji Kaynakları

    DOÇ. DR. FATİH KOÇYİĞİT

    DR. ÖĞR. ÜYESİ HEYBET KILIÇ

  4. Tez No

    820294

    Bayesian variable selection in circular regression models using lasso

    Dairesel regresyon modellerinde lassoya dayalı Bayesçi değişken seçimi

    ONUR ÇAMLI

    Doktora

    İngilizce

    İngilizce

    2023

    İstatistikOrta Doğu Teknik Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. ZEYNEP IŞIL KALAYLIOĞLU AKYILDIZ

    PROF. DR. ASHİS SENGUPTA

  5. Tez No

    458880

    Predictive and adaptive channel estimation models for cooperative wireless communications

    İşbirlikli kablosuz haberleşme için öngörüsel ve adaptif kanal kestirim modelleri

    OMAR GATERA

    Doktora

    İngilizce

    İngilizce

    2017

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. AHMET HAMDI KAYRAN

Geri Dön