KaydedilenlerDerginizi ekleyin

Dergiler / İstatistik Araştırma Dergisi / 2026 / Cilt: 8 Sayı: 2 Özel Sayı

İzmir İli Sıcaklık Verilerinin Regresyon Eğrileri ile Modellenmesi

Modeling İzmir Temperature Data With Spline Regression

Neslihan Demirel(DOKUZ EYLÜL ÜNİVERSİTESİ, FEN FAKÜLTESİ, İSTATİSTİK BÖLÜMÜ)
Sayfa
68–75
Yayın Tarihi
2011-10-17
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)

Her bir veri kümesine regresyon eğrileri uygulanarak modellenmiştir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Regresyon eğrileri parametrik olmayan bir regresyon analizi türüdür.
📊
Temel Bulgular & Veri:Regresyon çözümlemesine farklı bir yaklaşım getiren bu yöntem, ekonomi, finans, tıp ve politik bilimlerde sıkça kullanılmaktadır.
💡
Sonuç & Katkı:Her bir veri kümesine regresyon eğrileri uygulanarak modellenmiştir.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Düğüm Noktası · Sıcaklık Verisi · Regresyon Eğrileri Modelleri

Özet

Regresyon eğrileri parametrik olmayan bir regresyon analizi türüdür. Regresyon çözümlemesine farklı bir yaklaşım getiren bu yöntem, ekonomi, finans, tıp ve politik bilimlerde sıkça kullanılmaktadır. Bu çalışmada; Devlet Meteoroloji İşleri Genel Müdürlüğünden alınan İzmir iline ait 34 yıllık sıcaklık verileri, düğüm noktalarının konumlarının bilinmesi ve bilinmemesi durumları için ayrı ayrı incelenmiştir. Her bir veri kümesine regresyon eğrileri uygulanarak modellenmiştir.

Abstract

Spline regression is a type of non-parametric regression analysis which is frequently applied in economy, finance, medicine and political sciences. In this study, 34 years of temperature data taken from Turkish State Meteorological Service for Izmir is examined under the condition that the locations of knot points are known and unknown. Spline regression method is applied for analyzing each of the data sets.

🔖

Bu Makaleye Atıf Yap

Demirel, N. (2011). İzmir İli Sıcaklık Verilerinin Regresyon Eğrileri ile Modellenmesi. İstatistik Araştırma Dergisi, Cilt: 8 Sayı: 2 Özel Sayı, 68–75. https://ajindex.com/articles/1617853

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (8)

  1. Baccini, M., Biggeri, A., Lagazi, C., Lertxundi, A., Saez, M., 2007. Parametric and Semi-Parametric Approaches in The Analysis of Short-Term Effects of Air Pollution on Health. Computational Statistics & Data Analysis, 51, 4324 - 4336.
  2. Eubank, R. L., 1999. Non-Parametric Regression and Spline Smoothing. 2nd ed., Marcel Dekker, USA.
  3. Hastie, T., Tibshirani, R., Friedman, J., 2008. The Elements of Statistical Learning: Data Mining, Inference, and Prediction. Springer-Verlag, USA.
  4. Hines, W. W., Montgomery, D. C., 1990. Probability and Statistics in Engineering and Management Science. John Wiley & Sons, Singapore.
  5. Lee, T. C. M., 2002. On Algorithms For Ordinary Least Squares Regression Spline Fitting: A Comparative Study. Journal of Statistical Computation and Simulation, 72(8), 647-663.
  6. Marsh, L.C., 1983. On Estimating Spline Regressions, Proceedings of the Eighth Annual SAS Users Group International Conference. SAS Institute, 723-728.
  7. Marsh, L. C., 1987. Estimating Spline Knots in Time Series Polynomial Regression Models. The Institute of Management Sciences and Operations Research Society of America, St. Louis, 1-15.
  8. Marsh, L. C., Cormier D. R., 2002. Spline Regression Models. Sage Publications, USA.