Deney tasarımında kayıp gözlemlerin dayanıklı tahmini
Özet
Bu tez çalışmasında bir-yönlü ve iki-yönlü ANOVA modellerinde kayıp gözlemlerin tahmini ile ilgilenilmiştir. Hata terimlerinin uzun kuyruklu simetrik (Long Tailed Symetric-LTS) dağılıma sahip olduğu varsayılmıştır. En çok olabilirlik (Maximum Likelihood-ML) ve uyarlanmış en çok olabilirlik (Modified Maximum Likelihood-MML) yöntemleri kullanılarak kayıp gözlemler için tahmin ediciler elde edilmiştir. Belirli düzgünlük koşulları altında ML yönteminin en etkin yöntem olduğu bilinmektedir. Ayrıca, MML tahmin edicilerinin asimptotik olarak ML tahmin edicilerine yakınsadığı bilinmektedir. Bunun yanı sıra, Monte-Carlo simülasyon çalışması kullanılarak ML ve MML tahmin edicilerinin etkinlikleri geleneksel en küçük kareler (least squares-LS) tahmin edicisinin etkinliği ile karşılaştırılmıştır. Monte-Carlo simülasyon sonuçları, ML ve MML tahmin edicilerinin LS tahmin edicisine göre daha etkin ve dayanıklı olduklarını göstermiştir. Çalışmanın sonunda, literatürden alınan iki veri setinin analizi yapılmıştır.