Sağdan sansürlü veriler için yarı-parametrik regresyon model tahmini
Estimation of semi-parametric regression model for right censored data
- Tez No: 498522
- Danışmanlar: DOÇ. DR. DURSUN AYDIN
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Biyoistatistik, Doğrusal olmayan regresyon, Parametrik olmayan regresyon, Bioistatistics, Nonlinear regression, Nonparametric regression
- Yıl: 2018
- Dil: Türkçe
- Üniversite: Muğla Sıtkı Koçman Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışmada, sağdan sansürlenmiş verilerin üç farklı yöntem kullanılarak elde edilecek yarı-parametrik regresyon modelleri ile tahmin edilmesi incelenmiştir. Bu yöntemler cezalı en küçük kareler yöntemi ile elde edilen kernel düzeltmesi, splayn düzeltmesi ve regresyon splaynı yöntemleridir. Bilindiği gibi cezalı en küçük kareler yönteminde düzeltme parametresi, tahminin tutarlılığının ve doğruluğunun sağlanması açısından çok önemli bir role sahiptir. Bu çalışmada düzeltme parametresinin uygun şekilde seçiminin sağlanması için yaygın olarak kullanılan seçim yöntemleri incelenmiştir ve MATLAB programı kullanılarak simülasyon ve gerçek veri uygulamaları ile hem yukarıda bahsedilen üç farklı tahmin yöntemi hem de düzeltme parametresi seçiminde kullanılan seçim kriterleri için bir karşılaştırma yapılmıştır. Ayrıca çalışmada, sansürlü verilerin dağılımlarının tahmin edilmesi için parametrik ve paramerik olmayan yöntemler incelenmiş ve sansürlü verilerin tahmin edilmesi için Kaplan-Meier ağırlıkları (Stute (1993)) ve sentetik veri dönüşümü (Koul vd (1981)) olmak üzere iki farklı tahmin prosedürü incelenmiştir.
Özet (Çeviri)
In this study, three estimation methods are inspected for semi-parametric regression model under right-censored data. These methods are kernel smoothing, smoothing spline and regression spline methods which are based on penalized least squares. As known in penalized least squares method, smoothing parameter has a crucial role for the accuracy and consistency of the estimation. In this study, in order to choose the smoothing parameter optimally prominent selection methods are inspected and also simulation and real data experiments are carried out with MATLAB software for comparison of the both three estimation methods and selection methods. In addition to that, parametric and nonparametric methods are researched for estimation of distribution of censored data and also in order to apply the censored data on semi-parametric regression model, two important procedure are inspected which are Kaplan-Meier weights (Stute (1993)) and synthetic data transformation (Koul et. al. (1981)) then some statistical inferences are made about the procedures.
Benzer Tezler
- Sansürlü veriler için sağkalım analizi ve gerçek verilere uygulaması
Survival analysis for censored data and its application to real data
YÜKSEL TERZİ
- Sağkalım verilerinde kullanılan ağaç tabanlı yöntemlerin karşılaştırılması
Comparison of tree-based methods used in survival data
AYŞEGÜL YABACI
Yüksek Lisans
Türkçe
2017
BiyoistatistikUludağ ÜniversitesiBiyoistatistik ve Tıbbi Bilişim Ana Bilim Dalı
DOÇ. DR. DENİZ SIĞIRLI
- Sağdan sansürlü sağkalım analizinde makine öğrenmesinde sınıflandırma algoritmaların kullanımı
Using of classification algorithms in machine learning for right censored survival analysis
PELİN AKIN
Doktora
Türkçe
2020
İstatistikOndokuz Mayıs Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. YÜKSEL TERZİ
- Sağdan sansürlü verilerde iki grubun sağkalım eğrilerinin karşılaştırılmasında kullanılan testlerin incelenmesi
Examining tests for comparing of survival curves with right censored data
PINAR GÜNEL KARADENİZ
Doktora
Türkçe
2015
BiyoistatistikUludağ ÜniversitesiBiyoistatistik Ana Bilim Dalı
PROF. DR. İLKER ERCAN
- Sansürlü verilere daylalı parametrik olmayan hipotez testleri
Nonparametric hypothesis tests based on censored data
ÜLKÜ GÖKAL
Yüksek Lisans
Türkçe
2005
İstatistikSelçuk Üniversitesiİstatistik Ana Bilim Dalı
Y.DOÇ.DR. MEHMET FEDAİ KAYA