Süt sığırcılığında bulanık regresyon modellerinin kullanımı

Abstract

Regresyon analizi, aralarında sebep-sonuç ilişkisi bulunan iki veya daha fazla değişken arasındaki ilişkileri belirlemek ve bu ilişkileri kullanarak tahminler ya da kestirimler yapabilmek amacıyla kullanılan istatistiksel bir araçtır. Verilerin doğal yapısından kaynaklanan belirsizlikler açıklanmak istendiğinde klasik istatistiksel yöntemlerin varsayımlarının gerçekleşememesi bu geleneksel model yapılarının yetersiz kalması nedeniyle bakış açılarının değiştirilmesi gerekliliğini ortaya çıkarmıştır.Veri kümesindeki tek bir değerin bile regresyon modelindeki parametre tahminleri üzerinde büyük bir etkiye sahip olabileceği gerçeği göz önünde bulundurulduğunda geçerli ve güvenilir bir regresyon modeli oluşturabilmenin önemi daha iyi anlaşılmaktadır. Küçük veri grupları söz konusu olduğunda ise böyle bir modelin oluşturulması, değişkene ait herbir değerin, ait olduğu değişkenin özelliklerine uygun olmayan ölçüm aletlerinden, araştırıcı ya da bilgi eksikliğinden kaynaklanabilecek hataları minimuma indirecek değişkenler arasındaki ilişkilerin belirsiz olduğu durumlarda ilişkinin tahmini için kullanılabilecek bulanık katsayıların hesaplanmasında bulanık doğrusal regresyon çözümleme yaklaşımları bir çözümleme yöntemi olmuştur. Bu tez çalışmasında, bulanık doğrusal regresyon çözümleme yaklaşımlarının teorik temellerinden bahsedilerek literatürde olan bulanık regresyon çözümleme yaklaşımlarından (Tanaka'nın bulanık doğrusal regresyon çözümleme yaklaşımı, Tanakanın revize çoklu bulanık doğrusal regresyon çözümleme yaklaşımı, Bulanık en küçük kareler regresyon çözümleme yaklaşımı, Aralık (Interval) regresyon çözümleme yaklaşımı ve bulanık lojistik regresyon çözümleme yaklaşımı) kullanılarak laktasyon süt verimi üzerine etkili faktörleri belirlemek için laktasyon süt verimine etki ettiği düşünülen değişkenlerden oluşan veriler üzerinde uygulamaları yapılarak, bulanık katsayı değerlerinin tahmini üzerine çalışılmıştır. Tahmin edicilerin, yayılım, ortalama üyelik derecesi ve hata kareler ortalaması uyum istatistikleri bakımınından performanslarını karşılaştırmak için gerçek veri kümeleri üzerinde örnek uygulama çalışması yapılmıştır.

Regression analysis is a statistical tool used to determine the relationship between two or more variables using a causal relationship between them and to estimate or predict using this relation. To explain the uncertainties arising from the natural structure of the data, the lack of the assumptions of classical statistical methods has led to the necessity of changing the view points due to the insufficiency of these traditional model structures.Given the fact that even a single value in the dataset can have a great influence on the parameter estimates in the regression model, the prospect of creating a valid and reliable regression model is better understood. In the case of small data groups, in the calculation of the fuzzy coefficients, which can be used for the estimation of the relationship between the values of each value of the variable and the variables which are not fit to the properties of the variables, the relations between the variables that will be minimized by the investigator or the information deficiency are uncertain, fuzzy linear regression analysis approaches have become an analytical method.In this thesis study, the theoretical bases of fuzzy regression analysis approaches are discussed and fuzzy regression analysis approaches (Tanaka's fuzzy regression analysis approach, Tanakan's revised multiple linear fuzzy regression analysis approach, Fuzzy least squares regression analysis method, Interval regression analysis approach and fuzzy logistic regression analysis approach, etc.) were used to estimate the effect of lactation on lactation milk yield and to study the estimation of fuzzy coefficient values by applying them on the data which are thought to affect lactation milk yield. In addition, systematic representations of the statistical values related to the sample data set and interpretation phases were made by applying the mean membership grade and error square average test criteria from the compliance goodness test criteria to determine the validity and reliability of the data on the established equations.