DERS ADI

: Parametrik Olmayan Modeller

Ders Bilgileri

Ders Kodu Ders Adı Ders Türü D U L AKTS
EKO 6062 Parametrik Olmayan Modeller SEÇMELİ 3 0 0 7

Dersi Veren Birim

Ekonometri Doktora

Dersin Düzeyi

Doktora

Ders Koordinatörü

PROF. DR. RABİA ECE OMAY

Dersi Alan Birimler

Ekonometri Doktora

Dersin Amacı

Bu dersin amacı, regresyon splaynı kullanarak parametrik olmayan, kısmi parametrik ve toplamsal ve genelleştirilmiş toplamsal modeller kurmak, sonuçları yorumlamak ve diğer regresyon modelleri ile karşılaştırmak.

Dersin Öğrenme Kazanımları

1   Bu dersin sonunda öğrenci, genelleştirilmiş doğrusal, parametrik olmayan, kısmi parametrik, toplamsal ve genelleştirilmiş toplamsal modelleri ayırt edebilecek ifade edebilecektir. Öğrenci, genelleştirilmiş toplamsal modeli hatırlar, parametrik olmayan, kısmi parametrik, toplamsal ve genelleştirilmiş toplamsal modelleri ifade eder ve açıklar.
2   Bu dersin sonunda öğrenci, Regresyon splaynı kullanarak parametrik olmayan, kısmi parametrik, toplamsal ve genelleştirilmiş toplamsal modelleri kurabilecektir. Öğrenci, çözüm algoritmalarını kullanır, düzeltme parametrelerini belirler, düğüm noktalarının ve taban fonksiyonlarının sayısını belirler.
3   Bu dersin sonunda öğrenci, R programını kullanarak parametrik olmayan, kısmi parametrik, toplamsal ve genelleştirilmiş toplamsal modeller kurabilecektir. Öğrenci, modelleri kurmak için ihtiyaç duyulan paketleri tanır, kullanır, kurduğu modeller ile ilgili çıktıları yorumlar.

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta Konular Açıklama
1 1. Hafta Pürüzlülük cezası yaklaşımı
2 2. Hafta İnterpolasyon ve smoothing spline
3 3. Hafta Smoothing parametresi seçimi, çapraz geçerlilik ve genelleştirilmiş çapraz geçerlilik
4 4. Hafta Kısmi parametrik modeller için cezalı en küçük kareler yöntemi
5 5. Hafta Toplamsal modeller
6 6. Hafta Genelleştirilmiş doğrusal modeller
7 7. Hafta Genelleştirilmiş toplamsal modeller
8 8. Hafta Genelleştirilmiş toplamsal modeller
9 9. Hafta Genelleştirilmiş toplamsal modellerin çözüm algoritmaları
10 10. Hafta Düzeltme parametrelerinin seçimi, serbestlik derecesi
11 11. Hafta Splayn regresyon ile R de toplamsal ve genelleştirlmiş toplamsal regresyon modelleri uygulamaları
12 12. Hafta Splayn regresyon ile R de toplamsal ve genelleştirlmiş toplamsal regresyon modelleri uygulamaları
13 13. Hafta Splayn regresyon ile R de toplamsal ve genelleştirlmiş toplamsal regresyon modelleri uygulamaları
14 14. Hafta Splayn regresyon ile R de toplamsal ve genelleştirlmiş toplamsal regresyon modelleri uygulamaları

Ders İçin Önerilen Kaynaklar

Hastie, T.J., Tibshirani, R.J. (1999) Generalized Additive Models, Chapman&Hall/CRC, NewYork.
Buja, A., Hastie, T., Tibshirani, R. (1989) Linear Smoothers and Additive Models, The Annals of Statistics, Vol.17, No.2, 453-555.
Wahba, G. (1990) Spline Models of Observational Data, SIAM, Pennsylvania.

Öğrenme ve Öğretme Yöntemleri

1. Anlatım
2. Uygulamalarla gösterme
3. Belirlenen vakaların tartışılarak analizi

Değerlendirme Yöntemleri

SIRA NO KISA KOD UZUN ADI FORMUL
1 ARS ARASINAV
2 YYC YARIYIL İÇİ ÇALIŞMA
3 YYS YARIYIL SONU SINAVI
4 YSBN YIL SONU BAŞARI NOTU ARS * 0.20 + YYC * 0.30 + YSS* 0.50
5 BUT BÜTÜNLEME
6 BUTBN BÜTÜNLEME SONU BAŞARI NOTU ARS * 0.20 + YYC * 0.30 + BUT* 0.50


Değerlendirme Yöntemlerine İliskin Aciklamalar

Yok

Değerlendirme Kriteri

İlan Edilecektir.

Dersin Öğretim Dili

Türkçe

Derse İlişkin Politika ve Kurallar

İlan Edilecektir.

Dersin Öğretim Üyesi İletişim Bilgileri

İlan Edilecektir.

Ders Öğretim Üyesi Görüşme Gün ve Saatleri

İlan Edilecektir.

Staj Durumu

YOK

İş Yükü Hesaplaması

Etkinlikler Sayısı Süresi (saat) Toplam İş Yükü (saat)
TOPLAM İŞ YÜKÜ (saat) 0

Program ve Öğrenme Kazanımları İlişkisi

PK/ÖKPK.1PK.2PK.3PK.4PK.5PK.6PK.7PK.8PK.9
ÖK.1231221412
ÖK.2352431312
ÖK.3341142133