Weıbull ve power muth dağılımlarının ayırımı
The disciriminating between weibull and power muthdistributions
- Tez No: 934063
- Danışmanlar: DOÇ. DR. HAYRİNİSA DEMİRCİ BİÇER
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Weibull dağılımı, Power Muth dağılımı, Asimptotik normallik, Olabilirlik oran kriteri, Weibull distribution, Power distribution, Asymptotic normality, Likelihood ratio method
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Kırıkkale Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: İstatistik Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
ÖZET İstatistiksel modelleme, gerçek hayat problemlerinden elde edilen verilerin analizinde kritik bir rol oynar; çünkü kullanılan dağılımın seçimi, çıkarılan sonuçlar üzerinde önemli bir etkiye sahip olabilir. Çeşitli dağılımlar arasında, Weibull ve Power Muth dağılımları, esneklikleri sayesinde güvenilirlik mühendisliği ve sağkalım analizi gibi alanlarda sıklıkla tercih edilmektedir. Ancak, gözlemlenen verilere en uygun dağılımı doğru bir şekilde belirlemek zorluk yaratır; çünkü yanlış sınıflandırma, hatalı yorumlara ve kararlara yol açabilir. Bu çalışma, benzer alanlarda yaygın olarak kullanılan Weibull ve Power Muth dağılımları arasındaki ayrım problemine odaklanmaktadır. Olabilirlik oranına dayalı bir ayırıcı istatistik önerilmiş ve bu istatistiğin asimptotik dağılımı türetilmiştir. Bu istatistiğin etkinliği, kapsamlı Monte Carlo simülasyonlarıyla değerlendirilmiş ve iki dağılımı ayırt etmede uygun olduğu gösterilmiştir.
Özet (Çeviri)
Statistical modeling plays a critical role in analyzing data derived from real-life problems, as the choice of distribution can significantly influence the conclusions drawn. Among various distributions, Weibull and Power Muth distributions are frequently preferred in fields such as reliability engineering, life analysis, and survival analysis due to their flexibility. However, accurately identifying the most suitable distribution for the observed data poses a challenge, as misclassification can lead to erroneous interpretations and decisions. This study focuses on the problem of distinguishing between Weibull and Power Muth distributions, which are commonly applied in similar domains. A likelihood ratio-based discriminative statistic is proposed, and its asymptotic distribution is derived. The effectiveness of this statistic is evaluated through extensive Monte Carlo simulations, demonstrating its suitability for distinguishing between the two distributions.
Benzer Tezler
- Modern sürekli olasılık dağılımları çerçevesinde APT modeli ve istatistiksel uygulamaları
Modern continuous probability distributions APT model and statistical applications
HÜSEYİN HASTE
Doktora
Türkçe
2025
İşletmeSivas Cumhuriyet Üniversitesiİşletme Ana Bilim Dalı
PROF. DR. HÜDAVERDİ BİRCAN
- Bazı dağılımlar için en çok olabilirlik ve farklı kayıp fonksiyonları altında Bayes tahmin edicilerinin performanslarının karşılaştırılması
Comparison of performances of maximum likelihood and Bayesian estimators under different loss functions for some distributions
GÜLCAN GENCER
Yüksek Lisans
Türkçe
2016
İstatistikSelçuk Üniversitesiİstatistik Ana Bilim Dalı
DOÇ. DR. BUĞRA SARAÇOĞLU
- Sorgumda tuz stresi altında farklı büyüme ve gelişme dönemlerindeki kuru madde birikimlerinin periyodik olarak incelenmesi
Periodical assessment of dry matter accumulation in sorghum during various stages of growth and development under salt stress
SEZER AKYOL
Yüksek Lisans
Türkçe
2025
ZiraatÇanakkale Onsekiz Mart ÜniversitesiTarla Bitkileri Ana Bilim Dalı
DOÇ. DR. ONUR HOCAOĞLU
- Mikrodalga tekniği ile kurutulan dut yapraklarının kuruma, renk ve rehidratasyon kinetiklerinin modellenmesi
Modelling studies on drying, colour change and rehydration kinetics of microwave-dried mulberry leaves
BERAT YILMAZ
Yüksek Lisans
Türkçe
2019
Kimya MühendisliğiYıldız Teknik ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
PROF. DR. BELMA ÖZBEK
- Üstel güç dağılımı kullanılarak yeni sürekli dağılımların elde edilmesi
Obtaining of new continuous distributions by using exponential power distribution
NOORSL AHMED Z. ZEENALABIDEN