Cengi̇z, Mehmet AliMurat, NaciTerzi̇, YükselSavaş, Nurettin2021-11-042021-11-042008Cengi̇z, M., Murat, N., Terzi̇, Y., Savaş, N. (2008). Lojistik regresyonda Bayesci model ortalaması yaklaşımı. Selçuk Üniversitesi Fen-Edebiyat Fakültesi Fen Dergisi, 2, (32), 101-106.2458-9411https://hdl.handle.net/20.500.12395/42440Standart istatistiksel metotlar model belirsizliğini ihmal eder. Veri analizcileri olası model sınıfından bir model seçer ve sanki seçilen model veriyi üretmiş gibi işleme devam eder. Bu yaklaşım model seçiminde belirsizliği ihmal ederek istatistiksel çıkarımlar için güven aralıklarını daha geniş tutar ve daha riskli kararlara neden olur. Oysa Bayesci model ortalaması (BMA) bu model belirsizliğini göz önüne alan bir yapı sunar. Bu çalışmada BMA yaklaşımını sunularak gerçek hayattan bir probleme uygulaması verilmiştir. Uygulamada, BMA yaklaşımının örnek kestirim performansını geliştirdiği görülmüştür.Standard statistical practice ignores model uncertainty. Data analysts typically select a model from some class of models and then proceed as if the selected model had generated the data. This approach ignores the uncertainty in model selection, leading to over-confident inferences and decisions that are more risky than one thinks they are Bayesian model averaging (BMA) provides a coherent mechanism for accounting for this model uncertainty.. In this study, we dismiss BMA approach and present a real life application. In this application, BMA provides improved out-of sample predictive performance.trinfo:eu-repo/semantics/openAccessBayesci yaklaşımBayesci model ortalamasıModel belirsizliğiBayesian ApproachBayesian model averagingModel uncertaintyArticle232101106