Geri Dön

Novel approaches to regression models for functional data

Fonksiyonel veri için regresyon modellerine yeni yaklaşımlar

PDF İndir

  1. Tez No: 806213
  2. Yazar: MÜGE MUTİŞ
  3. Danışmanlar: PROF. DR. GÜLHAYAT GÖLBAŞI ŞİMŞEK, DOÇ. DR. UFUK BEYAZTAŞ
  4. Tez Türü: Yüksek Lisans
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: İngilizce
  9. Üniversite: Yıldız Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: İstatistik Bilim Dalı
  13. Sayfa Sayısı: 57

Özet

Son yıllarda teknolojinin gelişmesine paralel olarak fonksiyonel veri analizi istatistikte aktif bir araştırma alanı olmuştur. Bu tezde, fonksiyonel veri analizi için geliştirilmiş iki yeni yaklaşım tartışılır. İlk yaklaşım, aykırı değerlerin varlığında ikili yanıtı doğru tahmin etmek için tahmin edicilerin fonksiyonlar olduğu fonksiyonel lojistik regresyon modeline odaklanır. Fonksiyonel kısmi en küçük kareler bileşenlerine dayalı yöntem hem bileşenlerin çıkarılmasında hem de fonksiyonel regresyon parametresinin tahmin edilmesinde ağırlıklı olabilirlik metodolojisini kullanır. İkinci yaklaşım, fonksiyonel zaman serisinin geçmiş gerçekleşmelerinin fonksiyonel tahmin ediciler olduğu fonksiyonel otoregresif modeli ele alır. Fonksiyonel temel bileşenlere dayalı yaklaşım, mevcut yöntemlere alternatif olarak gelecekteki gerçekleşmelerin ortalama tahmininin yanı sıra tüm dağılımını karakterize etmek için kantil regresyondan yararlanır ve tahmin aralıkları oluşturur. Önerilen yeni yaklaşımların performansını göstermek için simülasyon çalışmalarından ve gerçek dünyadan örneklerden sonuçlar da sunulur. Sonuçlarımız önerilen her iki yaklaşım için de oldukça umut vericidir.

Özet (Çeviri)

In recent years, in parallel with the development of technology, functional data analysis has been an active research area in statistics. In this thesis, two new approaches developed for functional data analysis are discussed. The first approach focuses on the functional logistic regression model where the predictors are functions to accurately estimate the binary response in the existence of outliers. The method based on the functional partial least squares components uses the weighted likelihood methodology for both the extraction of the components and the estimation of the functional regression parameter. The second approach considers the functional autoregressive model in which the past realizations of the functional time series are functional predictors. The functional principal components based approach uses quantile regression to characterize entire distribution of future realizations and to generates prediction intervals as well as the mean estimate of future realizations as an alternative to existing methods. Outcomes from simulation studies and real-world examples are also presented to demonstrate the performance of proposed new approaches. Our results are quite promising for both proposed approaches.

Benzer Tezler

  1. Tez No

    886686

    Thermodynamic stability of binary compounds: A comprehensive computational and machine learning approach

    İkili bileşiklerin termodinamik kararlılığı: Kapsamlı bir hesaplamalı yaklaşım ve makine öğrenmesi uygulaması

    FERAYE HATİCE CANBAZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilim ve Teknolojiİstanbul Teknik Üniversitesi

    Hesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı

    PROF. DR. ADEM TEKİN

  2. Tez No

    166672

    Lojistik sistemlerin yapay sinir ağları ile modellenmesi, gerçeklenmesi ve kontrolü

    Modeling, implementation and control of logistics systems using artificial neural networks

    MURAT ERMİŞ

    Doktora

    Türkçe

    Türkçe

    2005

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF.DR. FÜSUN ÜLENGİL

  3. Tez No

    733269

    Investigation of familial multiple sclerosis genetics

    Ailesel multipl skleroz genetiğinin araştırılması

    ELİF EVEREST

    Doktora

    İngilizce

    İngilizce

    2022

    Genetikİstanbul Teknik Üniversitesi

    Moleküler Biyoloji-Genetik ve Biyoteknoloji Ana Bilim Dalı

    PROF. DR. EDA TAHİR TURANLI

  4. Tez No

    325596

    Constrained neural networks

    Kısıtlı yapay sinir ağları

    ÜMİT ÖZER

    Yüksek Lisans

    İngilizce

    İngilizce

    2012

    Kimya MühendisliğiBoğaziçi Üniversitesi

    Kimya Mühendisliği Ana Bilim Dalı

    PROF. DR. UĞUR AKMAN

  5. Tez No

    878282

    Time and context sensitive optimization of machine learning models for sequential data prediction

    Makine öğrenimi modellerinin sıralı veri tahmini için zaman ve bağlam duyarlı optimizasyonu

    ARDA FAZLA

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. SÜLEYMAN SERDAR KOZAT

Geri Dön