برآورد شبه درستنمایی مدل کسینوسی توزیع فون میزس دومتغیره

Authors

Abstract:

برای مدل‌بندی پدیده‌هایی که با زاویه شناسایی می‌شوند توزیع‌های جهتی ابزارهای بسیار مفیدی هستند. اخیرا ، استفاده از این توزیع‌ها در علوم متنوعی مانند زیست‌شناسی، نجوم، هواشناسی و بیوانفورماتیک مورد توجه زیادی قرار گرفت. بویژه در تحقیقات علوم زیستی نشان داده شد که دو زوج زاویه وجود دارند که تا حد دقیقی ساختار هندسی و فضایی کامل یک پروتئین را در یک فضای سه بعدی توصیف می‌کنند. برای تشریح احتمالاتی براساس موقعیت اتم‌های پروتئین مقادیر توام این دو زاویه توزیعی به نام فون‌میزس دومتغیره وجود دارد. در این مقاله با مطالعه یکی از حالت‌های خاص این توزیع (مدل کسینوسی)، ابتدا به بررسی ویژگی‌های توزیع شامل تعداد مدهای توزیع و تقریب آن توسط نرمال دومتغیره پرداخته می‌شود. سپس نحوه برآورد پارامترهای توزیع به‌روش شبه‌درستنمایی تشریح می‌شود. مطالب نظری مقاله در مطالعه شبیه‌سازی بررسی و سپس کاربست مدل کسینوسی در یک مثال کاربردی ارزیابی می‌شود.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

برآورد شبه درستنمایی

می دانیم اگر توزیع مشاهدات معلوم باشد برای برآورد پارامترها از روش درستنمایی ماکزیمم استفاده می کردیم یا اگر مشاهدات دارای خطایی با میانگین صفر و واریانس ثابت باشند روش کمترین مربعات مورد استفاده قرار می گرفت . که این امر برای مدلهای خطی دقیق و برای مدلهای غیرخطی به طور تقریبی است . حتی اگر مشاهدات به طور نرمال توزیع نشده باشند و فقط دارای واریانس ثابت باشند برآوردهای فوق باز هم مورد استفاده قر...

15 صفحه اول

مطالعه توزیع فون میزس دو متغیره و کاربرد آن در بیوانفورماتیک

برای مدل بندی پدیده هایی که با زاویه شناسایی می شوند توزیع های جهتی ابزارهای بسیار مفیدی هستند. اخیراً، استفاده از این توزیع ها در علوم متنوعی مثل زیست شناسی، نجوم، هواشناسی و بیوانفورماتیک بسیار مورد توجه قرار گرفت. بویژه در تحقیقات علوم زیستی نشان داده شد که دو زوج زاویه وجود دارند که تا حد دقیقی ساختار هندسی و فضایی کامل یک پروتئین را در فضای سه بعدی توصیف می کنند. برای تشریح احتمالاتی مقادیر...

مقایسه ای بین روش های ماکسیمم درستنمایی و بیزی برای برآورد پارامترهای سه مدل اقتصادسنجی فضایی

گاهی در اقتصادسنجی مشاهدات مورد مطالعه مستقل نیستند و وابستگی آن‌ها ناشی از موقعیت قرار گرفتن مشاهدات در فضای مورد مطالعه است. برای تحلیل این نوع از داده­ها از مدل­های رگرسیونی فضایی استفاده می­شود. به دلیل وجود تعداد زیاد پارامتر در این مدل­ها، برای به دست آوردن برآوردهای ماکسیمم درستنمایی از الگوریتم‌های تکرار شونده استفاده می­شود که با مشکل پیچیدگی محاسبات مواجه است. علاوه بر این در مطالعات ...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 4  issue 2

pages  71- 86

publication date 2015-10-23

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023