Dergiler / İstatistik Araştırma Dergisi / 2002 / Cilt: 1 Sayı: 3

Farklı Ortalama Vektörü ve Farklı Kovaryans Matrisi Koşullarında Dört Değişkenli Lojistik Regresyon Modeli ve Diskriminant Analizine Ait Doğru Sınıflandırma Olasılıklarının Simülasyon Tekniği Yardımıyla Karşılaştırılması

Probabilities of Correctly Classifying Belong to Logistic Regression Model and Discriminant Analysis with four Variables Compares with Simulation Technique in Condition that Different Mean Vector and Different Covariance Matrix

Handan Çamdeviren(MERSİN ÜNİVERSİTESİ, TIP FAKÜLTESİ, TEMEL TIP BİLİMLERİ BÖLÜMÜ, BİYOİSTATİSTİK VE TIBBİ BİLİŞİM ANABİLİM DALI)
E. Arzu Kanık(MERSİN ÜNİVERSİTESİ, TIP FAKÜLTESİ, TEMEL TIP BİLİMLERİ BÖLÜMÜ, BİYOİSTATİSTİK VE TIBBİ BİLİŞİM ANABİLİM DALI)
Fikret Gürbüz(ANKARA ÜNİVERSİTESİ, ZİRAAT FAKÜLTESİ, ZOOTEKNİ BÖLÜMÜ, BİYOMETRİ VE GENETİK ANABİLİM DALI)
Sayfa
13–24
Yayın Tarihi
2002-12-16
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Bu çalışma sonucunda, her bir populasyona doğru sınıflandırma olasılıkları bakımından doğrusal diskriminant analiz ve lojistik regresyon analizinin benzer sonuçlar verdiği görülmüştür.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Bu çalışmada, farklı değişken yapısına sahip iki veri setinde, sürekli değişkenlere ait ortalama, varyans ve kovaryanslardaki değişmenin her bir populasyona doğru sınıflandırma olasılıkları üzerine etkisini araştırmak amacıyla bir simülasyon çalışması yapılmıştır.
📊
Temel Bulgular & Veri:Bu çalışmada, farklı değişken yapısına sahip iki veri setinde, sürekli değişkenlere ait ortalama, varyans ve kovaryanslardaki değişmenin her bir populasyona doğru sınıflandırma olasılıkları üzerine etkisini araştırmak amacıyla bir simülasyon çalışması yapılmıştır.
💡
Sonuç & Katkı:Bu çalışma sonucunda, her bir populasyona doğru sınıflandırma olasılıkları bakımından doğrusal diskriminant analiz ve lojistik regresyon analizinin benzer sonuçlar verdiği görülmüştür.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Diskriminant Analizi · Lojistik Regresyon Modeli · Sınıflandırma Olasılıkları

Özet

Bu çalışmada, farklı değişken yapısına sahip iki veri setinde, sürekli değişkenlere ait ortalama, varyans ve kovaryanslardaki değişmenin her bir populasyona doğru sınıflandırma olasılıkları üzerine etkisini araştırmak amacıyla bir simülasyon çalışması yapılmıştır. Bu çalışma sonucunda, her bir populasyona doğru sınıflandırma olasılıkları bakımından doğrusal diskriminant analiz ve lojistik regresyon analizinin benzer sonuçlar verdiği görülmüştür.

Abstract

In this study, to show that the effect of various combination mean vectors, variance and covariance structure of continuous variables on the true classification proportions each population was made a simulation study. Simulation results show that both linear discriminant analysis and logistic regression analysis same.

🔖

Bu Makaleye Atıf Yap

Çamdeviren, H., Kanık, E. A., Gürbüz, F. (2002). Farklı Ortalama Vektörü ve Farklı Kovaryans Matrisi Koşullarında Dört Değişkenli Lojistik Regresyon Modeli ve Diskriminant Analizine Ait Doğru Sınıflandırma Olasılıklarının Simülasyon Tekniği Yardımıyla Karşılaştırılması. İstatistik Araştırma Dergisi, Cilt: 1 Sayı: 3, 13–24. https://ajindex.com/articles/1018466

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (13)

  1. AGRESTI, A. (1990), Categorical data analysis, John Wiley & Sons, 558 P., New York-USA.
  2. ALHO, J. M. (1990), “Logistic regression in capture-recapture models”, Biometrics, 46, 623-635.
  3. ANDERSON, J. A. (1972), “Separate sample logistic discrimination”, Biometrica, 59(1), 19-35.
  4. ÇAMDEVİREN, H. (2000), Logistik Regresyon ve Diskriminant Analizi, A.Ü. Fen Bilm. Enst. Doktora Tezi (Yayınlanmamış), 185s.
  5. EVERITT, B.S. (1992), The analysis of contingency tables, Chapman&Hall, Second Edition, 164p., London-UK.
  6. FEARS, T.R. and BROWN, C.C. (1986), “Logistic regression methods for redrospective case-control studies using complex sampling procedures”, Biometrics, 42, 955-960.
  7. HOSMER, T., HOSMER, D., and FISHER, L. (1983), “A Comparison of the maximum likelihood and discriminant function estimators of the coefficients of the logistic regression model for mixed continuous and discrede variables”, Commun. Statist.- Simula. Computa., 12(1), 23-43.
  8. HOSMER, D.W., JAVANOVIC, B. and LEMESHOW, S. (1989), “Best subsets logistic regression”, Biometrics, 45, 1265-1270.
  9. JOHNSON, R.A. and WICHERN, D.W. (1982), Applied multivariate statistical analysis, Prentice-Hall, INC., Englewood Cliffs, 594 P., New Jersey-USA.
  10. KNOKE, J.D. (1982), “Discriminant analysis with discrete and continuous variables”, Biometrics, 38, 191-200.
  11. QIN, J. and ZHANG, B. (1997), “A goodness-of-fit test for logistic regression models based on case-control data”, Biometrika, 84(3), 609-618.
  12. SCHMITZ, P.I.M., HABBEMA, J.D.F., HERMANS, J. and RAATGEVER, J.W. (1983) “Comparative performance of four discriminant analysis methods for mixtures of continuous and discrede variables”, Commun. Statist.-Simula. Computa., 12(6), 727-751.
  13. STEVENS, J. (1986), Applied multivariate statistics for the social sciences, Hillsdale, 509 P., New Jersey-USA.