Klasik regresyon ile bulanık regresyonun karşılaştırılması
Comparison of classical regression and fuzzy regression
- Tez No: 968010
- Danışmanlar: PROF. DR. ERDOĞAN MEHMET ÖZKAN, DOÇ. DR. REŞİT ÇELİK
- Tez Türü: Yüksek Lisans
- Konular: Matematik, İstatistik, Mathematics, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Matematik Ana Bilim Dalı
- Bilim Dalı: Matematik Bilim Dalı
- Sayfa Sayısı: 70
Özet
Bulanık mantık, 1965 senesinde Zadeh tarafından geliştirilmiş, belirsizlik içeren durumların analizinde kullanılan ve klasik (geleneksel) mantığın yetersiz kaldığı alanlarda seçenek sunan bir yaklaşımdır. Bu mantığın temelini bulanık kümeler oluşturmaktadır ve günümüzde pek çok sektörde olduğu gibi istatistiksel analizlerde de kullanılmaktadır. Regresyon analizi, değişkenler arasındaki ilişkiyi incelemek için kullanılan temel bir istatistiksel yöntemdir. Ancak verilerin kesin olmadığı ya da sistemde belirsizliklerin bulunduğu durumlarda bulanık regresyon analizi tercih edilmektedir. Bu analiz yöntemi, klasik regresyonun uygulanamadığı belirsiz yapılarda alternatif bir çözüm sunar. Bu çalışmanın temel amacı, verilerin kesin değerler içermediği durumlarda, bulanık sayılar aracılığıyla bağımlı ve bağımsız değişkenler arasındaki ilişkiyi ortaya koymak ve bu ilişkiye dayalı tahminlerde bulunmak, örnek veri üzerinden klasik ve bulanık regresyon analizini karşılaştırarak tablo ve grafik yardımıyla yorumlamaktır. Tezin birinci bölümünde, konuyla ilgili literatür incelemesine yer verilmiş ve çalışmanın amacı belirtilmiştir. İkinci bölümünde, bulanık mantık ve bulanık küme kavramları açıklanmış; ayrıca bulanık kümelerle gerçekleştirilen işlemler ile bulanık sayılar ve üyelik fonksiyonları konularından bahsedilmiştir. Üçüncü bölümde klasik regresyon analizi örnek ve grafiklerle açıklanmış; hata terimi ve tahmini ile ilgili bilgiler sunulmuştur. Dördüncü bölümde ise bulanık regresyon analizi ile bu analizde kullanılan yöntemler detaylı olarak ele alınmış; bulanık regresyon analizinin avantajları ve dezavantajlarına değinilmiştir. Beşinci bölümde klasik ve bulanık regresyon bir örnek üzerinden karşılaştırılmıştır. Altıncı bölüm olan sonuç bölümünde ise incelenen yöntemler ve verilen örnekten elde edilen sonuçlar karşılaştırılmıştır. Ekler kısmında ise verilen örneğin MATLAB kodu ve çizimine yer verilmiştir.
Özet (Çeviri)
The fuzzy logic was developed by Zadeh in 1965, is an approach used to analyze uncertain situations and it offers alternatives when classical (traditional) logic was disabled areas. The foundation of this logic is based on fuzzy sets.Nowadays they used in both of many sectors and statistical analysis widely. The regression analysis is a fundamental statistical method used to obtain the relationship between the variables. However, the fuzzy regression analysis is preferred uncertian datas or the system contains uncertainties in the situations. This analysis method presents an alternative solutions when classical regression cannot be applied. The main purpose of this study is to reveal the relationship between dependent and independent variables through fuzzy numbers in cases where the data does not contain certain values, to make predictions based on this relationship, to compare classical and fuzzy regression analysis on sample data and to interpret it with the help of tables and graphics. In the first chapter of the thesis, it is presented obtaining of lıterature with related subject, and it defined the aim of the study. In the second chapter, the concepts of fuzzy logic and fuzzy sets are explained. Also, it mentioned realization of operations with fuzzy sets, fuzzy numbers, and subjects of membership functions. The third chapter, the classical regression analysis explained with examples and graphs and it presented informations with related error term and estimations. In the fourth chapter, the fuzzy regression analysis and its methods are approached with details and it mentioned advantages and disadvantages of fuzzy regression analysis. In the fifth chapter, the classical and the fuzzy regression are compared with an example. In the sixth and final chapter, it compared methods and the results of based on the given example in the conclusion section. In the appendix section, it mentioned the MATLAB code and drawing of based on the given example.
Benzer Tezler
- Efficient estimation of Shrinkage parameters in fuzzy Ridge and fuzzy Liu regression models using α-cut-based methods under multicollinearity
Çoklu bağıntı durumunda bulanık Ridge ve bulanık Liu regresyon modellerinde α-kesim tabanlı yöntemler kullanılarak Shrinkage parametrelerinin etkin tahmini
AMMAR HOMAIDA
- Yapay sinir ağlarının iklim bölgelerinin belirlenmesinde kullanılması ve Ward metodu ile karşılaştırılması
Applying artificial neural networks on determining climate zones and comparison with the Ward?s method
SİNAN ŞAHİN
Doktora
Türkçe
2009
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. H. KEREM CIĞIZOĞLU
- Lise öğrencilerinin iş sağlığı ve güvenliği eğitimlerinde dijital oyun tasarımı, uygulanması ve geliştirilmesi
Design, development, implementation, and evaluation of digital game-based tools for occupational health and safety education in high schools
HÜSEYİN ENİS KARA
Doktora
Türkçe
2025
Eğitim ve Öğretimİstanbul Medeniyet Üniversitesiİş Sağlığı ve Güvenliği Ana Bilim Dalı
PROF. DR. EMİNE CAN
- Hava kirliliği tahmininde çoklu regresyon analizi ve yapay sinir ağları yönteminin karşılaştırılması
Comparation of multiple regression analysis and neural network methods for predicting air pollution
AHMET GÜRKAN YÜKSEK
Doktora
Türkçe
2007
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolCumhuriyet Üniversitesiİşletme Ana Bilim Dalı
PROF.DR. DERVİŞ KARABOĞA
- Bulanık regresyon ve ekonometrik bir uygulama
Fuzzy regression and an econometric application
TUĞÇE KAYA
Yüksek Lisans
Türkçe
2014
EkonometriÇukurova ÜniversitesiEkonometri Ana Bilim Dalı
DOÇ. DR. GÜLSEN KIRAL
