Ders Notları

100% Complete (success)
Dikkat !!! Lütfen okuyunuz ...

Öğretim Üyesi (Üyeleri): Doç. Dr. Emre Dünder *

(*) Ders notu girebilmek için, bu alanda kendi isminiz yazıyor olmalı...

  • Bologna verilerinin girilmesi;
    ubys.omu.edu.tr adresinden,
    ÜBYS' de Öğretim Elemanları yetkisi seçilmeli... Öğretim elemanı danışmanlık işlemlerinden yapabilirsiniz...
Yıl: 2024, Dönem: Güz
Ders Kitabı / Malzemesi / Önerilen Kaynaklar

Kitaplar Hastie, T., Tibshirani, R., & Wainwright, M. (2015). Statistical learning with sparsity: the lasso and generalizations. CRC press. Ryan, T. P. (2008). Modern regression methods (Vol. 655). John Wiley & Sons. Witten, D., & James, G. (2013). An introduction to statistical learning with applications in R. springer publication. Makaleler Izenman, A. J. (1975). Reduced-rank regression for the multivariate linear model. Journal of multivariate analysis, 5(2), 248-264. Rothenhäusler, D., Meinshausen, N., Bühlmann, P., & Peters, J. (2021). Anchor regression: Heterogeneous data meet causality. Journal of the Royal Statistical Society Series B: Statistical Methodology, 83(2), 215-246. Tibshirani, R. (1996). Regression shrinkage and selection via the lasso. Journal of the Royal Statistical Society Series B: Statistical Methodology, 58(1), 267-288. Ugwuowo, F. I., Oranye, H. E., & Arum, K. C. (2023). On the jackknife Kibria-Lukman estimator for the linear regression model. Communications in Statistics-Simulation and Computation, 52(12), 6116-6128.

Dersin İçeriği

Bu dersin bilgilerini pekiştirmek için açık kaynaklı hazır veri setleri üzerinden, öğrenilen regresyon modellerinin uygulanması ve yorumlanması önerilmektedir.

Dersin Amacı

Bu dersin amacı, doktora öğrencilerine ileri regresyon modellerini modern istatistik programlarını kullanarak gerçek veri setleri ile oluşturabilme ve yorumlayabilme becerisini kazandırmaktır.

Haftalık Ders İçeriği

Hafta Teorik Uygulama Laboratuar Ders Notları
1 1- Genelleştirilmiş Lineer Modellere Giriş
2 2- Regresyon Modellerinde Optimizasyon
3 3- Regresyon Analizinde Bilgi Kriterleri
4 4- Sezgisel Optimizasyon Algoritmaları ile Değişken Seçimi
5 5- İz Regresyon Analizi
6 6- Kibria-Lukman Tahmincisi
7 7- Klasik Lasso Regresyon Analizi
8 8- Adaptif Lasso ve Esnek Lasso Modelleri
9 Ara sınav
10 10- Dayanıklı Regresyon Modellerine Giriş
11 11- Alternatif Dayanıklı Regresyon Modelleri
12 12- İndirgenmiş Sıra Regresyon Modelleri
13 13- Çapa Regresyon Modelleri
14 14- Çok Değişkenli Adaptif Regresyon Eğrileri