Bootstrap-t ve Yüzdelik Bootstrap Yöntemlerinde Tekrar Sayısı, Budama Yüzdesi ve Dağılımın Sonuçlara Etkisi
Öz
Bootstrap yöntemler, kestiricinin veya test istatistiğinin dağılımının bilinmediği durumlarda çıkarsama yapılmasını sağlayan ve eldeki rassal örneklemden tekrarlı olarak yapılan seçimler ile yeni örneklemler türetme ilkesine dayanan yöntemlerdir. Bootstrap yöntemlerde; tekrar sayısı, budanmış ortalama içeren bir yöntem ile birlikte kullanılırlarsa budama yüzdesi ve kitle dağılımının yöntemin performansını nasıl etkilediği tartışılmakta olan konulardır [1-7]. Bu çalışmada; tek örneklem hipotez testi yapmak amacıyla Tukey-McLaughlin testinin [8] bootstrap-t ile birlikte kullanımı ve yüzdelik bootstrap, iki örneklem hipotez testi yapmak amacıyla ise Yuen testinin [9] bootstrap-t ile birlikte kullanımı ve yüzdelik bootstrap yöntemi kullanılmıştır. Bahsedilen yöntemlerin performansları; farklı tekrar sayıları, budama yüzdeleri ve kitle dağılımları kullanılarak gerçekleşen 1. Tip hata değerlerine göre karşılaştırılmıştır. Karşılaştırma bir simülasyon çalışması ve ayrıca iki gerçek veri seti ile yapılmıştır. Kitle budanmış ortalaması için tek ve iki örneklemde hipotez testi yöntemi, budama yüzdesi ve tekrar sayısı için öneriler geliştirilmiştir.
Ayrıntılar
| Bölüm | Matematik |
|---|---|
| Yazarlar | |
| Yayımlanma Tarihi | 31 Aralık 2016 |
| Yayımlandığı Sayı | Yıl 2016 Cilt: 5 Sayı: 2 |
Kaynak Göster
Cited By
Prediction of gestational diabetes using deep learning and Bayesian optimization and traditional machine learning techniques
Medical & Biological Engineering & Computing
https://doi.org/10.1007/s11517-023-02800-7
Dergimizin tarandığı indeksler