Geri Dön

Sayı ile ifade edilen zaman serilerinde kayıp gözlem analizi: Trafik kazası örneği

Missing case analysis in time series with count data: Traffic accident

PDF İndir

  1. Tez No: 686573
  2. Yazar: FURKAN KOÇAL
  3. Danışmanlar: PROF. DR. MEHMET ALİ CENGİZ
  4. Tez Türü: Yüksek Lisans
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: Türkçe
  9. Üniversite: Ondokuz Mayıs Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 50

Özet

Sayım verisi bir olayın sayısını veya olayın meydana gelme sayısını ifade eder. Bu sayılar negatif olmayan tam sayı değerli değişkenlerlerden oluşur. Bu tarz değişkenleri incelerken sıklıkla kullanılan yöntemlerden birisi Poisson zaman serisidir. Bu çalışma Poisson zaman serisinde kayıp verinin yarattığı etkiyi farklı kayıp veri doldurma yöntemleri ile incelemektedir. Bu amaçla Poisson zaman serisine uygun gerçek bir veri seti üzerinde inceleme yapılmıştır. Çalışmada kayıp veri doldurma yöntemlerinden çoklu doldurma, çoklu doldurma zincir denklemi, interpolasyon, son gözlemi ileriye taşıma, Kalman ve hareketli ortalama yöntemleri ele alınmıştır. Bu yöntemlerin alt yöntemleri ile birlikte toplamda sekiz farklı kayıp veri doldurma yöntemi kullanılmıştır. Veri setinde kayıp veriler oluşturularak bu yöntemler ile doldurulmuş ve yeni veri setleri elde edilmiştir. Elde edilen sekiz farklı veri seti üzerinde Poisson zaman serisi modeli oluşturulmuş ve tam veri seti ile elde edilen katsayılar ile kıyaslama yapılmıştır. Sonuç olarak en başarılı çoklu kayıp veri doldurma yönteminin Kalman yöntemi olduğu, en kötü yöntemin ise MICE midastouch yöntemi olduğu görülmüştür.

Özet (Çeviri)

Census data refers to the number of events or the number of times an event occurred. These numbers consist of non-negative integer-valued variables. Poisson time series is one of the frequently used methods when examining such variables. This study examines the effect of missing data in Poisson time series with different missing data imputation methods. For this purpose, a real data set suitable for Poisson time series was examined. In the study, missing data imputation methods such as multiple imputation, multiple imputation chain equations, interpolation, last observation carried forward, Kalman and moving average methods are discussed. A total of eight different missing data imputation methods were used together with the sub-methods of these methods. Missing datasets are drawed from data set and new full datasets are obtained by imputing using selected imputation methods. The Poisson time series model was created on the eight different data sets obtained and the comparison was made with the coefficients obtained with the full data set. As a result, it was concluded that the most successful multiple loss data filling method was Kalman method, and the worst method was MICE midastouch method.

Benzer Tezler

  1. Tez No

    557662

    Low flow duration frequency curves and trend analysis

    Düşük akım süre frekans eğrileri ve trend analizi

    SELEN ORTA

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Çevre Mühendisliğiİstanbul Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. DR. HAFZÜLLAH AKSOY

  2. Tez No

    46232

    Blood flow and measurement techniques

    Kan akışı ve ölçüm teknikleri

    AYŞE KANDEMİR AKALIN

    Yüksek Lisans

    İngilizce

    İngilizce

    1995

    Enerjiİstanbul Teknik Üniversitesi

    PROF.DR. OSMAN F. GENCELİ

  3. Tez No

    827860

    Derin öğrenme ve büyük veri analitiği yöntemleriKullanarak Covid-19 yayılımının ileriye dönük tahmini

    Forecasting the spread of covid-19 using deep learning and big data analytics methods

    CYLAS KIGANDA

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    PROF. DR. MUHAMMET ALİ AKCAYOL

  4. Tez No

    950068

    Efficient estimation of Shrinkage parameters in fuzzy Ridge and fuzzy Liu regression models using α-cut-based methods under multicollinearity

    Çoklu bağıntı durumunda bulanık Ridge ve bulanık Liu regresyon modellerinde α-kesim tabanlı yöntemler kullanılarak Shrinkage parametrelerinin etkin tahmini

    AMMAR HOMAIDA

    Doktora

    İngilizce

    İngilizce

    2025

    İstatistikGazi Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. MERAL EBEGİL

  5. Tez No

    871682

    Global goals, local voices: A multinational comparative sentiment and topic analysis of public transportation in the context of SDGs

    Küresel hedefler, yerel sesler: Sürdürülebilir kalkınma amaçları bağlamında toplu taşımaya yönelik ülkelerin karşılaştırmalı duygu ve konu analizi

    ASLIGÜL AKSAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    İşletme Mühendisliği Ana Bilim Dalı

    PROF. DR. HATİCE CAMGÖZ AKDAĞ

Geri Dön