Geri Dön

Bayesci ve klasik tahmin yöntemleri kullanılarak bazı sürekli dağılımlar için istatistiksel sonuç çıkarımı

Statistical inference for some continuous distributions using bayesian and classical parameter estimation methods

  1. Tez No: 715247
  2. Yazar: ASUMAN YILMAZ
  3. Danışmanlar: DOÇ. DR. MAHMUT KARA
  4. Tez Türü: Doktora
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: Türkçe
  9. Üniversite: Van Yüzüncü Yıl Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 207

Özet

Bu tez çalışmasında, klasik ve Bayesci tahmin yöntemleri kullanılarak Weibull, üstel ters Rayleigh, uç değer ve lojistik dağılımları için parametre tahmini yapılmıştır. Klasik parametre tahmininde en çok olabilirlik, momentler, en küçük kareler, ağırlıklandırılmış en küçük kareler, yüzdelik yöntem L- moment, TL- moment yöntemleri kullanılmıştır. Weibull ve uç değer dağılımları için yeni tahmin ediciler önerilmiştir. Ayrıca, en çok olabilirlik tahmin edicilerinin tutarlılık ve asimptotik normallik özellikleri incelenmiştir. Bayesci parametre tahmininde Lindley, Tierney-Kadane, ve Metropolis- Hasting algoritma yöntemleri kullanılmıştır. Bayesci parametre tahmininde simetrik ve asimetrik kayıp fonksiyonlar altında elde edilen tahmin edicilere yer verilmiştir. Klasik ve Bayesci tahmin edicilerin performansları yan ve hata kareler ölçütüne göre bir simülasyon çalışması ile karşılaştırılmıştır. Son olarak elde edilen sonuçların daha anlaşılır kılınması amacıyla Türkiye Meteroloji istasyonundan alınan rüzgâr veri seti üzerinde Weibull dağılımı için bir uygulama yapılmıştır.

Özet (Çeviri)

In this study, parameter estimation has been made for Weibull, exponential inverse Rayleigh, extreme value and logistic distributions using classical and Bayesian estimation methods. In classical parameter estimation, maximum likelihood, moments, least squares, weighted least squares, percentage method L-moment, TL-moment methods were used. New estimators have been proposed for Weibull and extreme value distributions. In addition, the consistency and asymptotic normality properties of the most likelihood estimators were examined. Lindley, Tierney-Kadane, and Metropolis-Hasting algorithm methods were used in Bayesian parameter estimation. In Bayesian parameter estimation, estimators obtained under symmetric and asymmetric loss functions. The performances of classical and Bayesian estimators were compared with a simulation study according to the bias and mean square error criteria. Finally, the obtained results are applied on a real data set for Weibull distribution to make contribution more understandable.

Benzer Tezler

  1. Kredibilite teorisinde parametre tahmini ve istatistiksel bir yaklaşım

    Parameter estimation in credibility theory and a statistical approach

    MERAL EBEGİL

    Doktora

    Türkçe

    Türkçe

    2007

    Aktüerya BilimleriGazi Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. MÜSLİM EKNİ

  2. Randomize olmayan klinik çalışmalarda en uygun eşleştirme analizi için makine öğrenme algoritmaları ile yeni propensity skor tahmin modellerinin geliştirilmesi

    Development of new propensity score estimation models with machine learning algorithms for optimal matching analysis in non-randomized clinical trials

    EMRE DEMİR

    Doktora

    Türkçe

    Türkçe

    2019

    BiyoistatistikAnkara Üniversitesi

    Biyoistatistik Ana Bilim Dalı

    DOÇ. DR. SERDAL KENAN KÖSE

  3. Weıbull dağılımının parametrelerinin bayesci yöntemle tahmini

    Parameter estimation of the weibull distribution by bayesian method

    YASEMİN KOÇ

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    İstatistikAnkara Üniversitesi

    İstatistik Ana Bilim Dalı

    DOÇ. DR. ESİN KÖKSAL BABACAN

  4. Bırnbaum-saunders dağılımının parametrelerinin Bayesci yöntemle tahmini

    Parameter estimation of the birnbaum-saunders distribution by Bayesian method

    SAMET KAYA

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    İstatistikAnkara Üniversitesi

    İstatistik Ana Bilim Dalı

    DOÇ. DR. ESİN KÖKSAL BABACAN

  5. Yeni zelanda GPS zaman serileri verisinin bayesci istatistik ile incelenmesi

    Investigation of the New Zealand time series data with bayesian statistics

    KUBİLAY ÖZCAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Jeoloji Mühendisliğiİstanbul Teknik Üniversitesi

    Jeoloji Mühendisliği Ana Bilim Dalı

    PROF. DR. GÜRSEL SUNAL

    PROF. DR. MEHMET SİNAN ÖZEREN