Jackknife-after-bootstrap method for detection of outliers and influential observations in lınear regression models

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Dokuz Eylül Üniversitesi, Fen Bilimleri Enstitüsü, İstatistik Ana Bilim Dalı, Türkiye

Tezin Onay Tarihi: 2012

Tezin Dili: İngilizce

Öğrenci: UFUK BEYAZTAŞ

Danışman: AYLİN ALIN

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Bu tezde, Bradley Efron (1992) tarafından istatistiğin standart hatasını ve yanlılığını tahmin etmek için önerilen ve ayrıca Martin ve Roberts (2006) tarafından etkin gözlemleri belirlemek için geliştirilen jackknife-after-bootstrap metodu incelenmiştir. Ek olarak, bu metot t-star istatistiği, Likelihood Distance, Welsch's Distance ve Modified Cook's Distance gibi çeşitli etkinlik ölçümleri için genişletilmiştir. Bundan başka, bu metodun terminolojisi ve algoritması detaylı bir şekilde incelenmiştir. Bu çalışmalar çeşitli simülasyon çalışmaları ve gerçek dünya örnekleri ile desteklenmiş ve sonuçları geleneksel metotların sonuçları ile karşılaştırılmıştır. Bu simülasyon programları R 2.14.0 programı kullanılarak çalıştırılmıştır. Ayrıca bu tezde, sufficient bootstrap metodu da çalışılmış ve bu metot jackknife-after-bootstrap algoritması ile birlikte uygulanmıştır. Biz bu metodu sufficient jackknife-after-bootstrap metodu olarak adlandırıyoruz. Aynı simülasyon çalışmaları ve gerçek dünya örnekleri bu metot için çalıştırılmış ve sonuçları jackknife-after-bootstrap metodunun sonuçları ile karşılaştırılmıştır.