مسعود یارمحمدی
Theses
مقایسه تاثیر توزیع نرمال و توزیع با دنباله های سنگین در آنالیز بیزی مدل cev
یکی از موضوع های قابل بحث در تحلیل مدلهای خطی آن است که شرط نرمال بودن توزیع باقیمانده ها برقرار نباشد . توزیع نرمال به دلیل دم نازکش ، در برابر انحراف از فرضیات مدل حساس است و داده های دور افتاده می تواند به استنباط پارامترها ضربه وارد کند . به همین دلیل ، در سال های اخیر روش ها
رابطه بین آماره های ترتیبی در مدل های متناسب با نرخ خطر
با گسترش روزافزون دانش و اطلاعات بشری، دامنه و تنوع اطلاعاتی که از منابع مختلف بدست می آید نیز گسترش می یابد و این امر نیاز به راه کارهایی جدید برای بررسی این اطلاعات جدید را روشن می سازد. امروزه درحیطه علوم پزشکی، تکنولوژی و مهندسی، علوم اجتماعی و...برنامه ریزهای خرد وکلان نیازم
آزمون های هم انباشتگی در سری های زمانی نامانا
تجزیه و تحلیل داده های سری های زمانی نامانا بدون بر طرف کردن مشکل نامانایی اکثرا به تفاسیر نادرست می انجامد. از طرفی، استفاده از روش تفاضل گیری برای مانا نمودن، منجر به از دست دادن اطلاعات و افزایش خطا در سری های زمانی کوتاه مدت می شود. جهت بر طرف کردن این مشکل، روش هم انباشتگی ت
برآوردهای استوار برای مدل های رگرسیونی کمترین توان های دوم جزیی
روشهای رگرسیون کمترین توانهای دوم جزیی (pls) برای الگوسازی و برآورد پارامترهای مدل های رگرسیونی در صورت وجود هم خطی چندگانه و هنگامی که تعداد متغیرهای توضیحی بیشتر از تعداد کل مشاهدات باشد، به کار گرفته می شوند. روش pls اولین بار توسط اسوانت ولد و هارلد مارتنز (1983) در زمینه طیف
روش های رگرسیون استوار در تشخیص داده های دورافتاده و کاهش اثر آن
در تحیل رگرسیونی، حضور دورافتاده ها در مجموعه ی داده ها می تواند باعث انحراف برآوردگر توان های دوم کلاسیک و ایجاد نتایج غیرعادی گردد. چندین روش رگرسیون استوار به عنوان روش های جایگزین برای کمترین توان های دوم، زمانی که نقاط دورافتاده و نافذ در مجموعه داده وجود دارند، مورد مطالعه
برآوردگرهای رگرسیون ستیغی بیز تجربی تحت همخطی چندگانه
مسئله برآورد پارامترهای رگرسیونی در مدل رگرسیون خطی چندگانه هنگامی که همخطی چندگانه موجود باشد، بررسی می شود. تحت فرض نرمال، سه برآوردگر بیز تجربی شامل برآوردگر کمترین مربعات انقباضی، برآوردگر بیز تجربی سلسله مراتبی انقباضی و برآوردگر بیز تجربی تجزیه شده ارائه می شوند. برآوردگرها
هم انباشتگی اتورگرسیو برداری
روش هم انباشتگی یکی از روشهای مفید برای بررسی و تحلیل همبستگی های کوتاه مدت و بلند مدت در میان متغیرهای اقتصادی است که در سال 1987 توسط انگل و گرنجر معرفی شد . آزمون های هم انباشتگی روشی برای بررسی پارامترهای بلند مدت یا تعادلی در ارتباط با متغیرهای ریشه واحد یا نامانا هستند.چون
استنباط آماری درباره ضریب تغییر
ضریب تغییرات یکی از معیارهای پراکندگی می باشد که به صورت نسبت انحراف معیار به میانگین تعریف می شود. ضریب تغییر به عنوان شاخصی برای تعیین میزان تمرکز ریسک در بانک ها و موسسات مالی و همچنین معیاری برای اندازهگیری دقت در علوم زیستی و پزشکی بکار می رود. در این رساله استنباط آماری درب
آنالیز مولفه فاصله یک بسط ناپارامتری از آنالیز واریانس
در تحلیل واریانس کلاسیک، پراکندگی با در نظر گرفتن مربع فاصله مشاهدات نمونه از میانگین نمونه اندازه گیری می شود. همچنین می توان از حل معادله ی درجه دوم تفاضل مشاهدات از یک ماتریس ثابت (که بعد آن به اندازه ی نمونه بستگی دارد)، فرمول دیگری برای واریانس و انجام مطالعات بیشتر ارائه دا
رگرسیون چندک ژرفای سانسور شده
نظیر رگرسیون خطی کلاسیک که با کمینه کردن مجموع مربعات باقی مانده ها، تابع میانگین شرطی را پیش بینی می کند، رگرسیون چندک قادر است تابع میانه ی شرطی و تعداد زیادی از توابع چندک شرطی را پیش بینی نماید. هنگامی که مشاهدات سانسور شده باشند، رگرسیون چندک با استفاده از شیوه ی دوباره وزن
سریهای زمانی با توزیعهای کناری نیمه- پایدار گسسته
در این پایان نامه توزیعهای پایدار گسسته و توزیعهای نیمه- پایدار گسسته با تکیه گاه اعداد صحیح نامنفی و دیگر توزیعها و چند خواص آنها را مورد بررسی قرار می دهیم. سپس فرآیند اتورگرسیو مرتبه اول با مقادیر اعداد صحیح نامنفی در ارتباط با توزیعهای حاشیه ای نیمه- پایدار گسسته بیان و همچنی
استوارسازی اندازه های چولگی
چکیده زمانی که فرض نرمال بودن داده ها پذیرفته نشود، مقدار انحراف توزیع نمونه از توزیع نرمال، توسط ضرایب کشیدگی و چولگی محاسبه می گردد. میزان نامتقارنی یک توزیع پیوسته ی یک متغیره، به عنوان چولگی توصیف می شود. ضریب چولگی کلاسیک بر اساس سه گشتاور اول داده ها بنا شده است. از آنجا که
بررسی روش های نمونه گیری در جوامع پنهان
روش های نمونه گیری کلاسیک، هنگامی که صفت مورد مطالعه مشخصه ای نادر یا خصوصیتی در اجتماعات انسانی باشد که افراد مایل به آشکار کردن آن نیستند، مفید نبوده منجر به برآوردهایی ناکارا می شود. برای نمونه گیری در این گونه جوامع به اصطلاح پنهان، می توان از ساختار شبکه ای جامعه و دنبال کرد
پیشگویی با استفاده از رگرسیون چارک های نمایی وزن دار
در این پایان نامه به بررسی روش های پرکاربرد در روند هموارسازی زمانی – مکانی می پردازیم و شرایط و موارد استفاده از هر یک از این روش ها را شرح می دهیم . هموارسازی ، روش تعدیل نسبی عوامل تاثیر گذاری همچون مکان ، سطح ، روند و فصل بر مقدار داده ها است . روش هموارسازی مکانی به منظور تع
برآورد بیز روی توزیع تعمیم یافته نمایی در داده های گروه بندی شده
چکیده اخیراً توزیع جدیدی به نام توزیع تعمیم یافته نمایی توسط محققین آمار مورد توجه قرار گرفته است که مزیت های بیشتری نسبت به توزیع های قبلی از جمله توزیع گاما و وایبل دارد، در این پایان نامه به برآورد پارامترهای توزیع تعمیم یافته نمایی با روش بیز پرداخته ایم و همچنین در داده های
برآورد های استوار برای مدلهای خود برگشت در قلمرو های زمان و فرکانس
تحلیل طیفی یک روش توسعه یافته برای تحلیل سری های زمانی در قلمرو فرکانس است. این روش از متداولترین شیوه های مورد استفاده برای کاهش مناسب داده ها و متعاقباً مقایسه این گونه از ثبت داده هاست. اشتباهات ذاتی یا سهوی در داده های یک سری زمانی تحت بررسی می تواند نتایج گمراه کننده و غیر س
مقایسه کاربرد رگرسیون لجستیک با روش پروبیت در تجزیه و تحلیل متغیرهای دوتایی
چکیده آنالیز رگرسیون ابزاری بسیار مفید برای بررسی رابطه و همبستگی بین دو و یا چندمتغیر است و به علت قابلیت های خوب کاربردی، امروزه وسیله مفیدی برای رشته های مختلف علوم است. در آنالیز رگرسیون در حالت خاص با متغیر های وابسته ای که فقط 2 مقدار دارند سروکار داریم. در این حالت می توان
طرحهای متقاطع بهین
در این پایان نامه، به بررسی طرح های متقاطعی با دو دوره و چهار گروه دنباله ای، سه دوره و دو، چهار و شش گروه دنباله ای و چهار دوره و دو، چهار و شش گروه دنباله ای می پردازیم که در آن ها هر واحد آزمایشی دو تیمار مختلف را دریافت می کند. هدف از بررسی این طرح ها مشخص کردن طرح بهینه ی دو
شناسایی نقاط دورافتاده در داده های چوله
چکیده برای تشخیص داده های منظم از داده های دورافتاده می توان از فواصل ماهالانوبیس استفاده کرد و با محاسبه ی مقدار برش بر مبنای توزیع فواصل بدست آمده، نقاط دورافتاده را تشخیص داد اما این در صورتی است که فرض نرمال بودن داده ها برقرار باشد لذا درمورد داده های نامتقارن این روش کارآمد
استوار سازی معادلات برآوردگر تعمیم یافته
معادلات برآوردگرتعمیم یافته ارایه شده توسط لیانگ وزیگر (1986) ، روشی برای برآورد پارامترها در مدلهای خطی تعمیم یافته است ، هنگامی که همبستگی نامشخصی در میان مشاهدات موجود باشد. این روش در برابر داده های غیر معمول و نقاط دورافتاده تحت تاثیر قرار دارد . روشهای تشخیصی و روشهای استوا
مقایسه خطای نوع اول برخی آزمونهای ناپارامتریی روی ضرائب مدلهای رگرسیونی چندگانه
زمانی که فرضهای زیربنائی در آزمون ضرائب رگرسیونی برقرار نباشد از روشهای ناپارامتری استفاده می کنیم یک گروه از این روشها که بر مبنای نمونه گیری مجدد است آزمونهای جایگشتی نام دارند که در سال 1930 توسط فیشر معرفی شدند.هدف این پایان نامه اصلاح روش فریدمن-لان به همان روشی که هو و جون
توزیع پواسن آمیخته متناهی و کاربردهای آن
توزیع پواسن آمیخته در برد وسیعی از زمینه های علمی برای مدل سازی جوامع ناهمگن به کار برده شده است. هدف این پایان نامه ، معرفی توزیع پواسن و توزیع پواسن آمیخته و بیان ویژگی های آنهامی باشد. همچنین برگزیده ای از مهم ترین اعضای خانواده ترکیبات پواسن نیز معرفی شده است . این مطالعه ویژ
استنباط آماری برای توزیع نمایی برمبنای آماره ی برد از رکوردهای بالا(بیزی و کلاسیک)
در این پایان نامه سعی شده است به وسیله ی آماره ی برد و آماره ی برد مرکب از رکورد های بالا، به استنباط در مورد پارامتر مقیاس توزیع نمایی پرداخته شود . استنباط شامل برآورد نقطه ای، برآورد فاصله ای (در دو حالت بیزی و کلاسیک) همچنین آزمون فرض می باشد. برای بدست آوردن برآورد های نقطه
همبستگی متعارف استوار
برای تحلیل های همبستگی متعارف استوار، چندین روش ارائه و بحث شده است. اولین روش براساس تعریف تحلیل های همبستگی متعارف می باشد که به دنبال یافتن ترکیبات خطی دو مجموعه از متغیرها می باشد که دارای ضریب همبستگی ماکسیمم (استوار) می باشند. دومین روش، روش تعقیب تصویر می باشد. سه روش مختل
سری های زمانی باحافظه بلندمدت وکاربردآن
با پیشرفت تکنولوژی که باعث کاربرد رایانه ها در علوم مختلف شد علم آمار نیز از این گذر به یک باره رشد چمشگیری در کمک به بسیاری از رشته های علوم داشت و موجب پیشرفت آن ها گردیده است. ازجمله مباحث موجود درعلم آمار مبحث سری های زمانی می باشد که به واسطه کاربرد فراوان آن درعلوم مختلف با
شناسایی مدل arima با استفاده از برخی الگوریتم های تکاملی
استفاده از توابع خودهمبستگی جزئی (pacf) و خودهمبستگی (acf) توسط باکس و جنکینز برای شناسایی رتبه های مدل arma(p,q) در سری های زمانی به صورت گرافیکی ارائه شده است. اما تعیین دقیق آن خصوصاً برای مدل های ترکیب شده، با رتبه های p و q غیر صفر آسان نمی باشد. در این مطالعه، یک روش جدید ب
برآورد پارامترهای توزیع گامای نمایی شده با حضور k داده پرت
با توجه به تاثیر داده های پرت بر برآورد پارامترهای یک توزیع، در این پایان نامه با استفاده از برآوردگرهای کلاسیک و بیزی میزان تاثیر داده های پرت بر این برآوردگرها با توجه به مقدار میانگین مربعات خطای هر برآوردگر مورد بررسی قرار گرفته است.
مدلهای رگرسیونی سانسور شده نیمه پارامتری
برآوردگرهای پارامترها در مدلهای رگرسیونی سانسور شده از چپ و سانسور شده از راست مورد نظر می باشد. این شکل از برآوردگرها نیازی به شرط متقارن بودن توزیع خطاها ندارند. برآوردگرهای معرفی شده "برآوردگر سانسور از چپ"، "برآوردگر سانسور از راست"، "برآوردگر مد چارکی" و "برآوردگر میانگین وی
کاربرد رگرسیون مولفه های اصلی برای مجموعه داده های با مشاهدات دورافتاده و گم شده
در این تحقیق به بررسی داده های با بعد بالا، که شامل داده های دورافتاده و گمشده می باشند، پرداخته می شود. روش های مختلف رگرسیون مولفه های اصلی که می توانند در صورت وجود داده های دور افتاده و گم شد ه استوار باشند بررسی می شود. سپس رگرسیون مولفه های اصلی استوار به عنوان روش رگرسیونی
تجزیه و تحلیل طیفی منفرد بر اساس برآوردگر کمترین واریانس
: تحلیل طیفی منفرد ssa به عنوان یک روش قدرتمند در تحلیل سری های زمانی توسعه یافته و در بسیاری مسائل علمی از آن استفاده می شود. این تحقیق روش تحلیل طیفی منفرد را تشریح می کند. برای این کار ابتدا به معرفی ماتریس هنکل و تجزیه ویژه مقدار svd می پردازیم. در ادامه روش ssa بر پایه برآور
مقایسه برآوردهای پارامترهای حالت در توزیع گاما
برآورد پارامترها یک شاخه از آمار استنباطی است که مورد علاقه ی بسیاری از محققان می باشد .توزیع گاما یک توزیع دو پارامتری از خانواده ی توزیع های احتمال پیوسته است که شامل پارامتر حالت و مقیاس می باشد .به دو روش می توان پارامترها را برآورد کرد :یکی آنکه هر دو پارامتر حالت و مقیاس را
روش های پالایش آزمون g- فیشر جهت شناسایی دوره تناوب در تحلیل سری های زمانی
دوره تناوب، ویژگی جالب و مهمی در مطالعات مربوط به سری های زمانی بوده و می تواند به عنوان یک الگوی خود تکرار تعریف شود. این الگو، اطلاعات مفیدی درباره ی ساختار ذاتی در چرخه این داده ها ارائه می دهد. در این تحقیق، پس از معرفی تابع دوره نگار و آزمون g- فیشر، برآوردهای استوار در سری
تحلیل بیزی مدلهای arfima
سریهای زمانی با حافظه بلند در علوم مختلف کاربردهای فراوانی دارند.در اینگونه سریهای زمانی ،تابع خود همبستگی دوامی نشان میدهد که نه با فرآیندهای arima(p,1.q) و نه با arima(p,0,q) سازگار است.به عبارت دیگر ضرایب خود همبستگی ،مانایی سری را تایید نکرده و پس از یکبار تفاضل گیری هم به نظ
برآورد فواصل اطمینان برای میانگین توزیع دوجمله ای منفی با پراکندگی بالا
در مسئله ی ساختن فواصل اطمینان برای میانگین متغیر تصادفی دوجمله ای منفی بر اساس داده های نمونه، وقتی اندازه ی نمونه بزرگ است، تکیه بر تقریبی از توزیع نرمال برای ساخت این فواصل روشی معمول است. با این وجود، نشان خواهیم داد که میانگین نمونه ی توزیع دوجمله ای منفی با پراکندگی بالا هم
روش های محاسباتی برای انتخاب مدل بیزی
فرآیند استنباط آماری از دو رویکرد کلاسیک و بیزی قابل بررسی است. صرفنظر از نقاط قوت و ضعف هر یک از رویکردها در مسائل با ابعاد کوچک، رویکرد بیزی یک چارچوب بسیار قدرتمند برای تحلیل و تجزیه ی نتایج آزمایش های علمی با ابعاد بزرگ فراهم می کند. در این رویکرد بسیاری از کمیت های مورد علاق
مدل بندی سری های زمانی خود برگشت بت مشاهدات گمشده بر اساس تبدیل چندجمله ای
پایان نامه با موضوع مدل بندی سریهای زمانی خود برگشت با مشاهدات گمشده بر اساس تبدیل چندجمله ای بر روی چگونگی براورد پارامتر از مدل اتورگرسیو(ar) سری زمانی تمرکز دارد. الگوریتم های براورد استاندارد برای مدل های ar با مشاهدات گم شده عملی نیستند .در این پایان نامه روش انتقال چندجمله
مقایسه روش های مبتنی برموجک ها و تحلیل مقادیر ویژه منفرد در پیش بینی سری های زمانی
بسیاری از سری های زمانی در علوم کاربردی تابعی مرتبه دوم متغیر با زمان هستند. در این پایان نامه، به مسأله چگونگی پیش بینی این سری های زمانی نامانا توسط موجکهای غیرکاهشی می پردازیم. با به-کارگیری کلاس فرآیندهای موجک موضعی مانا، یک پیش بینی کننده جدید بر اساس موجک ها معرفی می کنیم و
برآوردگر استوار فرآیندهای arfima تحت نقاط دورافتاده جمع پذیر
در این پایان نامه برآوردگر نیمه پارامتری از خانواده برآوردگرهای لگاریتم دوره نگار رگرسیون (gph) برای برآورد پارامتر تفاضل گیری کسری در مدل اتورگرسیو میانگین متحرک جمعی کسری (arfima) که در برابر نقاط دورافتاده جمع پذیر استوار می باشد، معرفی می کنیم. شیوه یافتن این برآوردگر مبتنی ب
مقایسه روش تحلیل مقادیر ویژه تکین (ssa)و روشهای استوار سازی در کاهش اثرات نقاط دورافتاده در سری های زمانی
تحلیل مقادیر ویژه تکین (ssa) روش جدیدی برای تجزیه سری زمانی می باشد. در این روش سری زمانی اصلی به مولفه های مستقل نظیر روند، هارمونیک و اغتشاش تجزیه می شود. این روش ناپارامتری نیازمند هیچ نوع فرض آماری نظیر مانایی سری زمانی و نرمال بودن خطاها نبوده و برای سری های زمانی کوتاه مدت
براورد تابع با استفاده از روش انقباض موجک بیزی
شکل ساده و درک مستقیم توزیع پیشین به ما این اجازه را می دهد که انتخاب های خودکاری از پارامترهای توزیع پیشین ارائه دهیم. این پارامترها بر طبق سطح نتیجه ضرایب انتخاب می شوند، بخصوص ضرایب سطح بالا به طور سنگین تری منقبض می شوند. برای برآورد کردن تابع، شکل بسته میانگین پسین و واریانس
مقایسه روش های شبکه های عصبی مصنوعی و تحلیل مقادیر ویژه منفرد در پیش بینی سری های زمانی
شبکه های عصبی مصنوعی، یکی از روش های جدید و کاربردی در آمار ریاضی بوده و در مدل سازی، شناخت مدل، خوشه بندی و پیش بینی بکار می رود. در این تحقیق پس از معرفی شبکه های عصبی مصنوعی، عوامل مختلف ساختاری، روش های متفاوت یادگیری شبکه های عصبی و انتخاب و استفاده از داده ها در فرآیند پیش
استنباط بیزی و پیشگویانه آماره های ترتیبی برای توزیع وایبل معکوس داده های سانسور شده نوع ii
مدل توزیع وایبل معکوس در تحلیل قابلیت اعتماد به کار گرفته می شود. توزیع وایبل معکوس با اسامی توزیع مقادیر کرانگین نوع دوم ، لگ گامپرتز و فرشت نیز شناخته می شود. در این پایان نامه پس از بررسی اولیه ویژگی های این توزیع به استنباط بیزی در مورد توزیع وایبل معکوس برای داده های سانسور
مدل آمیخته وایبل و کاربردهای آن
توزیع وایبل توسط والدی وایبل در سال 1939 به عنوان مدل مناسب در مطالعات قابلیت اطمینان و مسائل مربوط به آزمون حیات از قبیل زمان شکست یا طول عمر یک محصول و یا واحد خاص، شناخته شد. توزیع های حاصل از ترکیب مولفه های دو توزیع یا بیشتر، «آمیخته» یا «مرکب» نامیده شده اند. توزیع آمیخته و
برآوردگرانقباضی برای اختلاف بین پارامترهای مکان توزیع نمایی
دراین پایان نامه به مطالعه ی برآوردگرهای پیش آزمون و پیش آزمون انقباضی برای پارامتر ضمانت و اختلاف این پارامتر در دو توزیع نمایی و انتخاب بهترین برآوردگر با توجه به اصل فرصت می-نیماکس خواهیم پرداخت.
برآوردگرهای انقباضی تعمیم یافته
در این پایان نامه نخست الگوهای آماری تعمیم یافته برای چند توزیع معروف آماری شامل: توزیع نمایی، وایبل، پواسون و بتا معرفی می شود؛ سپس برآوردگر انقباضی را با استفاده از یک اطلاع پیشین و یک برآوردگر نااریب با کمترین واریانس تشکیل می دهیم. در ادامه کارایی نسبی این برآوردگر انقباضی را
استوارسازی رگرسیون خطی چندکی برای مشاهدات سانسورشده
در مدل های رگرسیون خطی کلاسیک از کمینه کردن مجموع توان های دوم باقی خطا برای برازش مدل استفاده کرده و تابع میانگین شرطی را پیش بینی می کند. ولی این روش توان نمایش توزیع داده ها در سطوح مختلف متغیرمستقل را ندارد. یکی از راههای برطرف کردن این مشکل استفاده از مدل های رگرسیون چندک اس
ترتیب های تصادفی وآماره های مرتب
در این پایاننامه آماره های مرتب که نقش اساسی در نظریه قابلیت اعتماد ایفا می کنند، مورد بررسی قرار می گیرد. همچنین سیستم های منسجم، مقایسه ی طول عمر و ارائه راه هایی برای بهبود سیستم ها و اندازه های وابسته بین آماره مرتب و سیستم می پردازیم. براین اساس نیاز به برخی تعاریف پایه ای ا
برآورد ناپارامتریک نیرومند رگرسیون فضایی
در این پایان نامه، برآورد ناپارامتری استوار برای رگرسیون فضایی مورد بحث و بررسی قرار می گیرد. به طور دقیق تر برای میدان تصادفی مانای اکید داده شد? ، یک خانواده از برآوردگرهای ناپارامتری استوار برای یک تابع رگرسیونی بر اساس روش هسته ای در نظر گرفته می شود. تحت برخی فرضیه های مرکب
راه حل بیزی برای مسئله بئرنس-فیشر چند متغیره
یکی از متداول ترین مباحث در آمار، مقایسه بین میانگین های دو جامعه ی نرمال، هنگامی که نسبت واریانس های آن ها نامعلوم بوده و برابر هم فرض نمی شود که به عنوان مسئله بئرنس-فیشر شناخته می شود. در پیشامد های تک متغیره روش های زیادی بر پایه توزیع تی استیودنت برای حل این مسئله وجود دارد.
معرفی روشهای مختلف برآورد پارامترها ومقایسه آنها در مدلهای چند سطحی
بسیای از داده های جمع آوری شده در زمینه علوم انسانی، علوم اجتماعی و بیولوژی دارای ساختار سلسله مراتبی هستن. بعنوان مثالی از این نوع می توان به ترکیب تعداد فرزندان در بین خانواده ها اشاره کرد که به صورت سلسله مراتبی است، به این ترتیب که فرزندان در سطح 1 و خانواده ها در سطح 2 قرار
برآورد حداقل خطای نسبی مطلق در مدل رگرسیون ضربی
برآورد پارامترها و جمله¬ی خطا در رگرسیون همواره مورد بحث بوده و ارائه برآوردگرهایی با خواصی مطلوب همچون کارایی و نااریبی از اهمیت بالایی برخوردار می¬باشد. در واقع در بسیاری از برنامه¬های کاربردی استفاده از اندازه¬ی خطاهای نسبی بجای خطا از نگرانی¬های اصلی کاربران بوده و محققان ، ه
مدلهای سریهای زمانی ناهمواریانسی شرطی
وجود تغییرات ساختاری در سریهای زمانی مالی از عواملی است که موجب میشود مدلهای خطی برای تحلیل این سریها مناسب نباشند. نادیده گرفتن این تغییرات در سطح میانگین و واریانس سریهای زمانی اثرات نامطلوبی روی تحلیلها خواهد گذاشت. در بسیاری از سریهای زمانی مالی و اقتصادی فرض ثابت بودن وا
برآوردگرهای بیزی مقید
در این پژوهش دسته ای از برآورد گرها به نام برآوردگرهای بیزی مقید معرفی می شوند با در نظر گرفتن زیر خانواده توضیح های نمایی طبیعی با واریانس درجه دوم برآوردگر بیزی تجربی مقید و بیزی سلسله مراتبی مقید محاسبه می شود که برآورد گر بیزی مقید بردار پارامتر نامعلوم تتا تخت تابع زیان مجمو
تحلیل مولفه های اصلی استوار برای داده های چوله
pca می تواند برای کاهش ابعاد داده مورد استفاد قرار بگیرد، به این ترتیب مولفه هایی از مجموعه داده را که بیشترین تأثیر در واریانس را دارند حفظ می کند. متأسفانه واریانس کلاسیک (که ماکزیمم می شود) و ماتریس کوواریانس کلاسیک (که تجزیه می شود) هر دو نسبت به دورافتاده ها یعنی مشاهداتی که
سنتز ترکیبات جدید آکریدین دی اونی بر پایه کالیکس[4]آرن و بررسی تمایل تشکیل کمپلکس ابرمولکولی این ترکیبات با مولکول های فعال زیستی
ترکیبات آکریدین دی اونی یکی از قدیمی ترین و موفق ترین دسته از مواد فعال زیستی هستند و به صورت گسترده در ساخت داروهای ضد مالاریا، ضد باکتری و ضد سرطان مورد استفاده قرار گرفته اند. این ترکیبات از مشتقات آکریدینی هستند که دارای ساختاری با سه حلقه مسطح می باشند که دارای توانایی وارد
تجزیه و تحلیل مجموعه مقادیر تکین چند متغیره
چکیده تحلیل مجموعه مقادیر تکین چند متغیره ((mssa یکی از روشهای ناپارامتری برای تحلیل سریهای زمانی چند متغیره بوده و نظیر حالت یک متغیره (ssa) شامل دو مرحله تجزیه و بازسازی است . در مرحله تجزیه هر متغیر که یک سری زمانی می باشد، به طور جداگانه به چند مولفه قابل تفسیر همچون روند، مو
برآورد بیزی پارامترهای تابع بقا برای تبدیل مدل خانواده نمایی با توزیع پیوسته و گسسته
این پایان نامه شامل دو بحث اصلی در رابطه با برآورد بیزی در صورت وجود نقطه تغییر برای دنباله ای از مشاهدات مستقل x1,x2,…,xm,xm+1,…,xn، که m بیانگر نقطه تغییر بوده و m=1,2,…n-1 می باشد، ابتدا برآورد بیزی تابع بقا را تحت توزیع احتمال خانواده نمایی یک پارامتری، برای توزیع های نرمال،
اثر کاهش نویز(اغتشاش) بر روی معیار وابستگی خطی و غیر خطی در سریهای زمانی مالی
در این تحقیق اثر کاهش اغتشاش بر روی معیار وابستگی خطی و غیرخطی در سریهای زمانی مالی بررسی می شود. همچنین روش تحلیل مقادیر ویژه منفرد را به عنوان یک روش صافی در سریهای زمانی مالی معرفی کرده و نتایج مربوط به این روش با نتایج بدست آمده ازمدلهای arma وgarch به عنوان روشهای خطی و غیرخ
مقایسه ی کارایی شبکه ی عصبی مصنوعی با رگرسیون لجستیک در پیش بینی میزان ریزش دانشجویان
مدل رگرسیون لجستیک یکی از مهم ترین مدل های خطی تعمیم یافته است که برای تحلیل مدل های چند متغیره کاربرد دارد به طوری که تمامی عوامل پیش بینی کننده موجود در یک مساله را به طور همزمان مورد توجه قرار می دهد. این مدل برای پیش بینی مدل های خطی و غیرخطی مناسب هستنداز سوی دیگر شبکه های ع
برآوردp(y>x برای توزیع وایبل نمایی شده با استفاده از روش بازنمونه گیری خودگردان
هدف اصلی این پایان نامه،برآورد (r= p(y<x،زمانی که x و y دو متغیر تصادفی از توزیع وایبل نمایی شده هستند میباشد که شامل دو پارامتر شکل و یک پارامتر مقیاسی دارد و خانواده وایبل و خانواده نمایی نمایی شده،به عنوان موارد خاصی از این خانواده، در نظر گرفته شده اند. با توجه به اهمیت توزیع
اثرات نقاط دورافتاده در شناسایی و برآورد مدل های garch
در این تحقیق تأثیر نقاط دورافتاده در شناسایی ناهم واریانسی شرطی و برآورد مدل های تعمیم یافته ی اتورگرسیو ناهم وایانس شرطی (garch) مورد بررسی قرار می گیرد. نخست، تقریب اریبی تابع خودهمبستگی نمونه ای مربوط به توان دوم مشاهدات، تولید شده به وسیله فرآیندهای مانا، به دست آمده و نشان م
خوشه بندی با استفاده از شبکه های عصبی مصنوعی
خوشه بندی یکی از روش های اصلی تحلیل داده است. از این روش به صورت گسترده ای برای تشخیص الگو، استخراج ویژگی ها، مجزا سازی تصاویر، تخمین تابع و داده کاوی استفاده می شود. خوشه بندی به عنوان یک روش دسته بندی غیر نظارتی، برخی از ساختارهای ذاتی موجود در مجموعه ای از اشیاء را بر اساس تشا
مدل های arfima تطبیقی با کاربردهایی در تورم
روش¬های پیش بینی سری های زمانی مالی براساس مدل¬های اتورگرسیو میانگین متحرک انباشته (arima) و واریانس ناهمسان شرطی اتورگرسیو (arch) ویژگی حافظه بلند¬مدت و وجود شکست¬های ساختاری را در مدل¬سازی در نظر نمی¬گیرند. جهت رفع مشکل حافظه بلند¬مدت از فرآیندهایی نظیر مدل اتورگرسیو میانگین مت
استفاده از جایگشت ها برای تشخیص وابستگی موجود میان سری های زمانی
جهت بررسی استقلال بین دو سری زمانی آزمون های متفاوتی ارائه شده است. در این پایان نامه یک روش آزمون استقلال میان دو سری زمانی معرفی میکنیم. این آزمون که یک آزمون جایگشتی است با کدگذاری روی هر سررری انجام می شررود. این آزمون را میتوان به کمک جدول توافقی به وسرری ه آمارههای رایج مخت
برآورد تابع تشخیص توزیع آمیخته معکوس وایبل
توزیع وایبول و انواع مدل¬های آن برای توصیف انواع مختلف شکست¬های مشاهده شده اجزاء و پدیده¬ها به¬کارمی-روند. این مدل¬ها به طور فراوان در تحلیل قابلیت اعتماد و بقا مورد استفادهمی¬باشند. به همین دلیل بیش از نیم قرن است که توزیع وایبل توجه آماردانان را به خوبی در کاربردهای متفاوت آمار
مقایسه برآوردگر انقباضی، بیزی و درستنمایی ماکزیمم برای پارامتر مقیاس توزیع نمایی تحت تابع زیان نامتقارن
در این پایان نامه برآورد پارامتر مقیاس توزیع نمایی تحت تابع زیان متقارن مربع خطا و تابع زیان نامتقارن لاینکس مورد بررسی قرار می گیرد. در ادامه ضمن ارائه روش های برآوردگر بیز، برآوردگر انقباضی و برآوردگر درستنمایی ماکزیمم اقدام به برآورد پارامتر مقیاس توزیع نمایی تحت تابع زیان مرب
مدل بندی و پیش بینی فرایندهای ترکیبی خودبرگشت میانگین متحرک و ناهمواریانس شرطی خودبرگشت کسری تلفیق یافته(arfima-figarch)
همبستگی بین مشاهدات در زمان های متفاوت در سری های زمانی، حافظه نامیده شده و اغلب بوسیله تابع خودهمبستگی اندازه گیری می شود. حافظه بلند مدت بدین معناست که مشاهدات با فاصله زیاد از هم، مانند مشاهدات نزدیک به هم، دارای وابستگی شدیدی می باشند. تابع خودهمبستگی فرآیندهای با حافظه بلند
شناسایی و برآورد پارامترهای فرآیند ناهمواریانس شرطی خود برگشت کسری تلفیق یافته (figarch)
چکیده تغییر پذیری یک معیار آماری برای نشان دادن میزان پراکندگی درآمد برای یک شاخص بازار است. در سری های زمانی مدل های ناهمواریانس شرطی از جمله مدل هایی می باشند که هدفشان توضیح این گونه از تغییرات است. در این پایان نامه نخست مدل ناهمواریانس شرطی خود برگشت کسری تلفیق یافته (figarc
میانگین متحرک دوره ای متغیرهای تصادفی دارای تغیرات منظم
در این پایان نامه مبنای نظریه ی مجانبی برای میانگین متحرک دوره ای متغیرهای تصادفی مستقل و هم توزیع با دم هایی که دارای تغییرات منظم هستند، در حالی در نظر گرفته می شود که ضرایب میانگین متحرک براساس دوره تغییرات فصلی متفاوت هستند. یک فرمول بندی مجدد ساده براساس نتایج مرتبط با میانگ
برآوردگرهای استوار برای مدل داده های پانلی با اثرات ثابت
داده های پانلی به داده های جنوبی گفته می شود که شامل اندازه گیری ها در طول زمان است.این داده ها حداقل برای یک مقطع و یک دوره ی زمانی خاص مشاهده می شود. حضور مشاهدات دورافتاده برآوردهای کلاسیک مربوط به داده های پانلی را متاثر ساخته و نتایج مورد انتظار را مخدوش می نماید. هدف از این
میانگین نمونه، کواریانس و آماره ی تی دو هتلینگ در مدل های بیضی گون چوله
آماره ی t2ی هتلینگ، وقتی ماتریس کواریانس نامعلوم باشد? به عنوان آماره ای برای آزمون فرض در مورد میانگین یک توزیع نرمال چند متغیره به کار می رود. در مورد چگونگی این که توزیع t2ی هتلینگ به مقیاس درآورده شده? توزیع f محسوب شود، در این پایان نامه اشاره شده است. تاکنون ویژگی های میانگ
مقایسه مدل های سری زمانی غیر خطی شبکه عصبی مبتنی بر الگوریتم ژنتیک (gmdh) و اتورگرسیو مشروط به ناهمگنی واریانس (garch)
در نظر گرفتن یک فرض کلاسیک در ساختمان سری ها موجب شده است، مشاهدات را با یک الگوی خطی که ضرایبش با زمان تغییر نمی کند در نظر گیرند. اما بسیاری از سری های زمانی دارای میانگین و واریانس ثابتی در طول زمان نیستند در این شرایط مدل های اتورگرسیو مشروط به ناهمسانی واریانس اغلب به نتایج
روشهای برآورد مقادیر گمشده در سری های زمانی
فرآیند درون یابی داده های گمشده در تحلیل سریهای زمانی بسیار مهم است . روش مرسوم استفاده از مدلهای اتو رگرسیو – میانگین متحرک باکس و جنکینس جهت درون یابی این داده ها است . در تحقیقات پیشرفته اخیر در مباحث سری زمانی روش دیگر بیان مدلهای سری زمانی در قالب مدلهای فضای حالت و استفاده
برآورد بیزی پارامتر مقیاس توزیع وایبل با داده های سانسور شده
چکیده در این پایان نامه ضمن معرفی توزیع وایبل، برآوردگر درستنمایی ماکزیمم و بیز پارامتر مقیاس توزیع وایبل با داده های سانسور شده را با استفاده از توزیع پیشین جفری و توزیع پیشین جفری تعمیم یافته تحت توابع میانگین مربع خطا و میانگین درصد خطا محاسبه و با یکدیگر مقایسه شده اند. در پا
تحلیل رگرسیون معکوس قعطه ای استوار
چکیده ندارد.
روش زیرسری و کاربرد آن در تحلیل داده های همبسته
چکیده ندارد.
بررسی میزان پژوهش محوری در فرایند تدریس اساتید رشته های علوم انسانی دروه کارشناسی ارشد دانشگاه پیام نور مرکز تهران
چکیده ندارد.
استفاده از مولفه های اصلی در برآورد مدل های رگرسیون لوژستیک برای داده هایی با هم خطی و بعد بالا
چکیده ندارد.
مدل رگرسیون ضریب تابعی برای سری های زمانی غیر خطی
چکیده ندارد.
روش های برآورد و آزمون فرض با استفاده از احتمال های پوشش
چکیده ندارد.
آزمون های اولیه در تحلیل ممیزی
چکیده ندارد.
مدل های رگرسیون ترتیبی و کاربرد آن
چکیده ندارد.
برآوردهای استوار تابع چگالی طیفی
تحلیل طیفی یک روش توسعه یافته برای تحلیل سری های زمانی در قلمرو فرکانس است. این روش از متداولترین شیوه های مورد استفاده برای کاهش مناسب داده ها و متعاقباً مقایسه این گونه از ثبت داده هاست. اشتباهات ذاتی یا سهوی در داده های یک سری زمانی تحت بررسی می تواند نتایج گمراه کننده و غیر س
شناسایی داده های دورافتاده با استفاده از برآوردگر حداقل دترمینان کوواریانس
در این پایان¬نامه، ضمن معرفی داده¬های دورافتاده و بیان اهمیت شناسایی آنها، دو روش استوار جهت شناسایی داده¬های دورافتاده چندمتغیره به نام¬های بیضی با حجم مینیمم (mve) و ماتریس کوواریانس با کمترین دترمینان (mcd) معرفی و مورد مقایسه قرار می¬گیرد. سپس با توجه به اینکه برآورد mcd نسبت
برآوردهای رگرسیونی نیرومند و تعمیم آن به مدلهای سریهای زمانی
هدف اصلی از این تحقیق تعمیم روشهای رگرسیونی نیرومند به مدلهای سریهای زمانی است . در ابتدا پس از ارائه روشهای رگرسیونی نیرومند شامل رگرسیون l1 ، -m برآورد ها ، -gm برآوردها، روش lms و روش lts جهت انتخاب بهترین روش ، به مقایسه کارایی آنها در رابطه با کاهش اثر نق
آشکارسازی نقاط دورافتاده در سریهای زمانی با استفاده از شیوه تکراری و مدلهای فضای وضعیت
در این تحقیق انواع نقاط دورافتاده و تغییرات ساختاری در یک سری زمانی از مشاهدات ، تعریف شده و اثرات آنها در تعیین مدل و برآورد پارامترهای آن مورد بررسی قرار می گیرد. همچنین شیوه تکراری چن و لئو برای شناسایی انواع نقاط دورافتاده و شیوه تکراری کیزر برای شناسایی انواع تغییرات ساختاری