شناساپذیری در مدل های خطی تعمیم یافته با اثرهای تصادفی

Authors

Abstract:

شناساپذیری یکی از ویژگی‌های لازم برای کفایت یک مدل آماری است. وقتی مدلی شناساپذیر نباشد، با هیچ اندازه‌ای از نمونه، نمی‌توان پارامتر حقیقی مدل را تعیین کرد. در این مقاله، مروری بر مفهوم مشهور شناساپذیری و ویژگی‌های آن شده است. به‌علاوه از آن‌جایی که مشکل شناساناپذیری در مدل‌های خطی تعمیم‌یافته‌ با اثرهای تصادفی بسیار رایج است، تمرکز اصلی ما بر روی این گونه از مدل‌ها بوده است. از سوی دیگر، معمولاً نرم‌افزارهای آماری، بعد از برازش مدل شناساناپذیر در آن‌ها، اشاره‌ای به این مسأله نکرده و خروجی‌های غیر معتبر ارائه می‌دهند. بنابراین یافتن راهی برای بررسی شناساپذیری مدل، قبل از برازش آن، خالی از فایده نخواهد بود. در این راستا، قضایای جدیدی در رابطه با شناساپذیری مدل‌های خطی تعمیم‌یافته‌ با اثرهای تصادفی بیان شده است. همچنین برای تشریح سودمندی قضایای مطرح شده، چند مطالعه‌ی شبیه‌سازی روی مدل‌های شناساناپذیر خطی تعمیم‌یافته‌ و خطی تعمیم‌یافته‌ با اثرهای تصادفی انجام شده و مشکل‌های حاصل از برازش آن‌ها مورد بررسی قرار گرفته ا‎ست.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

تهیه نقشه حساسیت سیل با استفاده از دو مدل یادگیری ماشین جنگل تصادفی و مدل خطی تعمیم یافته بیزین

امروزه پدیده­ی سیل یکی از پیچیده­ترین رخدادهای مخاطره­آمیز است که بیش از سایر بلایای طبیعی دیگر، همه‌ساله در نقاط مختلف دنیا منجر به ایجاد خسارت­های جانی و مالی و تخریب اراضی کشاورزی می­شود؛ بنابراین تهیه نقشه حساسیت به وقوع سیلاب نخستین گام در برنامه مدیریت سیلاب است. هدف از این پژوهش شناسایی مناطق حساس به سیل با استفاده از دو مدل یادگیری ماشین جنگل تصادفی (RF) و خطی تعمیم‌یافته بیزین (GLMbaye...

full text

شبیه سازی تصادفی بارش روزانه با استفاده از مدل‌های خطی تعمیم یافته در اقلیم نیمه خشک

تغییرپذیری بالای بارش، پراکندگی شبکه باران­سنجی فعال و نیز کیفیت پایین مقادیر بارش ثبت شده، کاربرد مدل­های تصادفی زمانی- مکانی بارش در مناطق خشک و نیمه خشک را همواره با چالش روبه­رو کرده است. در این پژوهش، از مدل خطی تعمیم یافته به­منظور تکمیل و توسعه­ی سری زمانی داده­های ثبت شده­ی بارش روزانه­ی 11 ایستگاه سینوپتیک نسبتاً پراکنده...

full text

برآورد ناحیه کوچک با استفاده از مدل های خطی و خطی تعمیم یافته با اثرهای آمیخته

تکنیک برآورد ناحیه کوچک به طور عمده متکی بر مدل های آمیخته با اثرهای تصادفی ناحیه ای می باشد. بر این مینی با استفاده از روش های متداول در برآورد پارامترها در مدل های آمیخته به دنبال یک برآورد برای ناحیه کوچک هستیم و در این میان به معرفی بهترین پیش بینی کننده ی خطی نااریب blup برای پارامتر مورد نظر ناحیه کوچک می پردازیم. اما در مقابل این رویکرد، رویکرد دیگری مبتنی بر توابع حساسیت و رگرسیون m- چن...

15 صفحه اول

انواع درستنمایی در مدل های خطی تعمیم یافته با اثرهای آمیخته

در تمام زمینه¬های تحقیقاتی معمولاً آزمایش¬هایی توسط پژوهشگر برای کشف واقعیت¬هایی از قبیل تعیین عوامل موثر بر فرآیند، محاسبه اثر عامل¬ها و همچنین برازش یک مدل بر روی متغیر پاسخ به منظور پیش¬بینی و بهینه¬سازی فرآیند انجام می¬گیرد. روش¬های رگرسیونی فنونی برای برازش مدل می¬باشند که خود نیز به چند نوع مختلف از قبیل مدل¬های خطی و تعمیم¬یافته با اثر آمیخته تقسیم می¬شوند. با توجه به کاربرد مدل¬های رگرسی...

15 صفحه اول

تحلیل بیزی مدل های خطی پویای تعمیم یافته در ساختارهای گسسته غیرمزدوج

یکی از مسائل مهم پیش بینی وضع آینده سیستم یا فرایندهایی است که با گذشت زمان در حال تغییرند. در چنین شرایطی علاوه بر متغیرها امکان دارد پارامترها نیز در حال تغییر باشند و از این رو فرض استقلال برای پارامترها و متغیرها از بین می رود. برای تحلیل چنین سیستمی معمولا از مدل های خطی پویای تعمیم یافته استفاده می شود. هدف این مقاله، به کارگیری مدل های خطی پویای تعمیم یافته بیزی در تحلیل ساختارهای گسس...

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  49- 69

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