Kantil regresyon ve kantil sinir ağlarının karşılaştırılması
Yükleniyor...
Dosyalar
Tarih
2021
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Tekirdağ Namık Kemal Üniversitesi
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Regresyon analizi, değişkenler arasındaki ilişkiyi incelemek için kullanılan istatistiksel bir modelleme yöntemidir. Bu yöntemde, açıklayıcı değişkenlerin değerlerine bağlı olarak yanıt değişkenin ortalaması tahmin edilmeye çalışılır. Regresyon analizi bazı varsayımlara dayanmaktadır. Eğer bu varsayımlar sağlanıyorsa en küçük kareler yöntemi en iyi tahminleri vermektedir. Fakat gerçek veriler her zaman bu varsayımları sağlamayabilir. Varsayımların sağlanmadığı bu gibi durumlar için yeni yöntemler geliştirilmiştir. Kantil regresyon bu yöntemlerden biridir. Bu tez çalışmasında kantil regresyon ve yapay sinir ağlarında kantil regresyonun kullanımı incelenmiş ve bu modellerin simülasyon verileri üzerinde karşılaştırılması yapılmıştır.
Regression analysis is a statistical modelling method used to examine the relationship between variables. In this method, the average of the response variable is tried to be estimated based on the values of the explanatory variables. Regression analysis is based on some assumptions. If these assumptions are met, the least squares method gives the best estimates. But real data may not always provide these assumptions. New methods have been developed for such cases where assumptions are not provided. The quantile regression is one of these methods. In this thesis, quantile regression and the use of quantile regression in artificial neural networks were examined and these models were compared on simulation data.
Regression analysis is a statistical modelling method used to examine the relationship between variables. In this method, the average of the response variable is tried to be estimated based on the values of the explanatory variables. Regression analysis is based on some assumptions. If these assumptions are met, the least squares method gives the best estimates. But real data may not always provide these assumptions. New methods have been developed for such cases where assumptions are not provided. The quantile regression is one of these methods. In this thesis, quantile regression and the use of quantile regression in artificial neural networks were examined and these models were compared on simulation data.
Açıklama
Anahtar Kelimeler
İstatistik, Statistics