Geri Dön

Doğrusal olmayan regresyon modellerinde parametre tahmin yöntemleri ve uygulamaları üzerine bir çalışma

A study on parameter estimation methods and applications in nonlinear regression models

  1. Tez No: 722180
  2. Yazar: UMUT DEMİR
  3. Danışmanlar: DOÇ. DR. ESİN KÖKSAL BABACAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: Ankara Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 52

Özet

Bu araştırmada doğrusal olmayan regresyon modellerinin genel yapısı ele alınarak parametre tahmin yöntemlerine değinilmiştir. Doğrusal olmayan regresyon modellerinin parametrelerini tahmin etme aşamasında normal denklemlerin çözülmesi zor olacaktır. Bu nedenle denklemlerin çözümü için Gauss-Newton, Levenberg-Marquardt, En Hızlı İniş, Newton-Rapson gibi birçok iteratif yöntemlerden faydalanılabilir. Bu yöntemler kullanılırken başlangıç noktasının seçimi oldukça önemlidir, uygun olmayan başlangıç noktasının seçimi yanlış çözümler ortaya çıkarabileceği gibi çözümün zaman bakımından etkilenmesine neden olabilir. Bazı modeller uygun dönüşümler altında doğrusal gibi davrandığından bu tür modellerde doğrusal regresyon modellerinde kullanılan yöntemler uygulanabilmektedir. Ancak yapılan dönüşüm, modeldeki hata terimlerini etkileyebilir. Etkilenen hata terimlerinin sabit varyanslı olmaması durumunda model doğrusal regresyon modeli gibi davranmayacaktır.

Özet (Çeviri)

IIn this study, the general structure of nonlinear regression models are considered and parameter estimation methods in nonlinear regression models are investigated. It is difficult to solve normal equations, which are using for estimating the parameters of nonlinear regression models. For this reason, many iterative methods such as Gauss-Newton, Levenberg-Marquardt, Gradient Descent, Newton-Raphson can be used for the solution of equations. While using these methods, the selection of the starting point is very important. The selection of the inappropriate starting point may lead to incorrect solutions. Some models behave like linear under appropriate transformations and the methods used in linear regression models can be applied. However, the transformation may affect the error terms in the model. If the affected error terms do not have constant variance, the model is not behave like a linear regression model. After examining the parameter estimation methods and iterative methods used in parameter estimation, R, SPSS, MINITAB and MATLAB programs are used for the solutions of parameter estimation in nonlinear regression models.

Benzer Tezler

  1. Machine learning-based energy consumption forecastingfor stores in a shopping center - A case study

    Alışveriş merkezindeki dükkânların enerji tüketimininmakine öğrenmesiyle tahmini - Vaka çalışması

    NADIA AHBAB

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Enerjiİstanbul Teknik Üniversitesi

    Enerji Bilim ve Teknoloji Ana Bilim Dalı

    ÖĞR. GÖR. MUSTAFA BERKER YURTSEVEN

  2. 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

  3. Süt sığırcılığında bulanık regresyon modellerinin kullanımı

    Use of fuzzy regression models in dairy cattle

    DERVİŞ TOPUZ

    Doktora

    Türkçe

    Türkçe

    2018

    BiyoistatistikSelçuk Üniversitesi

    Zootekni Ana Bilim Dalı

    PROF. İSMAİL KESKİN

  4. Splayn ve entropi optimizasyon modelleri ve uygulamaları

    Spline and entropy optimization models and applications

    AKHLITDIN NIZAMITDINOV

    Doktora

    Türkçe

    Türkçe

    2017

    İstatistikAnadolu Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. ALADDIN SHAMILOV