AI Summary & Key Takeaways
AI InsightAykırı değerlerin etkisini dikkate alan ve daha sağlam olan lowess yönteminin ise verilere daha uyumlu olduğu sonucuna varılmıştır.
📌 3 Key Takeaways
Özet
Loess, “Locally Estimated Scatterplot Smoothing” ve “Local Regression” ifadelerinin kısaltılmasıdır ve veri analizi için geleneksel en küçük kareler yöntemlerinin genelleştirilmesi sürecidir. Loess, bağımlı ve bağımsız değişkenler arasındaki ilişkinin önsel bir özelliği sağlamasını gerektirmediği için parametrik olmayan bir yöntemdir. Çoğunlukla saçılım grafiğini düzleştirmek için kullanılmasına rağmen, çok değişkenli verilere de kolaylıkla genelleştirilebilir. Ayrıca, güven aralıkları ve diğer istatistiksel testler için de çıkarımsal işlemler vardır. Bu nedenlerden dolayı Loess, verileri incelemek için faydalı bir araçtır. Loess, bağımlı değişken ve bir ya da daha çok bağımsız değişkenler arasındaki ilişkinin grafiksel bir özetini sağlar. Bu çalışmada, loess yönteminin uygulanabilirliğini göstermek için Hacettepe Üniversitesi İstatistik Bölümü’nün kuruluş yılı olan 1967 yılından 2015 yılına kadar mezun olanların mezun olma süreleri ve bölümü tercih sıraları ile akademik ortalamaları ele alınmıştır. Loess yöntemi sonucunda akademik ortalamanın mezuniyet süresini etkilediği, tercih sırasının ise etkilemediği görülmüştür. Aykırı değerlerin etkisini dikkate alan ve daha sağlam olan lowess yönteminin ise verilere daha uyumlu olduğu sonucuna varılmıştır.