Yazar "Alkan, Nesrin" seçeneğine göre listele

Listeleniyor 1 - 9 / 9
  • [ X ]
    Öğe
    A comparison of different procedures for principal component analysis in the presence of outliers
    (Taylor & Francis Ltd, 2015) Alkan, B. Baris; Atakan, Cemal; Alkan, Nesrin
    Principal component analysis (PCA) is a popular technique that is useful for dimensionality reduction but it is affected by the presence of outliers. The outlier sensitivity of classical PCA (CPCA) has caused the development of new approaches. Effects of using estimates obtained by expectation-maximization - EM and multiple imputation - MI instead of outliers were examined on the artificial and a real data set. Furthermore, robust PCA based on minimum covariance determinant (MCD), PCA based on estimates obtained by EM instead of outliers and PCA based on estimates obtained by MI instead of outliers were compared with the results of CPCA. In this study, we tried to show the effects of using estimates obtained by MI and EM instead of outliers, depending on the ratio of outliers in data set. Finally, when the ratio of outliers exceeds 20%, we suggest the use of estimates obtained by MI and EM instead of outliers as an alternative approach.
  • [ X ]
    Öğe
    Assessing convergence diagnostic tests for Bayesian Cox regression
    (Taylor & Francis Inc, 2017) Alkan, Nesrin
    The Markov chain Monte Carlo (MCMC) method generates samples from the posterior distribution and uses these samples to approximate expectations of quantities of interest. For the process, researchers have to decide whether the Markov chain has reached the desired posterior distribution. Using convergence diagnostic tests are very important to decide whether the Markov chain has reached the target distribution. Our interest in this study was to compare the performances of convergence diagnostic tests for all parameters of Bayesian Cox regression model with different number of iterations by using a simulation and a real lung cancer dataset.
  • [ X ]
    Öğe
    Aykırı Değer Varlığında Cox Regresyon Analizi için Yeni Bir Yaklaşım
    (2018) Alkan, Nesrin; Alkan, B Barış
    Aykırı değerin varlığı Cox regresyonun en önemli varsayımlarından olanorantılı hazard varsayımının ihlal olmasına ve doğru olmayan tahminlerin ortayaçıkmasına neden olur. Çünkü aykırı değerler, modelin parametrelerinin tahminleriüzerinde güçlü bir etkiye sahiptirler. Bu nedenle veri kümesinde aykırı değerlerinolması araştırmacılar için bir problemdir. Bu çalışmada, aykırı değerlerden dolayıorantılı hazard varsayımının ihlal edilmesi sonucu ortaya çıkan problemin çözümüfarklı bir bakış açısıyla ele alınmıştır. Buna göre aykırı değer problemi bir kayıpdeğer problemi gibi düşünülüp çoklu değer atama yöntemi kullanılarakçözülmüştür. Sonuç olarak Cox regresyon analizinin orantılı hazard varsayımıtehlike altında ise kayıp veri problemlerinde üstün bir performans gösteren çokludeğer atama yöntemi ile elde edilen tahminler kullanılarak problemin çözülmesiönerilmektedir.
  • Küçük Resim
    Öğe
    Comparison of Missing Data Analysis Methods in Cox Proportional Hazard Models
    (Türkiye Klinikleri Journal of Biostatistics, 2013) Alkan, Nesrin; Terzi, Yüksel; Cengiz, M. Ali; Alkan, B. Barış
    Data with missing value are common in clinical studies. This study investigated to assess the effects of different missing data analysis techniques on the performance of Cox proportional hazard model. Material and Methods: In order to see how sample size and missing rate effect the missing data analysis techniques, we derived the survival data with 25, 50 and 100 sample sizes. Some elements of the survival data with different sample size were deleted in different rates under MAR (Missing at Random) assumption to generate incomplete data sets which had 5%, 10%, 20% and 40% missing value for each data. Data sets with missing values were completed by five missing data analysis techniques (complete case Analysis-CCA, mean imputation, regression imputation-REG, expectation maximization-EM algorithm, multiple imputation-MI). The new completed data sets were analyzed by Cox proportional hazard model and their results were compared with results of original data. Results: The difference between the techniques grew for increasing missing rate and while the sample size increased the methods were similar to each other. CCA was the most affected from sample size. The estimates from the methods REG, EM and MI were very similar to each other and real value. Conclusion: Multiple imputation method as impute more than one value for each missing value should be preferred instead of single imputation methods as impute only one value for each missing value.
  • [ X ]
    Öğe
    DAYANIKLI LİNEER DİSKRİMİNANT ANALİZİ İÇİN YENİ BİR YAKLAŞIM
    (2018) Alkan, B Barış; Atakan, Cemal; Alkan, Nesrin
    Lineer diskriminant analizi, önceden bilinen p sayıda özelliğe sahip birimleri, doğadaki gerçek sınıflarına en doğru şekilde atamayı amaçlayan çok değişkenli istatistiksel bir yöntemdir. Burada hedef, birimleri gerçek sınıfına minimum hatayla atamaktır. Lineer Diskriminant Analizi (LDA), veri kümesinde diğer gözlemlerden farklı hareket eden ve aykırı gözlem olarak adlandırılan gözlemlerin varlığında dayanıklı bir yöntem değildir ve güvenilir sonuçlar vermeyebilir. Böyle durumlarda, klasik LDA’nın dayanıklı versiyonlarının kullanımının gerekliliği üzerine literatürde birçok çalışmaya rastlamak mümkündür. Bu çalışmada, jackknife yeniden örnekleme yaklaşımı, minimum kovaryans determinant (MKD) ve LDA yönteminin bir kombinasyonu ile LDA’nın yeni bir dayanıklı versiyonu elde edilmiştir. Önerilen bu yeni yaklaşım ile Croux ve Dehon (2001) tarafından önerilen (Yöntem-1), Hawkins ve McLachlan (1997) tarafından önerilen (Yöntem-2) yaklaşımların aykırı gözlem oranındaki değişimlere göre nasıl etkilendiği yapay veri uygulaması ve benzetim çalışması üzerinden değerlendirilmektedir. Elde edilen bulgular ışığında, önerilen yaklaşımın diğer iki yaklaşıma göre, veri kümesinde aykırı gözlemlerin varlığında performansının bazı durumlarda daha iyi, bazı durumlarda ise en az onlar kadar iyi olduğu görülmektedir.
  • [ X ]
    Öğe
    DAYANIKLI LINEER DISKRIMINANT ANALIZI IÇIN YENI BIR YAKLASIM
    (Erciyes Üniversitesi, 2018) Alkan, B.baris; Atakan, Cemal; Alkan, Nesrin
    Lineer diskriminant analizi, önceden bilinen p sayidaki özelliklerine göre birimleri, dogadaki gerçeksiniflarina en dogru sekilde atamayi amaçlayan çok degiskenli istatistiksel biryöntemdir. Burada hedef, birimleri gerçek sinifina minimum hatayla atamaktir.Lineer Diskriminant Analizi (LDA), veri kümesinde diger gözlemlerden farklihareket eden ve aykiri gözlem olarak adlandirilan gözlemlerin varligindadayanikli bir yöntem degildir ve güvenilir sonuçlar vermeyebilir. Böyledurumlarda, klasik LDA’nin dayanikli versiyonlarinin kullaniminin gerekliligiüzerine literatürde birçok çalismaya rastlamak mümkündür. Bu çalismada,jackknife yeniden örnekleme yaklasimi, minimum kovaryans determinant (MKD) veLDA yönteminin bir kombinasyonu ile LDA’nin yeni bir dayanikli versiyonu eldeedilmistir.  Önerilen bu yeni yaklasimile Croux ve Dehon (2001) tarafindan önerilen (Yöntem-1), Hawkins ve McLachlan(1997) tarafindan önerilen (Yöntem-2) yaklasimlarin aykiri gözlem oranindaki degisimleregöre nasil etkilendigi yapay veri uygulamasi ve benzetim çalismasi üzerindendegerlendirilmektedir. Elde edilen bulgular isiginda, önerilen yaklasimin digeriki yaklasima göre, veri kümesinde aykiri gözlemlerin varliginda performansininbazi durumlarda daha iyi, bazi durumlarda ise en az onlar kadar iyi oldugugörülmektedir.
  • [ X ]
    Öğe
    Investigation of the Multiple Imputation Method in Different Missing Ratios and Sample Sizes
    (2019) Alkan, Nesrin; Alkan, B Barış
    In many studies, missing data are the real trouble to researchers. Because the statistical methodsare designed for complete data sets. Multiple imputation method is developed to solve themissing data problem. The method is also used effectively in some useful properties of theBayes method. If there are missing values in the data set, Bayesian method can be used toprevent the loss of information. In this study, the performance of the multiple imputationmethod is evaluated by generating survival data with different missing rates and differentsample sizes. Also, informative priors and multiple imputation method are used together toprevent the missing information in the variable with missing value.
  • [ X ]
    Öğe
    Use of biplot technique for the comparison of the missing value imputation methods
    (Inderscience Enterprises Ltd., 2015) Alkan, B. Baris; Alkan, Nesrin; Atakan, Cemal; Terzi, Yuksel
    This study was performed to assess the effects of different imputation methods on the performance of a biplot technique. We selected the Fisher's iris data as our reference dataset. Some elements of the Iris data were deleted in different rates under missing at random (MAR) assumption to generate incomplete datasets which had 3.5%, 7%, %15, 20% missing value. Datasets with missing values were completed by four imputation methods [mean imputation, regression imputation, expectation maximisation (EM) algorithm, multiple imputation (MI)]. The new imputed datasets were analysed by biplot technique and their results were compared with original complete biplot of the data. The results of biplot analysis were similar in all the imputation methods when missing rate is low under MAR assumption. Even when the missing rate was greater than 10%, results of EM and MI methods were similar to real values and graphical representation of original data. For multivariate methods, we also propose filling in the missing value with the arithmetic mean of the imputed estimates which are obtained with multiple imputation. This paper also indicates that the use of biplot technique for the comparison of the missing value imputation methods provides a useful visual tool. © 2015 Inderscience Enterprises Ltd.
  • [ X ]
    Öğe
    Using informative priors for handling missing data problem in Cox regression
    (Taylor & Francis Inc, 2017) Alkan, Nesrin; Terzi, Yuksel; Cengiz, M. Ali
    The aim of this study is to determine the effect of informative priors for variables with missing value and to compare Bayesian Cox regression and Cox regression analysis. For this purpose, firstly simulated data sets with different sample size within different missing rate were generated and each of data sets were analysed by Cox regression and Bayesian Cox regression with informative prior. Secondly lung cancer data set as real data set was used foranalysis. Consequently, using informative priors for variables with missing value solved the missing data problem.