Geri Dön

Bayesci otoregresif zaman serilerinde önsel dağılımların seçimi ve karşılaştırılması

Selection and comparisons of prior distributions in Bayesian autoregressive time series

  1. Tez No: 768278
  2. Yazar: MUSTAFA GAZİOĞULLARI
  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: 90

Özet

Zaman serisi, belirli ya da dönemsel zaman aralıklarında gözlenen ölçümlerin bir dizisidir. Böyle bir diziden gelecek dönemlere ait öngörüde bulunabilmenin bir yolu zaman serileri analiz yöntemlerini kullanmaktır. Bu yöntemin amacı; zaman serileri dizisi için belirli disiplinler altında uygun model bulup, sonuç çıkarımı yapmaktır. Zaman serilerinde sonuç çıkarımı için kullanılan birçok yöntem ve model vardır. Ancak AR(1) olarak adlandırılan otoregresif süreç, zaman serileri analizinde en çok bilinen ve yaygın olarak kullanılan modeldir. AR(1) sürecinin sonuç çıkarımları açısından farklı türde tahmin yöntemleri geliştirilmiş ve litaretürde yerini almıştır. Bunlardan biri ise parametre tahmininde ve model seçiminde uzman görüşlerin modele entegre edilmesini öngören Bayes yöntemidir. AR(1) modellerinde Bayes yaklaşımı getirilen model parametrelerine ait önsel dağılımın seçimi çok önemli olup bilgi içerip içermemesine göre sonsal dağılımı dolayısıyla modele ait parametre tahminini değiştirmektedir. Bu da model vasıtasıyla gelecek planlamalarına ait öngörüleri etkilemekte ve üzerinde durulması, araştırılması gereken bir konu haline gelmektedir. Bu çalışmada amaç, önsel dağılımların seçiminde kullanılan yöntemleri ortaya koyarak, birinci dereceden otoregresif zaman serileri için farklı önsel dağılımlar ile elde edilen sonsal dağılıma ait hem parametre tahmini yapmak hem de model uyumu anlamında karşılaştırma yapmaktır. Sonuçlara ulaşma ve simülasyon çalışmalarında Matlab, Minitab, SPSS, Excel programlarından yararlanılmıştır.

Özet (Çeviri)

A time series is a set of measurements taken at regular or fixed periods of time. Applying time series analysis techniques is one way to predict future periods based on such a series. This method's objective is to identify an appropriate model for time series set within certain disciplines and to draw conclusions. There are several time series inference methods and models. Nevertheless, the autoregressive process known as AR(1) is the most well-known and commonly used model in time series analysis. Different types of estimation methods have been developed in terms of the inferences of the AR(1) process and have taken their place in the literature. One of them is the Bayesian method, which involves incorporating expert opinions into the model during parameter estimation and model selection. In AR(1) models, the selection of the prior distribution of the model parameters using the Bayesian method is crucial, because it modifies the estimate of the model's parameters based on the posterior distribution, depending on whether or not it includes information. This characteristic influences the model's predictions of future planning and so becomes an issue that requires investigation. The purpose of this research was to reveal the methods utilised in prior distribution selection and to compare the model fit and parameter estimation of the posterior distribution produced with different prior distributions for first order autoregressive time series.The applications Matlab, Minitab, SPSS, and Excel were utilised to get the results and conduct the simulation experiments.

Benzer Tezler

  1. Bayesci vektör otoregresif modellerin farklı önsel dağılımlarla incelenmesi

    Investigation of Bayesian vector autoregressive models with different prior distributions

    VOLKAN SEVİNÇ

    Doktora

    Türkçe

    Türkçe

    2007

    İstatistikHacettepe Üniversitesi

    İstatistik Ana Bilim Dalı

    DOÇ.DR. GÜL ERGÜN

  2. Performance comparison of machine learning methods and traditional time series methods for forecasting

    Geleneksel zaman serisi yöntemleri ve makine öğrenmesi yöntemlerinin öngörü performans karşılaştırması

    OZANCAN ÖZDEMİR

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    İstatistikOrta Doğu Teknik Üniversitesi

    İstatistik Ana Bilim Dalı

    DOÇ. DR. CEYLAN YOZGATLIGİL

  3. Türkiye döviz piyasası stres endeksinin doğrusal olmayan zaman serileri yöntemleriyle analizi

    Analysis of turkish foreign exchange market stress index by non-linear time series methods

    HAKAN ER

    Doktora

    Türkçe

    Türkçe

    2016

    EkonometriGazi Üniversitesi

    Ekonometri Ana Bilim Dalı

    DOÇ. DR. FUNDA YURDAKUL

  4. Koşullu otoregresif mekânsal - zamansal modeller ile yabancı dil sınavı puanlarının istatistiksel analizi

    Statistical analysis of foreign language test scores with conditional autoregressive spatial-temporal models

    SERCAN DİNARCAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    İstatistikHacettepe Üniversitesi

    İstatistik Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ CEREN EDA CAN

  5. The forecast performances of the classical time series model and machine learning algorithms on bist-50 price index using exogenous variables

    Klasik zaman serisi modelinin ve makine öğrenme algoritmalarının bıst-50 fiyat endeksi üzerinde dışsal değişkenler kullanarak öngörü performansları

    FATMA PARLAK

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    İstatistikOrta Doğu Teknik Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. CEYLAN YOZGATLIGİL