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
- Tez No: 715247
- Danışmanlar: DOÇ. DR. MAHMUT KARA
- Tez Türü: Doktora
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Van Yüzüncü Yıl Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- 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
- Kredibilite teorisinde parametre tahmini ve istatistiksel bir yaklaşım
Parameter estimation in credibility theory and a statistical approach
MERAL EBEGİL
- 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
2019
BiyoistatistikAnkara ÜniversitesiBiyoistatistik Ana Bilim Dalı
DOÇ. DR. SERDAL KENAN KÖSE
- Weıbull dağılımının parametrelerinin bayesci yöntemle tahmini
Parameter estimation of the weibull distribution by bayesian method
YASEMİN KOÇ
Yüksek Lisans
Türkçe
2020
İstatistikAnkara Üniversitesiİstatistik Ana Bilim Dalı
DOÇ. DR. ESİN KÖKSAL BABACAN
- Bırnbaum-saunders dağılımının parametrelerinin Bayesci yöntemle tahmini
Parameter estimation of the birnbaum-saunders distribution by Bayesian method
SAMET KAYA
Yüksek Lisans
Türkçe
2022
İstatistikAnkara Üniversitesiİstatistik Ana Bilim Dalı
DOÇ. DR. ESİN KÖKSAL BABACAN
- 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
2023
Jeoloji Mühendisliğiİstanbul Teknik ÜniversitesiJeoloji Mühendisliği Ana Bilim Dalı
PROF. DR. GÜRSEL SUNAL
PROF. DR. MEHMET SİNAN ÖZEREN