Uygun Model Seçimi Chp 47. En İyi Modeli Seçmek Birkaç rakip model elde edilen veri için uygulanmak istendiğinde birden fazla modelin veriye uygun göründüğü.

Slides:



Advertisements
Benzer bir sunumlar
Çıkarımsal İstatistik
Advertisements

Prof. Dr. Ali ŞEN Akdeniz KARPAZ Üniversitesi
BENZETİM Prof.Dr.Berna Dengiz 10. Ders.
GİRİŞ BÖLÜM:1-2 VERİ ANALİZİ YL.
Karmaşıklık Giriş.
Karmaşıklık Giriş.
İLİŞKİLERİ İNCELEMEYE YÖNELİK ANALİZ TEKNİKLERİ
Kalibrasyon.
R2 Belirleme Katsayısı.
Çalışmada kullanılacak örneklemin seçimi
İhalelerde Uygun Teklif Bedelinin Grafikler ve Regresyon Analizi Yardımı ile Belirlenmesi.
ANOVA.
Etkensel Deney Tasarımı
Bölüm 8: EĞRİ UYDURMA Fizikte laboratuarda yapılan deneysel ölçümlerin ne kadar hata payı içerdiğini, veya belli teorik modellere ne kadar uyduğunu bilmek.
İstatistikte Temel Kavramlar
İstatistikte Bazı Temel Kavramlar
Veriyi Dönüştürme, Belirleme Limiti
İLERİ OKSİDASYON PROSESLERİ (ADVANCED OXIDATION PROCESSES)
Hesaplanan Parametrelerin Hassasiyeti ve Güvenirlik Bölgesi
BENZETİM Prof.Dr.Berna Dengiz 9. Ders.
KOŞULLU ÖNGÖRÜMLEME.
Değişkenlik Ölçüleri.
THY ANALİZLERİ Ki – Kare Testi
Korelasyon (Bağıntı) Parametre Tayini, Karelerin En Küçüğü Yöntemi
Bölüm6:Diferansiyel Denklemler: Başlangıç Değer Problemleri
SÜREKLİ ŞANS DEĞİŞKENLERİNİN OLASILIK YOĞUNLUK FONKSİYONLARI
OLASILIK ve KURAMSAL DAĞILIMLAR
DENEY TASARIMI VE ANALİZİ (DESIGN AND ANALYSIS OF EXPERIMENTS)
Deney Tasarımı.
Biyoistatistiğe Giriş
PORTFÖY OPTİMİZASYONU
İstatistiksel Kestirme
Örnekleme Yöntemleri Şener BÜYÜKÖZTÜRK, Ebru KILIÇ ÇAKMAK,
Yıldız Teknik Üniversitesi Makina Müh. Bölümü
Ölçme Sonuçlarının Değerlendirilmesi
21 - ÖLÇME SONUÇLARI ÜZERİNE İSTATİSTİKSEL İŞLEMLER
Regresyon Örnekleri.
Biyoistatistiğe Giriş: Temel Tanımlar ve Kavramlar
Örneklem Dağılışları.
NEDEN İSTATİSTİK? 1.
ARAŞTIRMA TÜRLERİ.
Maliye’de SPSS Uygulamaları Doç. Dr. Aykut Hamit Turan SAÜ İİBF/ Maliye Bölümü.
Örneklem Dağılışları ve Standart Hata
Sayısal Analiz 7. Hafta SAÜ YYurtaY.
HİPOTEZ TESTLERİNE GİRİŞ
Regresyon Analizi İki değişken arasında önemli bir ilişki bulunduğunda, değişkenlerden birisi belirli bir birim değiştiğinde, diğerinin nasıl bir değişim.
Endüstriyel Atıksu Debisi (m 3 /gün) Evsel Atıksu Debisi (m 3 /gün) Nehrin Doğal Debisi (m 3 /gün) Toplam Debi (m 3 /gün) Gaziantep OSB90000.
Herhangi bir konuyu incelemek amacıyla çalışmanın/araştırmaların planlanmasını, verilerin toplanmasını, değerlendirilmesini ve bir karara varılmasını sağlayan.
BÖLÜM 22 ATIKSU MİKROBİYOLOJİSİ. BÖLÜM 22 ATIKSU MİKROBİYOLOJİSİ.
Çıkarsamalı İstatistik Yöntemler
EVREN VE ÖRNEKLEM Örnek Olay: Bir Sınıf Öğretmenliği öğrencisi olan Serkan, internetin Sakarya Üniversitesindeki öğrencilerin akademik başarısındaki yerini.
1 Şubat 2014 Numune Alma ve Numunelerin Analize Hazırlanması Konulu Hizmetiçi eğitim SU YÖNETİMİ GENEL MÜDÜRLÜĞÜ ENVANTER VE İZLEME DAİRESİ BAŞKANLIĞI.
OLASILIK ve İSTATİSTİK
Habibe GÜLER1, Nazan ÜZÜM1, Kurtuluş OLGUN1
Korelasyon Analizi Yrd. Doç. Dr. İlknur KESKİN.
Bilimsel Araştırma Yöntemleri Örnekleme Yöntemleri
Teorik Dağılımlar: Diğer Dağılımlar
Ölçme ve Değerlendirme
Yrd.Doç. Dr. Özcan PALAVAN
Yrd.Doç. Dr. Özcan PALAVAN
Merkezi Eğilim Ölçüleri
İSTATİSTİKTE TEMEL KAVRAMLAR
İSTATİSTİĞE GİRİŞ.
Ünite 10: Regresyon Analizi
5.1 POLİNOMİNAL REGRESSİYON
ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI
ÖDE5024 DAVRANIŞ BİLİMLERİNDE İSTATİSTİK Yüksek Lisans
DAVRANIŞ BİLİMLERİNDE ARAŞTIRMA (YÜKSEK LİSANS)
G(s) 2b-1 Laplace Dönüşümü:
TEST.
Sunum transkripti:

Uygun Model Seçimi Chp 47

En İyi Modeli Seçmek Birkaç rakip model elde edilen veri için uygulanmak istendiğinde birden fazla modelin veriye uygun göründüğü sık karşılaşılan bir durumdur. Bazı durumlarda tek modeli en iyi model olarak seçmek gereği olmayabilir, modellerden herhangi biri ilgilenilen aralıkta amaca hizmet edecektir. Ancak bazen en iyi olan model tepkime mekanizması, kataliz, engelleme gibi çalışılan konu hakkında bazı temel sorunları aydınlatabilir.

İstatistiksel olarak en iyi ayrımının yapılamadığı rakip modellerde ancak aşırı şartlarda fark edilebilir bir ayrışma görülebilir. O nedenle modeller arasında seçim yapabilmek için model başarısız olabileceği şartlarda denenmelidir. İstatistiksel olarak modelin veri için en iyi model olduğunu aşağıdaki parametrelerden çıkarabiliriz: –Minimüm karelerin toplamı –Lack of fit testleri (F test) –En az parametreli –En basit fonksiyon formu –Hesaplanan model parametreleri mekanistik kavramlarla uyumlu

Vaka çalışması: İki Rakip Biyolojik Model Endüstriyel biyoteknoloji ve biyolojik atıksu arıtımında bakteri populasyonunun büyümesini tanımlayan iki modeli ele alalım. Her iki model de bakteriyel katı miktarının büyüme hızının (  ) tek bir substrat konsantrasyonu (S)ile sınırlı olduğunu varsayar. 1. Monod Modeli 2. Tiessier Modeli

İki Rakip Biyolojik Model Monod ve Tiessier modelleri Schulze ve Lipe (1964) çalışmasında toplanan ve deneysel şartları asimptotik limitlerde deneyen 15 adet ölçüm sonucuna uyduruluyor. Bu şekilde modeli zorlayıp model seçimini kolaylaştırmayı deneyebiliriz. Tiessier

İki Rakip Biyolojik Model Model parametreleri ve kalanların kareleri toplamı (RSS) ve kalanların ortalama karesi (RMS) değerleri doğrusal olmayan model uydurma işlemiyle Matlab’da gerçekleştiriliyor.

İstatistiksel Değerlendirme 1. Veriye karşı modellenen değerlerin grafiğini oluştur..

İstatistiksel Değerlendirme 2. Kalanların grafiğini oluştur

İstatistiksel Değerlendirme 3. Model parametrelerinin ortak güvenilir bölge grafiklerini oluştur

İstatistiksel Değerlendirme 4. Lack of fit test F model =RMS/  2 F model <F kritik olup olmadığını kontrol et. Tekrar ölçümler olmadığı için  2 = (Monod’yu doğru model kabul et) F model = / = 2.05 Pay ve payda =15-2=13, Fkritik(13,13,0.05) = 2.57 F model <F kritik Demek ki Tiessier modeli Monod modelinden farklıdır diyebileceğimiz istatistiksel bir kanıt yok.

Mekanistik Olarak Parametrelerin Değerlendirilmesi 1. Model parametrelerinin fiziksel anlamlarını göz önüne al. Monod modelindeki  1 ve Tiessier modelindeki  3 maksimum elde edilebilir seyreltme oranını gösterir. Tahmin edilen bu değerin sistemde görülen gerçek değerle uyumlu olması gerekir. Schulze ve Lipe reaktörlerini 0.85/hr’un üstünde çalıştırmayı başaramamışlardır. Bu yüksek hızda tüm bakteriler sistemden çıktığı için sistem çökmüştür. Tiessier modeli için bu maksimum hız 0.83/h ki, tecrübe edilen reaktördeki duruma uymaktadır. Monod modeli bu maksimum hızı 1.06 olarak vermiştir ki buna göre Monod modelinin uygun olmadığı sonucunu çıkarabiliriz.

Model Ayıklama Fonksiyonu Her doğru model için Posterior olasılık hesabına dayanarak modellerin seçimi için istatistiksel bir metod önerilmiştir. (Box and Hill, 1967). En iyi modeli seçmek amacıyla değil ama daha ileri düzeyde incelenmesine gerek olmayacak modelleri belirlemek üzere bu yaklaşım kullanılabilir. Posterior olasılık modeller veriye uygulandıktan sonra hesaplanan olasılıktır. Bu nedenle her modelin eşit doğrulukta olduğu varsayılır. Başka bir deyişle öncül olasılıkları eşittir. Yani modeli uydurmadan önce tüm modellere bilimsel bağlamda eşit şans verip eldeki veriye uyanı kabul etmeye hazırız demektir.

4 Rakip Modelin Değerlendirilmesi Bu yaklaşımı uygulamak üzere Schulze- Lipe verisinin ilk 13 noktasını dikkate alarak uydurulan 4 rakip model sonuçlarına bakalım: İki model mekanistik bir temeli olmamakla beraber şeklen Monod modeline (model 3) ve Tiessier modeline (Model1) benziyor. 4 modelde düşük S değerlerinde veriye çok iyi uymakta.

4 Rakip Modelin Değerlendirilmesi Modeli kıyaslamanın kriteri olarak kalanların karelerinin toplamı (RSS) kullanılır,daha iyi modelin daha düşük RSS değere sahip olduğu varsayımıyla. Her bir modelin en iyi model olma Posterior olasılığı RSS’in bir fonksiyonu olarak hesaplanır ve modeldeki parametre sayısına göre ayarlama yapılır.

4 Rakip Modelin Değerlendirilmesi Model i’nin doğru olduğuna dair Posterior olasılık:. Toplama k adet model üstünden yapılır. RSSi : Model i’nin kalanların kareleri toplamı RSSmin: k adet karşılaştırılan model içinde en küçük RSS değeri p: parametre sayısı (Tüm modellerde eşit ve 2) n: gözlem sayısı (Tüm modeller için 13)

4 Rakip Modelin Değerlendirilmesi Tiessier modeli en düşük RSS’e sahip, Model 2 için R 2 =(0.175/0.184) 0.5(13-2) =0.78 Bu şekilde hesaplanan posterior olasılıklar Tiessier modelinin doğru olma olasılığını %50 olarak verirken, Monod modeli için bu değer %10.  R i = 1.98

4 Rakip Modelin Değerlendirilmesi Bu örnekte Tiessier modelinin en uygun olduğunu bulduk. Ancak unutulmamalı ki mekanistik açılımı olan Monod ve Tiessier modeli aslında daha uygun modeller. Yani tüm modeller için prior olasılık aslında eşit değil. Sadece bu yaklaşımın nasıl kullanıldığını anlatmak üzere eklenmiş. Uygun model seçimi her zaman için dikkatli düşünme, sağduyu ve teşhise yönelik grafiklerin özellikle kalanların grafiğinin oluşturulmasını gerektirir. Sayılara bakarak karar vermek yerine akıllıca seçilmiş yeni kritik koşullarda daha fazla deney yapmanın yerine de geçemez.