{"title":"利用运行区间平滑、约束b样条平滑和不同分位数估计对非线性关系进行建模","authors":"Burak Dilber, Abdullah Özdemir","doi":"10.22531/muglajsci.772523","DOIUrl":null,"url":null,"abstract":"Bu makalede iki parametrik olmayan regresyon yontemi, hareketli aralik duzlestiricisi ve kisitli b-spline duzlestirme yontemlerinin kucuk orneklem ozelliklerinin karsilastirmasi yapilmaktadir. Hareketli aralik duzlestiricisi yontemi farkli kestiriciler kullanarak kosullu kantil (veya konum olcusu) degerinin tahmini ile ugrasir ve burada Harrell-Davis ile yeni onerilen NO kantil kestiricisine odaklanilmistir. Kisitli b-spline duzlestirme yontemi, kosullu kantil tahminleri elde ederken kantil regresyon tahmincisini kullanir. Kisitli b-spline duzlestirme ve hareketli aralik duzlestiricisi yontemleri teorik dagilimlar kullanilarak elde edilen bir simulasyon calismasi ile karsilastirilmistir. Ayrica, bu yontemler, degiskenler arasindaki iliskinin nasil modellendigini anlamak icin grafiksel olarak incelenmistir. Kisitli b-spline duzlestirme ve NO kestiricisi ile kullanilan hareketli aralik duzlestiricisi yontemleri hata kareler ortalamasi acisindan Harrell-Davis kestiricisi ile kullanilan hareketli aralik duzlestiricisi yonteminden daha iyi performans gostermektedir.","PeriodicalId":149663,"journal":{"name":"Mugla Journal of Science and Technology","volume":"233 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2020-12-18","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"MODELLING NONLINEAR RELATION BY USING RUNNING INTERVAL SMOOTHER, CONSTRAINED B-SPLINE SMOOTHING AND DIFFERENT QUANTILE ESTIMATORS\",\"authors\":\"Burak Dilber, Abdullah Özdemir\",\"doi\":\"10.22531/muglajsci.772523\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Bu makalede iki parametrik olmayan regresyon yontemi, hareketli aralik duzlestiricisi ve kisitli b-spline duzlestirme yontemlerinin kucuk orneklem ozelliklerinin karsilastirmasi yapilmaktadir. Hareketli aralik duzlestiricisi yontemi farkli kestiriciler kullanarak kosullu kantil (veya konum olcusu) degerinin tahmini ile ugrasir ve burada Harrell-Davis ile yeni onerilen NO kantil kestiricisine odaklanilmistir. Kisitli b-spline duzlestirme yontemi, kosullu kantil tahminleri elde ederken kantil regresyon tahmincisini kullanir. Kisitli b-spline duzlestirme ve hareketli aralik duzlestiricisi yontemleri teorik dagilimlar kullanilarak elde edilen bir simulasyon calismasi ile karsilastirilmistir. Ayrica, bu yontemler, degiskenler arasindaki iliskinin nasil modellendigini anlamak icin grafiksel olarak incelenmistir. Kisitli b-spline duzlestirme ve NO kestiricisi ile kullanilan hareketli aralik duzlestiricisi yontemleri hata kareler ortalamasi acisindan Harrell-Davis kestiricisi ile kullanilan hareketli aralik duzlestiricisi yonteminden daha iyi performans gostermektedir.\",\"PeriodicalId\":149663,\"journal\":{\"name\":\"Mugla Journal of Science and Technology\",\"volume\":\"233 1\",\"pages\":\"0\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2020-12-18\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Mugla Journal of Science and Technology\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.22531/muglajsci.772523\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Mugla Journal of Science and Technology","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.22531/muglajsci.772523","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
MODELLING NONLINEAR RELATION BY USING RUNNING INTERVAL SMOOTHER, CONSTRAINED B-SPLINE SMOOTHING AND DIFFERENT QUANTILE ESTIMATORS
Bu makalede iki parametrik olmayan regresyon yontemi, hareketli aralik duzlestiricisi ve kisitli b-spline duzlestirme yontemlerinin kucuk orneklem ozelliklerinin karsilastirmasi yapilmaktadir. Hareketli aralik duzlestiricisi yontemi farkli kestiriciler kullanarak kosullu kantil (veya konum olcusu) degerinin tahmini ile ugrasir ve burada Harrell-Davis ile yeni onerilen NO kantil kestiricisine odaklanilmistir. Kisitli b-spline duzlestirme yontemi, kosullu kantil tahminleri elde ederken kantil regresyon tahmincisini kullanir. Kisitli b-spline duzlestirme ve hareketli aralik duzlestiricisi yontemleri teorik dagilimlar kullanilarak elde edilen bir simulasyon calismasi ile karsilastirilmistir. Ayrica, bu yontemler, degiskenler arasindaki iliskinin nasil modellendigini anlamak icin grafiksel olarak incelenmistir. Kisitli b-spline duzlestirme ve NO kestiricisi ile kullanilan hareketli aralik duzlestiricisi yontemleri hata kareler ortalamasi acisindan Harrell-Davis kestiricisi ile kullanilan hareketli aralik duzlestiricisi yonteminden daha iyi performans gostermektedir.
求助内容：
应助结果提醒方式：
京公网安备 11010802042870号
