| Popis: |
Klasik temel bilesenler analizi (KTBA), cok degiskenli veri kumelerinde yer alabilen aykiri gozlemlere karsi dayanikli degildir. Aykiri gozlemlerin varliginda KTBA kullanilarak elde edilen sonuclar gercekte olmasi gerekenden oldukca farkli cikabilir. Bu yuzden, aykiri gozlemlerin varliginda PCA’nin dayanikli versiyonlarinin kullanimi tercih edilmelidir. Dayanikli temel bilesenler elde etmek icin en kolay yol konum ve olcek parametrelerinin klasik tahminleriyle, onlarin dayanikli tahminlerinin yer degistirilmesidir. Cok degiskenli veri kumesi icin konum ve olcek parametrelerinin dayanikli tahmini, yuksek bozulma noktasi saglayan en kucuk kovaryans determinant (EKKD) yontemi ile yapilabilir. Bu calismada, EKKD yontemi, jacknife yeniden ornekleme yaklasimi kullanilarak uyarlanip, bu uyarlamadan kaynaklanan degisimlerin dayanikli temel bilesenler analizi (DTBA) uzerindeki etkileri incelenmesi amaclanmaktadir. Jackknife yeniden ornekleme yontemine dayanan EKKD’nin aykiri gozlem oranindaki degismelerden nasil etkilendigi iki gercek veri kumesi uzerinden degerlendirilmektedir. Elde edilen bulgular isiginda, onerilen uyarlanmis en kucuk kovaryans determinant (UEKKD) tahminine dayali DTBA, klasik EKKD’ye dayanan DTBA’ya gore veri kumesinde aykiri gozlemlerin varliginda daha iyi sonuclar verdigi gorulmektedir. |
