Bu çalışma beş bölümden ibarettir. Birinci bölümde lineer modellerde kullanılan
matris cebiri ve özellikle matrislerin genelleştirilmiş tersleri ele alınmıştır. İkinci
bölümde önceki çalışmalar ele alındı. Üçüncü bölümde lineer modeller ele alındı.
Dördüncü bölümde lineer modellerde en küçük karelerin geometrisi, vektör uzayı
geometrisi, Gauss-Markov ve FWLT teoremi verildi. Beşinci bölümde en küçük
kareler yöntemi, en küçük karelerin geometrisi, sabit-x regresyonunda R2
, lineer
modellerde en iyi lineer yansız tahmin edicinin (EİLYTE)'nin bir geometrik
görünümü şekillerle beraber ele alındı.,
This dissertation consists of five chapters. The first chapter covers matrix algebra
used in linear models and especially generalized inverses of matrices. The previous
studies related to the topic have been given in the second part. In the third chapter,
linear models have been discussed and the fourth chapter have been allocated with
geometry of least squares in linear models, geometry of vector space, Gauss-Markov
theorem and FWLT theorem.
Lastly, least squares method, geometry of least squares, R2
in the fixed x-regression
and a geometric view of best linear unbiased estimator in linear models have been
considered together with figures in the fifth chapter.
