A simulation Study on the Perforformances of Fuzzy and Robust Fuzzy Bisectional Regression Techniques

Autor: GAZELOĞLU, Cengiz, SARAÇLI, Sinan
Přispěvatelé: Afyon Kocatepe Üniversitesi, Fen Edebiyat Fakültesi, İstatistik Bölümü
Jazyk: turečtina
Rok vydání: 2012
Předmět:
Zdroj: Volume: 12, Issue: 1 1-13
Afyon Kocatepe Üniversitesi Fen Ve Mühendislik Bilimleri Dergisi
ISSN: 2149-3367
Popis: Bu çalışmanın amacı, bağımlı ve bağımsız değişkenin her ikisinin de ölçüm hatası içerdiği durumlarda, En Küçük Kareler (EKK) Açıortay, Bulanık (Fuzzy) EKK Açıortay, Sağlam (Robust) EKK Açıortay ve Bulanık Sağlam EKK Açıortay tekniklerinin karşılaştırmalı olarak Monte-Carlo benzetim çalışması ile incelenmesidir. İlgilenilen veri setinin aykırı değer içerdiği ve içermediği durumlarda, farklı örneklem büyüklüklerinde (n=10,50 ve 100) ve farklı teorik dağılış biçimlerinde ( , ve ) ilgili regresyon teknikleri Hata Kareler Ortalaması (HKO) ve Relative Efficiency (R.E.) kriterlerine göre karşılaştırılmıştır. Çalışmanın bulgularına göre tüm dağılış biçimi ve tüm örneklem hacmindeki, aykırı değer içeren ve içermeyen veri setleri için Bulanık Huber Açıortay tekniği en düşük HKO değerine sahip teknik olarak belirlenmiştir. The aim of this study is comparatively examine the OLS (Ordinary Least Squares) Bisector, Fuzzy OLS Bisector, Robust OLS and Fuzzy Robust OLS techniques via Monte-Carlo Simulation study, when both the dependent and independent variables includes measurement errors in a simple linear regression analysis. In conditions, whether the interested data sets includes or not any outliers, the performance of the regression techniques are examined for different sample sizes (n=10, 50 and 100) and different distribution types ( , and ) according to Mean Square Error (MSE) and Relative Efficiency (R.E.) criteria. According to findings of the study, the Fuzzy Huber Bisector technique has the lowest MSE in all different distribution types and for all sample sizes for the data sets that either includes or not any outliers..
Databáze: OpenAIRE