Browsing by Author "Kaya, Mutlu"

Now showing 1 - 3 of 3
  • No Thumbnail Available
    Item
    Cumhuriyetin İlk Yıllarında Modern Toplum İnşa Sürecinde Sanayi Tesislerinin Rolü
    (Coğrafi Bilimler Dergisi, 2021) Kaya, Mutlu; Other; Other
    Türkiye için cumhuriyet, rejim değişikliğinden öte topyekün bir değişimi ifade etmektedir. Modern bir ülke için ekonomik bağımsızlığı sağlamakla beraber toplumun düşünce yapısı ve kültürel yaşam üzerinde de birtakım yenilikler yapmak hedeflenmiştir. Hedeflenen yenilikleri halka anlatmak ya da kanunlaştırmaktan ziyade yaşamın bir parçası haline getirmek üzere örnek üretim ve yaşam alanları oluşturulmuştur. Cumhuriyet’in ilk yıllarında bu amaçla kurulan sanayi tesislerinin kuruluş felsefeleri ve toplum üzerindeki etkilerinin açıklanması çalışmanın temel amacını oluşturmaktadır. Saha çalışmaları ve doküman inceleme yöntemiyle elde edilen verilerin kullanıldığı araştırmada konu, yabancı sermaye, özel sektör ve devlet teşekküllerinden oluşan dokuz fabrika örneğinde ele alınmıştır. Fabrikalar, üretim tesislerinin yanında modern konutları, okulu, sineması, spor alanları, konferans salonları, eğlence tesisleri ile hem ülke ekonomisine katkı sağlayacak hem de modern yaşamın sembolü olacak birer okul olarak tasarlanmıştır. Cumhuriyet kültürünü yaymak üzere birer sosyal değişim projesi olarak tasarlanan bu fabrikaların, kuruldukları çevrelerin sosyal ve ekonomik hayatında önemli değişiklikler yaratarak model sanayi şehirleri ortaya çıkardıkları tespit edilmiştir.
  • No Thumbnail Available
    Item
    Robust Bayesian Regression Analysis Using Ramsay-Novick Distributed Errors with Student-t Prior
    (Ankara Üniversitesi Fen Fakültesi, 2019-02-01) Arslan, Olcay; Çankaya, Emel; Kaya, Mutlu; İstatistik; Fen Fakültesi
    This paper investigates bayesian treatment of regression modelling with Ramsay - Novick (RN) distribution specifically developed for robust inferential procedures. It falls into the category of the so-called heavy-tailed distributions generally accepted as outlier resistant densities. RN is obtained by coverting the usual form of a non-robust density to a robust likelihood through the modification of its unbounded influence function. The resulting distributional form is quite complicated which is the reason for its limited applications in bayesian analyses of real problems. With the help of innovative Markov Chain Monte Carlo (MCMC) methods and softwares currently available, here we first suggested a random number generator for RN distribution. Then, we developed a robust bayesian modelling with RN distributed errors and Student-t prior. The prior with heavy-tailed properties is here chosen to provide a built-in protection against the misspecification of conflicting expert knowledge (i.e. prior robustness). This is particularly useful to avoid accusations of too much subjective bias in the prior specification. A simulation study conducted for performance assessment and a real-data application on the famously known "stack loss" data demonstrated that robust bayesian estimates with RN likelihood and heavy-tailed prior are robust against outliers in all directions and inaccurately specified priors.
  • No Thumbnail Available
    Item
    Robust bayesyen regresyon analizi
    (Fen Bilimleri Enstitüsü, 2020) Kaya, Mutlu; Arslan, Olçay; İstatistik
    Doğrusal regresyon modellerinde parametre tahmini genellikle En Küçük Kareler (EKK) ve En Çok Olabilirlik (EÇO) yöntemleri kullanılarak yapılmaktadır. Bu yöntemler kullanılarak elde edilen tahmin ediciler, veri setinde aykırı gözlem olması veya hata dağılımının Normal'den sapması gibi durumlara karşı oldukça duyarlıdır. Bu gibi durumlarda, aykırı gözlemlerin varlığından ve model varsayımlarındaki sapmalardan etkilenmeyen robust tahmin edicilerin kullanıldığı bilinmektedir. Bu tahmin edicileri elde etmenin bir yolu, kalın kuyruklu dağılıma dayalı modelleri veya bilinen robust tahmin yöntemlerini kullanmaktır. İstatistiksel modelleme çalışmalarında, klasik tahmin yöntemlerine alternatif olarak Bayesyen yöntemlerin kullanımı da sıklıkla tercih edilmektedir. Bayesyen regresyon modellemesinden elde edilen tahmin ediciler de tıpkı EKK ve EÇO tahmin edicileri gibi Normallik varsayımının sağlanmamasından ve aykırı gözlemlerin varlığından etkilenmektedir. Böyle durumlarda, kalın kuyruklu hata dağılımı ve/veya kalın kuyruklu önsel dağılıma dayalı regresyon modellerinden elde edilen robust Bayesyen tahmin ediciler kullanılmaktadır. Bu tez çalışmasında, öncelikle eliptik dağılım ailesine ait kalın kuyruklu, tek değişkenli ve simetrik Student-t, Laplace ve Ramsay-Novick (RN) dağılımlarına dayalı regresyon modeli parametreleri için robust tahmin ediciler elde edilmiştir. Sonrasında tezin asıl amacına yönelik olarak Bayesyen yaklaşım kullanılmış olup Student-t, Laplace ve RN hata dağılımları ve bilgi içermeyen / bilgi içeren önsel dağılıma dayalı regresyon modelleri oluşturulmuş ve model parametrelerinin robust bayesyen tahmin edicileri elde edilmiştir. Elde edilen tüm tahmin edicilerin performansları, simülasyon çalışması ve gerçek veri uygulaması yapılarak karşılaştırılmıştır. RN hata dağılımı ve bilgi içeren önsel dağılıma (Normal, Student-t, Laplace) dayalı regresyon modelleri için önerilen robust bayesyen tahmin edicilerinin, tüm yönlerdeki (x, y ve x-y) aykırı gözlemlere karşı robust parametre tahminleri verdiği gösterilmiştir.