وجود مشاهدات پرت یکی از مهمترین موضوعات در استنباط آماری است. با توجه به این که این مشاهدات تاثیر زیادی بر روی مدل برازش شده و استنباطهای مربوط به آن دارند، پیدا کردن روشی برای مشخص کردن اثر مشاهدات پرت ضروری است. هدف این مقاله بررسی تاثیر مشاهدات پرت بر روی برآورد تابع چگالی به روش هستهای است. در این مقاله با استفاده از روش جستجوی پیشرو، به شناسایی مشاهدات پرت و تاثیر آنها بر برآورد تابع چگالی به روش هستهای پرداخته میشود.
One of the most important issues in inferential statistics is the existence of outlier observations. Since these observations have a great influence on fitted model and its related inferences, it is necessary to find a method for specifying the effect of outlier observations. The
چنانچه در نمونه گیری، داده ها با احتمالی متناسب با اندازه انتخاب شوند، داده های حاصل را در طول-اریب نامند. برآورد ناپارامتری تابع چگالی با استفاده از داده های در طول-اریب، مشکلتر از سایر حالات است. یکی از برآوردگرهای معروف در این زمینه توسط جونز (1991) معرفی شده است. در این مقاله
سابقه و هدف: برای تحلیل های ریسک و عدم قطعیت در مطالعات هیدرولوژی و محیط زیست، برآورد تابع چگالی احتمال دما یک گام اولیه و ضروری می باشد. اغلب تحقیقات صورت گرفته در زمینه برآورد تابع چگالی احتمال دما بر اساس رویکرد پارامتری بوده است در حالیکه رویکرد ناپارامتری به علت بعضی از مزای
سابقه و هدف: برای تحلیل‌های ریسک و عدم قطعیت در مطالعات هیدرولوژی و محیط زیست، برآورد تابع چگالی احتمال دما یک گام اولیه و ضروری می‌باشد. اغلب تحقیقات صورت گرفته در زمینه برآورد تابع چگالی احتمال دما بر اساس رویکرد پارامتری بوده است در حالیکه رویکرد ناپارامتری به علت بعضی از مزای
در سال‌های اخیر موضوع تکمیل ماتریس بسیار مورد توجه محققان قرار گرفته است. در مسأله‌ی تکمیل ماتریس، هدف بازیابی کامل یک ماتریس رتبه پایین است که با استفاده از مشاهده‌ی تعداد محدودی از درایه‌های آن ماتریس انجام میشود. همچنین، مدل‌سازی ارتباط بین سطر‌های ماتریس به صورت یک گراف موجب
در این مقاله، برآورد صدکی دومشاهدهای، صدکی و ماکسیمم درستنمایی تابع چگالی احتمال متغیر تصادفی وایبول معکوس، مطالعه میشود. در انتها نیز، با استفاده از مطالعات شبیه سازی و یک مثال واقعی، این برآوردها باهم، مقایسه میشود.