Show simple item record

dc.contributor.advisorTürkan, Semra
dc.contributor.authorDurmuş, Işıl
dc.date.accessioned2018-10-05T10:31:13Z
dc.date.issued2018-09-25
dc.date.submitted2018-08-28
dc.identifier.urihttp://hdl.handle.net/11655/5190
dc.description.abstractVarying Coefficient Models are used to reveal properties of multidimensional data among nonparametric regression models. Since these models allow the coefficients to change over the variable called the "index variable", the curse of dimensionality is avoided. Multidimensionality prevents nonparametric models from making an effective prediction. In varying coefficient model, it can be considered that the coefficients are changed in each layer of the index variable and smoothing is done by this way. From this, it is understood that there are nonlinear relationships between index variable(s) and independent variables. Varying Coefficient Model is an alternative to additive models. As it permits the vary of model coefficients over some of the variables, such as time, temperature, geographical locations, etc. it has a large application area. In this thesis study, firstly, the nonparametric regression models and estimation methods were given, then the variable coefficient regression model was introduced and the estimation methods examined. The varying coefficient regression model was applied to the data related to 450 pregnants coming the medical examination in 2018 during the April-July. The data were obtained through patient follow-up forms. Mean arterial blood pressure (MAP) variable was considered as dependent variable and gestational age considered as index variable, the number of previous pregnancies, family history of hypertension, body mass index (BMI), age, diabetes mellitus, bad obstetric history, hematocrit (HCT) and blood platelet count (BPC) were taken as independent variables. The relationship between MAP and other independent variables was analyzed via varying coefficient model as gestational age taking index variable. Key Words: Nonparametric regression models, Varying Coefficient Model, Penalized splines, Smoothing splines, Local polinomial estimationtr_TR
dc.description.tableofcontentsÖZET i ABSTRACT iii ÇİZELGELER vii ŞEKİLLER viii SİMGELER VE KISALTMALAR ix 1. GİRİŞ 1 2. REGRESYON MODELLERİ 5 2.1 Doğrusal Regresyon 5 2.2 Doğrusal Olmayan Regresyon 5 2.2.1 Yerel Modelleme 6 2.2.2 Bant Genişliği Seçimi 8 2.3 Tahmin Yöntemleri 9 2.3.1 Yerel (Local) Polinom Düzleştirici 10 2.3.2 Çekirdek (Kernel) Düzleştiricisi ve Yerel Doğrusal Düzleştirici 13 2.3.3 Yerel Olarak Ağırlıklandırılmış Saçılım Grafiği Düzleştiricileri 14 2.3.4 Eğrisel Çizgi Düzleştiricisi (Spline Smoothing) 17 2.3.5 Cezalandırılmış Eğrisel Çizgi (Penalized Spline) 22 3. DEĞİŞEN KATSAYILI MODEL 27 3.1 Literatür 29 3.2 Değişen Katsayılı Modellerde Tahmin Yöntemleri 30 3.2.1 Yerel (Local) Polinom Düzleştiricisi 31 3.2.2 Düzleştirilmiş Eğrisel Çizgiler 36 3.2.3 Cezalandırılmış Eğrisel Çizgi 37 4. UYGULAMA 40 4.1 Veriler 40 4.2 Analiz 44 5. SONUÇ 52 EKLER 54 KAYNAKLAR 58 ÖZGEÇMİŞ 62tr_TR
dc.language.isoturtr_TR
dc.publisherFen Bilimleri Enstitüsütr_TR
dc.rightsinfo:eu-repo/semantics/openAccesstr_TR
dc.subjectparametrik olmayan regresyon modelleri
dc.subjectdeğişen katsayılı model
dc.subjectcezalandırılmış eğrisel çizgi
dc.subjectdüzleştirilmiş eğrisel çizgi
dc.subjectyerel polinom tahmin
dc.titleDeğişen Katsayılı Regresyon Modeli İle Gebelerin Ortalama Arteriyel Kan Basıncına Etki Eden Risk Faktörlerinin Belirlenmesitr_TR
dc.typemasterThesistr_TR
dc.description.ozetDeğişen katsayılı modeller (DKM) parametrik olmayan regresyon modelleri arasında çok boyutlu verilerin özelliklerini ortaya çıkarmak için kullanılır. Bu modeller, “indeks değişken” olarak adlandırılan değişken üzerinden katsayıların değişimine izin verdiğinden boyutluluk lanetinden (curse of dimensionality) kaçınılmış olur. Çok boyutluluk, parametrik olmayan modeller ile etkili bir tahmin yapılmasını engellemektedir. Değişen katsayı modellerinde, katsayıların indeks değişkenin her bir tabakasında değişerek düzleştirme yapılır. Buradan indeks değişkeni ve bağımsız değişkenler arasında doğrusal olmayan ilişkilerin olduğu anlaşılmaktadır. DKM, toplamsal modellere alternatif modellerdir. Zaman, sıcaklık, coğrafi konumlar vb. gibi bazı değişkenler üzerinden model katsayılarının değişimine izin verdiği için geniş uygulama alanına sahiptir. Bu tez çalışmasında, ilk olarak parametrik olmayan regresyon modelleri ve tahmin yöntemleri hakkında bilgi verilmiş, daha sonra değişen katsayılı regresyon modeli tanıtılmış ve tahmin yöntemleri incelenmiştir. Değişen katsayılı regresyon modeli, 2018 yılında Nisan-Temmuz aylarında muayeneye gelen 450 gebeye ilişkin elde edilen verilere uygulanmıştır. Bu veriler, hasta takip formları aracılığıyla elde edilmiştir. Gebelerin ortalama arteriyel kan basıncı (MAP) değişkeni bağımlı değişken; gestasyonel yaş (gebelik haftası) indeks değişken; daha önceki gebelik öyküsü, aile hipertansiyon öyküsü, vücut kitle indeksi (VKI), yaş, diyabet hastalığı öyküsü, kötü obstetrik öyküsü, hematokrit (HCT) ve kandaki trombosit sayısı (BPC) ise bağımsız değişkenler olarak alınmıştır. MAP ile diğer bağımsız değişkenler arasındaki ilişki, gebelik haftası indeks değişkeni üzerinden değişen katsayılı model ile analiz edilmiştir. Anahtar kelimeler: Parametrik olmayan regresyon modelleri, Değişen katsayılı model, Cezalandırılmış eğrisel çizgi, Düzleştirilmiş eğrisel çizgi, Yerel polinom tahmintr_TR
dc.contributor.departmentİstatistiktr_TR
dc.contributor.authorID10213367tr_TR
dc.embargo.termsAcik erisimtr_TR


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record