3
Archived Theses
0
DOIs Assigned
0%
DOI Rate
Discipline
Genelleştirilmiş en küçük kareler tahmin edicisinin etkinliği AR(1), sur ve heteroscedastic modellerle uygulamalar
Çoklu lineer regresyon modeli ve onun alışılmış en küçük kareler tahmini, hiç şüphesiz istatistikte yaygın şekilde kullanılan yöntemlerden biridir. Bu yöntem bağımlı değişken ile açıklayıcı değişkenler arasındaki ilişkiyi tahmin etmeye olanak sağlar. Genellikle pratikte klasik koşulların geçerli olmadığı görülür. Tüm bu klasik koşulların sağlanamamasının en küçük kareler (EKK) yöntemi üzerinde etkisi olmamasına rağmen, istatistik test sonuçları ve EKK in özellikleri etkilenir. Özellikle, y nin elemanları eşit olmayan varyansa sahip ve/ya da ilişkili olduklarında, var(y) artık skaler varyans-kovaryans matris değildir. Böylece EKK tahmin edici lineer yansız tahmin ediciler sınıfı içinde olmayı garanti edemez. Pratikte, y nin doğru özelliklerini bilmekte zorlanırız. Bu nedenle var(y) daha genel formda olduğunda geçerli tahmini incelemek önemlidir. Bu tezde, var(y) matrisi skaler varyans-kovaryans matrisi olmadığı durumda, tahminin etkinliğini geliştirmek için genelleştirilmiş en küçük kareler yöntemi tanıtılmış ve görünüşte ilişkisiz regresyon (SUR) ve heteroscedastic modellerde uygulamaları incelenmiştir.
Weibull dağılımının parametreleri için ilerleyen tür tip-II sağdan sansürlü örnekleme dayalı istatistiksel sonuç çıkarımlar
Bu tez çalışması, Weibull dağılımının bilinmeyen şekil ve ölçek parametrelerinin istatistiksel sonuç çıkarımlarını, ilerleyen tür tip-II sağdan sansürlü örneklem durumunda ayrıntılı bir şekilde incelenmesini amaçlamaktadır. Bu amaçla, Weibull dağılımının bilinmeyen parametrelerinin nokta tahmini için en çok olabilirlik, yaklaşık en çok olabilirlik, maksimum aralık, pivot, grafik ve en küçük kareler yöntemleri ele alınmış ve bu yöntemlere dayalı tahmin ediciler elde edilmiştir. Weibull dağılımının bilinmeyen şekil ve ölçek parametrelerinin aralık tahmini için pivota dayalı tam güven aralığı, asimptotik güven aralığı, Boostrap-p ve Bootstrap-t örneklemlerine dayalı güven aralıkları açıklanmış ve uygun aralık tahmin edicileri elde edilmiştir. Nokta ve aralık tahminlerinin performansları farklı örneklem hacimlerine dayalı sansür şemaları ve farklı parametre değerleri için kapsamlı simülasyon çalışmasıyla ayrıntılı olarak incelenmiştir. Elde edilen sonuçlara göre hem nokta hem de aralık tahmininde pivot yönteminin oldukça iyi performans sergilerken, grafik yönteminin yalnızca nokta tahmininde performansının iyi olduğu görülmüştür. Son olarak gerçek veri seti üzerinde uygulama yapılmıştır.
Forecasting toursim income of Türkiye
Tourism is regarded as important to the global financial system because of its significant benefits for improving the economy and creating various opportunities such as jobs, developing economic growth, and also facilitating cultural exchange between both foreigners and citizens, Tourism income is defined as the total amount spent in Turkey on individual and package tours by foreigners and citizens living abroad (excluding real estate expenditures, repair-maintenance expenses for residences, durables, transfers, etc.). Tourism income includes the amount spent on consumer goods and services, as well as personal belongings, in preparation for and during tourist trips; it covers any costs incurred by the visitor. This can include standard products like lodging or meals, as well as public transportation, but it can also include valuables (like artwork) and consumer durables like buying small goods for personal use, souvenirs, and gifts for family and friends, as well as all personal care products, and so on., Tourism income contributes significantly to the Turkish economy's revenue. That is why forecasting tourism revenue in the future is critical. Time series forecasting methods such as Autoregressive Integrated Moving Average (ARIMA), Exponential Smoothing, hold winter-differential evolution algorithm (HW-DEA), and Adaptive Neuro-Fuzzy Inference System were used in this study to forecast tourism income from the Turkish Statistical Institute (TÜK), and the results were compared using the test performance measure Root Mean Square Error (RMSE) to determine the best model for the data. When compared to the other models, the results show that ANFIS outperforms with the lowest RMSE.