Rassal Olmayan Kayıp Veri Analizi İçin Bayezci Model Ortalaması

2015-12-31
Kalaylıoğlu Akyıldız, Zeynep Işıl
Karlis, Dimitris
Çiftçi, Sezgin
Günümüzde özellikle halk sağlığı, genetik, tıp, farmakoloji, biyoloji, moleküler biyoloji, sosyoloji, psikoloji gibi pek çok farklı alanda yapılan çalışmalarda elde edilen verilerde sıklıkla rassal olmayan kayıp verilere (ROKV) rastlanmaktadır. ROKV analizlerinde yalnızca verilerin değil, kayıp olma olasılığının da modellenmesi gerekmektedir ve bu zorunluluk ROKV analizini diğer kayıp veri türlerinin analizinden çok daha zor kılmaktadır. ROKV analizinde, kayıp olma olasılığı için farklı modeller denenir ve bir bilgi kriteri aracılığı ile veri tarafından saptanan en uygun kayıp olma olasılığı modeli seçilip analizin geri kalan kısmı ona göre yapılır. Literatürde ispatlandığı gibi, bilgiye dayalı kriterler model seçimi konusunda etkin değildir ve yeni yöntemlere ihtiyaç vardır. Bu projede amaç etkin bir analiz için, bilgi kriteri bazlı olmayan hatta kayıp olma olasılığı modeli anlamında, model seçimine bile gerek olmayan bir yaklaşım öngörerek tüm aday kayıp olma olasılığı modellerini belli birer ağırlıkla ortalama olarak analize katacak bir yöntem geliştirmek.
Citation Formats
Z. I. Kalaylıoğlu Akyıldız, D. Karlis, and S. Çiftçi, “Rassal Olmayan Kayıp Veri Analizi İçin Bayezci Model Ortalaması,” 2015. Accessed: 00, 2020. [Online]. Available: https://hdl.handle.net/11511/58887.